不再依賴過時的 AI 訓練資料文檔。此技能將 Claude Code 連接到 Context7 API，即時存取最新的庫和框架文檔。

此技能協助使用者使用經過驗證的商業框架分析競爭環境。它提供結構化的方法論，如波特五力分析和藍海策略，以識別市場定位機會。

研究人員面臨海量文獻和複雜數據分析的挑戰。此技能提供結構化的方法論，用於文獻回顧、實驗設計和統計分析，以加速科學發現。

使用 Qryma API 取得快速、針對 LLM 優化的網頁搜尋結果。此技能提供結構化搜尋回應，支援 Markdown、JSON 或 Brave 風格格式，可無縫整合至您的 AI 工作流程中。

AI 代理隨著對話變長而效能下降。此技能診斷 lost-in-middle 問題、上下文中毒和注意力失效，以恢復最佳的代理效能。它提供辨識和減輕上下文退化的模式。

使用正式的信念-慾望-意圖模式將 RDF 資料轉換為認知代理架構。讓 AI 系統能夠建立理性代理模型，具有可追蹤的推理鏈和多用於多代理系統的語義互操作性。

手動研究需要數小時，且產生不一致的結果及未經驗證的聲稱。此技能執行 8 階段管道，從 10+ 來源收集、驗證並綜合資訊為專業報告。

投資人難以系統性地將 Graham 與 Buffett 方法論套用於多檔股票。本技能提供結構化的單股診斷與批次篩選,運用 NCAV、經濟護城河、ROE 與 FCF 條件,並進行跨報表勾稽驗證。

以任何語言獲取分析師評級、共识目標價、內部人士交易和投資框架。Longbridge Research 將 Claude 變成任何上市股票的賣方分析師。

量化交易員和分析師需要一個一致的框架來回測因子模型、配對交易和基於機器學習的信號。本技能提供即用型的分析框架，以及用於對歷史 K 線資料執行指標腳本的 CLI。

手動篩選股票、追蹤板塊輪動以及解讀 ETF 資金流向既緩慢又零散。此技能為 Claude、Codex 和 Claude Code 提供一個由 Longbridge 支援的統一情報中心，涵蓋篩選器、異常偵測、催化劑與主題研究。

在復現人工智慧研究時，儲存庫的 README 通常會在資料集分割、評估協定或預處理細節方面留下關鍵缺口。此技能從主要論文來源解決這些狹義的復現問題，同時保留以 README 為先的指導方針。

深度學習研究人員需要快速執行探索性試驗,同時避免過度宣稱結果。本技能會產生預算感知的變體矩陣,並附帶公平比較的注意事項,將探索性證據與可信基線明確區分。

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.

研究人員難以系統性地探索並以科學嚴謹度為新穎的深度學習想法進行排序。此技能在 current_research 之上提供可稽核的候選方案探索，具備想法閘控、公平比較與受控管的工作流程。

不再浪費數小時搜尋分散的活動目錄。此技能使用網路搜尋找到相關貿易展覽會，以結構化比較表格呈現，並根據您的產業、地區和目標提供針對性建議。

高效研究複雜主題，不會感到不知所措。這個技能將研究組織成可管理的小主題，並將發現綜合成全面的報告。

在物理學、數學、電腦科學和定量生物學領域尋找學術論文可能很耗時。此技能提供對 arXiv 預印本儲存庫的直接存取，可立即搜尋和檢索論文標題和摘要。

存取全面的 USPTO 專利和商標資料庫。按關鍵字、發明人或受讓人進行搜尋。擷取審查歷史、轉讓、引用和辦公室行動，用於智慧財產研究和先前技術搜尋。

搜尋蛋白質資料庫、擷取序列，並在生物資料庫之間對應識別符。此技能提供對 UniProt 的直接存取，這是一個全面的蛋白質序列和功能資訊資源。