停止依赖 AI 训练数据中过时的文档。此技能将 Claude Code 连接到 Context7 API，实时访问最新的库和框架文档。

此技能帮助用户使用经过验证的商业框架分析竞争环境。它提供波特的五力模型和蓝海策略等结构化方法论，以识别市场定位机会。

研究人员面临海量的文献检索和复杂的数据分析挑战。本技能提供文献综述、实验设计和统计分析的结构化方法，以加速科学发现。

通过 Qryma API 获取快速、LLM 优化的网络搜索结果。此技能提供 Markdown、JSON 或 Brave 风格的结构化搜索响应，可无缝集成到您的 AI 工作流程中。

AI智能体会随着对话变长而性能下降。此技能可诊断中间丢失问题、上下文污染和注意力故障，恢复智能体的最佳性能。它提供了识别和缓解上下文退化的模式。

使用正式的信念-欲望-意图模式将RDF数据转换为认知智能体架构。实现AI系统建模理性智能体，具有可追溯的推理链和多智能体系统的语义互操作性。

手动研究耗时数小时，且因未经验证的声明而产生不一致的结果。该技能运行一个8阶段流水线，从10多个来源收集、验证和综合信息，生成专业报告。

投资者难以系统地将格雷厄姆和巴菲特的方法论应用于多只股票。本技能提供结构化的单只股票诊断和批量筛选，使用 NCAV、经济护城河、ROE 和 FCF 标准，并进行跨报表勾稽校验。

使用任何语言获取分析师评级、一致目标价、内部人交易和投资框架。Longbridge Research 让 Claude 成为任何上市股票的卖方分析师。

量化交易员和分析师需要一个一致的框架来对因子模型、配对交易和基于机器学习的信号进行回测。本技能提供现成的分析框架以及一个用于对历史 K 线数据运行指标脚本的 CLI。

手动筛选股票、跟踪行业轮动和阅读ETF资金流既缓慢又分散。本技能为Claude、Codex和Claude Code提供了一个由Longbridge支持的统一情报中心，用于筛选器、异常检测、催化剂和主题研究。

在复现 AI 研究时，仓库 README 往往会遗漏数据集划分、评估协议或预处理细节等关键信息。此技能可从原始论文源中解决这些狭窄的复现问题，同时保留 README 优先的指导原则。

深度学习研究人员需要快速运行探索性试验，但不应过度声称结果。本技能生成预算感知的变体矩阵，并附带公平比较的免责声明，将探索性证据与可信基线明确分离。

Reproducing deep learning papers is slow and error-prone because commands, datasets, and assumptions are scattered across READMEs. This skill reads the repository first, selects the smallest documented target, and writes a standardized repro_outputs/ bundle with evidence, deviations, and human decision points.

研究人员难以系统化地探索和排序新颖的深度学习想法并保持科学严谨性。本技能在 current_research 之上提供可审计的候选探索，包含想法筛选、公平比较和受治理的实验工作流。

无需再浪费时间为 scattered event directories。此技能使用网络搜索查找相关展会，以结构化对比表格的形式展示，并根据您的行业、地区和目标提供针对性建议。

高效研究复杂主题，避免被信息淹没。该技能将研究组织成可管理的小主题，并将发现综合成全面的报告。

查找物理、数学、计算机科学和定量生物学领域的学术论文可能耗时。该技能可直接访问arXiv预印本仓库，快速搜索和检索论文标题和摘要。

访问全面的美国专利商标局专利和商标数据库。通过关键词、发明人或受让人进行搜索。获取审查历史、转让记录、引用和办公行动，用于知识产权研究和现有技术搜索。

搜索蛋白质数据库、检索序列并在生物数据库之间映射标识符。此技能可直接访问UniProt，即综合蛋白质序列和功能信息资源。