7大核心技能深度解析Erduo Skills如何让AI Agent效率提升10倍【免费下载链接】erduo-skills项目地址: https://gitcode.com/gh_mirrors/er/erduo-skills在当今AI技术快速发展的时代AI Agent的效率提升成为了开发者和用户关注的焦点。Erduo Skills作为一个功能强大的开源项目提供了7大核心技能能够显著提升AI Agent的工作效率。本文将深入解析这7大技能帮助读者了解它们如何让AI Agent效率提升10倍。图Erduo Skills项目星标历史展示了项目的受欢迎程度和发展趋势体现了其在AI Agent领域的影响力。1. AK RSS Digest精准筛选高质量AI内容AK RSS Digest是Erduo Skills中的一个重要技能它能够从固定的RSS和Atom订阅源中筛选出中文阅读摘要特别偏好AI Agent思考、前沿AI评论、深度访谈和非枯燥的高信号文章。默认情况下它会拉取最新一周的文章也可以根据明确请求获取特定一天的文章对每篇文章进行10分制评分只输出得分高于7分的文章以简洁的中文每日简报风格呈现。使用该技能时首先运行python3 scripts/fetch_today_feed_items.py --format json来收集配置源中的条目默认获取最近7天的内容。对于源级别的网络故障将其视为非致命错误继续处理成功的源并仅在严重影响覆盖范围时提及主要故障。读取结构化输出后在打开文章页面之前丢弃明显不匹配的内容拒绝那些明显是原始研究论文、发布说明、变更日志、基准测试数据或范围狭窄的技术实现日志而没有更广泛影响的项目。当源摘要过于简略无法很好地判断文章时打开剩余的候选链接浏览文章的论点、新颖性、可读性以及是否提供了强烈的观点而非仅仅是信息。2. Anthropic Style Diagram绘制专业风格架构图Anthropic Style Diagram技能允许用户以Anthropic/Claude视觉语言绘制架构图、流程图和结构图并将其渲染保存为PNG格式。仅当用户明确指定该视觉语言如“Anthropic 风格架构图”“Claude 风格流程图”等或在对话中已使用该技能生成过一个图后要求绘制另一个相同风格的图时才会触发。该技能的工作流程首先需要规划绘图计算节点数量将它们分为2-3个类别每个类别使用一个颜色梯度确定图表类型。如果用户指定了6个以上的组件将其拆分为一个概述和每个子流程一个图表而不是将所有内容挤在一个画布上。然后编写SVG到工作路径遵循创作契约references/example-structural.svg是模仿的标准形状。接着使用node scripts/render.mjs working.svg -o target.png命令进行渲染查看PNG图像读取图像文件标准输出会显示布局警告修复后重新渲染最后向用户报告保存路径。3. Daily News Report高效生成每日技术报告Daily News Report技能基于预设的URL列表抓取内容筛选高质量技术信息并生成每日Markdown报告。其核心架构采用主Agent调度SubAgent执行浏览器抓取智能缓存的方式。主Agent负责调度、监控、评估、决策和汇总SubAgent执行层包括多个Worker和浏览器用于不同类型的内容抓取。该技能使用sources.json和cache.json作为配置文件分别用于信息源配置、优先级、抓取方法和缓存数据、历史统计、去重指纹。执行流程包括初始化、调度SubAgent、SubAgent任务执行、主Agent监控与反馈、评估与筛选、浏览器抓取、生成日报和更新缓存等阶段。在初始化阶段确定日期、读取配置和缓存、创建输出目录并检查是否已有部分报告。调度SubAgent采用并行调度、分批执行和早停机制根据不同批次的结果评估是否需要继续抓取。SubAgent接收特定格式的任务包括抓取和提取内容的相关参数和输出 schema。主Agent监控SubAgent的返回状态统计条目数量记录源的成功率并根据结果进行反馈和决策。评估与筛选阶段进行去重、评分校准和排序确保报告内容的高质量。对于需要JS渲染的页面使用无头浏览器进行抓取。最后生成符合特定格式的日报并更新缓存。4. Gemini Watermark Remover轻松去除图片水印Gemini Watermark Remover技能使用反向 alpha 混合技术从图像中去除可见的Gemini AI水印。当用户要求去除Gemini水印、批量处理Gemini图像或构建/修改一个无需HTML或服务器端组件即可去除右下角Gemini水印的CLI脚本时使用。该技能依赖Python 3.9和Pillow库可通过pip install -r requirements.txt安装依赖。快速开始只需在scripts文件夹中安装依赖然后运行CLI命令python remove_watermark.py input-image output-image其中input-image是带有Gemini水印的图像路径output-image是清理后图像的保存路径格式从扩展名推断。该技能提供了scripts/remove_watermark.py作为CLI入口点和核心算法assets/bg_48.png和assets/bg_96.png作为预先捕获的水印 alpha 图以及references/algorithm.md包含数学、检测规则和限制说明。使用时对于一次性处理直接使用remove_watermark.py如果需要调整检测规则或 alpha 逻辑可阅读references/algorithm.md。5. Transcript Polisher优化转录文本可读性Transcript Polisher技能能够将语音转录文本访谈、演讲、播客、会议精修为可读性更高的文章段落。当用户提到“字幕精修”“transcript polish”“润色字幕”等相关表述或需要将大段对话/演讲文本整理成可读文章时触发适用于单人演说或多人对谈的转录文本整理要求保留原句原词、拒绝高度概括。该技能支持结构化输入、直接文本和文件路径.txt / .srt / .vtt等输入方式。工作流程包括预处理、模式识别、精准降噪、错字错词纠正、角色与逻辑梳理、语义呼吸分段和标点与节奏优化等步骤。预处理阶段根据不同的输入格式进行处理如SRT格式去除序号行和时间戳行VTT格式去除头部、时间戳行和样式标签等。模式识别阶段判断文本是单人表达还是多人对谈并根据不同模式进行处理。精准降噪阶段删除纯填充、零语义的词汇对于需要语境判断的词汇根据句意是否改变来决定是否删除。错字错词纠正阶段建立领域词汇表逐句扫描纠正常见错误。角色与逻辑梳理阶段理顺逻辑合并重复观点明确区分说话人。语义呼吸分段阶段根据语义呼吸点进行分段使文本更具可读性。标点与节奏优化阶段修正标点使用使文本节奏更流畅。6. Translate Polisher高质量多语言翻译Translate Polisher是一项高质量文章翻译技能采用“分析→初译→审校→终稿”四步精翻工作流仅支持中文↔英文、中文↔日文翻译。当用户明确提出翻译相关请求如“翻译”“精翻”“中译英”等或给出URL/文件/正文并明确要求输出目标语言成稿时触发不用于仅做摘要、解释、理解或整理的请求。使用该技能时通过特定的命令格式指定源、源语言、目标语言、目标读者、翻译风格和术语表等参数。工作流程包括准备、深度分析、应用分析结果、初译、批判审校和终稿等阶段。准备阶段加载内置术语表合并额外术语表物化源内容创建临时工作目录并检测源语言。深度分析阶段生成01-analysis.md包括概要、核心内容、背景语境、术语提取、语气与风格、读者理解障碍、修辞与隐喻映射、结构与创意挑战和标题主张核实等内容。初译阶段根据文本长度进行分块处理或直接翻译并遵循一系列翻译原则如原文至上、准确第一、达意而非逐字等。批判审校阶段对照原文进行准确性与完整性、翻译腔诊断、修辞与情感保真、策略执行、表达与逻辑、译注质量和文化适配等方面的检查并生成04-critique.md。终稿阶段根据审校结果进行修正包括自动修正标点、读取审校文件、逐条修正翻译腔、修正其他审校问题和最终验证等步骤最后输出终稿。7. Web To Markdown网页内容转MarkdownWeb To Markdown技能能够将网页URL转换为经过清理的Markdown并具有确定性路由。当需要从链接读取类似文章的内容时使用应应用源感知的获取策略对于一般页面包括X/Twitter默认使用r.jina.ai对于YouTube链接使用defuddle.md对于微信/知乎/飞书页面使用浏览器模拟提取并结合Mozilla Readability进行清理。该技能的快速工作流程包括规范化和验证输入URL选择路由返回Markdown文本或JSON元数据。对于通用URL采用r.jina.ai优先失败则回退到直接HTTP获取Readability仍失败则回退到浏览器提取的策略。运行时需从技能目录skills/web-to-markdown执行npm install安装依赖然后使用node scripts/url_to_markdown.mjs url命令进行转换添加--json参数可返回元数据使用node scripts/fetch_special_sites.mjs url --json可强制进行特殊站点浏览器提取。路由策略根据不同的域名选择不同的处理方式如YouTube使用defuddle.md微信/知乎/飞书使用特定脚本等。对于微信/知乎/飞书等特殊站点采用两阶段提取策略先尝试cuimp HTTP/TLS模拟再使用puppeteer-extra浏览器模拟作为回退。输出方面正常使用时仅输出Markdown使用--json参数时返回包含源、策略、请求URL、解析URL和Markdown内容的JSON对象。【免费下载链接】erduo-skills项目地址: https://gitcode.com/gh_mirrors/er/erduo-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
7大核心技能深度解析：Erduo Skills如何让AI Agent效率提升10倍？
7大核心技能深度解析Erduo Skills如何让AI Agent效率提升10倍【免费下载链接】erduo-skills项目地址: https://gitcode.com/gh_mirrors/er/erduo-skills在当今AI技术快速发展的时代AI Agent的效率提升成为了开发者和用户关注的焦点。Erduo Skills作为一个功能强大的开源项目提供了7大核心技能能够显著提升AI Agent的工作效率。本文将深入解析这7大技能帮助读者了解它们如何让AI Agent效率提升10倍。图Erduo Skills项目星标历史展示了项目的受欢迎程度和发展趋势体现了其在AI Agent领域的影响力。1. AK RSS Digest精准筛选高质量AI内容AK RSS Digest是Erduo Skills中的一个重要技能它能够从固定的RSS和Atom订阅源中筛选出中文阅读摘要特别偏好AI Agent思考、前沿AI评论、深度访谈和非枯燥的高信号文章。默认情况下它会拉取最新一周的文章也可以根据明确请求获取特定一天的文章对每篇文章进行10分制评分只输出得分高于7分的文章以简洁的中文每日简报风格呈现。使用该技能时首先运行python3 scripts/fetch_today_feed_items.py --format json来收集配置源中的条目默认获取最近7天的内容。对于源级别的网络故障将其视为非致命错误继续处理成功的源并仅在严重影响覆盖范围时提及主要故障。读取结构化输出后在打开文章页面之前丢弃明显不匹配的内容拒绝那些明显是原始研究论文、发布说明、变更日志、基准测试数据或范围狭窄的技术实现日志而没有更广泛影响的项目。当源摘要过于简略无法很好地判断文章时打开剩余的候选链接浏览文章的论点、新颖性、可读性以及是否提供了强烈的观点而非仅仅是信息。2. Anthropic Style Diagram绘制专业风格架构图Anthropic Style Diagram技能允许用户以Anthropic/Claude视觉语言绘制架构图、流程图和结构图并将其渲染保存为PNG格式。仅当用户明确指定该视觉语言如“Anthropic 风格架构图”“Claude 风格流程图”等或在对话中已使用该技能生成过一个图后要求绘制另一个相同风格的图时才会触发。该技能的工作流程首先需要规划绘图计算节点数量将它们分为2-3个类别每个类别使用一个颜色梯度确定图表类型。如果用户指定了6个以上的组件将其拆分为一个概述和每个子流程一个图表而不是将所有内容挤在一个画布上。然后编写SVG到工作路径遵循创作契约references/example-structural.svg是模仿的标准形状。接着使用node scripts/render.mjs working.svg -o target.png命令进行渲染查看PNG图像读取图像文件标准输出会显示布局警告修复后重新渲染最后向用户报告保存路径。3. Daily News Report高效生成每日技术报告Daily News Report技能基于预设的URL列表抓取内容筛选高质量技术信息并生成每日Markdown报告。其核心架构采用主Agent调度SubAgent执行浏览器抓取智能缓存的方式。主Agent负责调度、监控、评估、决策和汇总SubAgent执行层包括多个Worker和浏览器用于不同类型的内容抓取。该技能使用sources.json和cache.json作为配置文件分别用于信息源配置、优先级、抓取方法和缓存数据、历史统计、去重指纹。执行流程包括初始化、调度SubAgent、SubAgent任务执行、主Agent监控与反馈、评估与筛选、浏览器抓取、生成日报和更新缓存等阶段。在初始化阶段确定日期、读取配置和缓存、创建输出目录并检查是否已有部分报告。调度SubAgent采用并行调度、分批执行和早停机制根据不同批次的结果评估是否需要继续抓取。SubAgent接收特定格式的任务包括抓取和提取内容的相关参数和输出 schema。主Agent监控SubAgent的返回状态统计条目数量记录源的成功率并根据结果进行反馈和决策。评估与筛选阶段进行去重、评分校准和排序确保报告内容的高质量。对于需要JS渲染的页面使用无头浏览器进行抓取。最后生成符合特定格式的日报并更新缓存。4. Gemini Watermark Remover轻松去除图片水印Gemini Watermark Remover技能使用反向 alpha 混合技术从图像中去除可见的Gemini AI水印。当用户要求去除Gemini水印、批量处理Gemini图像或构建/修改一个无需HTML或服务器端组件即可去除右下角Gemini水印的CLI脚本时使用。该技能依赖Python 3.9和Pillow库可通过pip install -r requirements.txt安装依赖。快速开始只需在scripts文件夹中安装依赖然后运行CLI命令python remove_watermark.py input-image output-image其中input-image是带有Gemini水印的图像路径output-image是清理后图像的保存路径格式从扩展名推断。该技能提供了scripts/remove_watermark.py作为CLI入口点和核心算法assets/bg_48.png和assets/bg_96.png作为预先捕获的水印 alpha 图以及references/algorithm.md包含数学、检测规则和限制说明。使用时对于一次性处理直接使用remove_watermark.py如果需要调整检测规则或 alpha 逻辑可阅读references/algorithm.md。5. Transcript Polisher优化转录文本可读性Transcript Polisher技能能够将语音转录文本访谈、演讲、播客、会议精修为可读性更高的文章段落。当用户提到“字幕精修”“transcript polish”“润色字幕”等相关表述或需要将大段对话/演讲文本整理成可读文章时触发适用于单人演说或多人对谈的转录文本整理要求保留原句原词、拒绝高度概括。该技能支持结构化输入、直接文本和文件路径.txt / .srt / .vtt等输入方式。工作流程包括预处理、模式识别、精准降噪、错字错词纠正、角色与逻辑梳理、语义呼吸分段和标点与节奏优化等步骤。预处理阶段根据不同的输入格式进行处理如SRT格式去除序号行和时间戳行VTT格式去除头部、时间戳行和样式标签等。模式识别阶段判断文本是单人表达还是多人对谈并根据不同模式进行处理。精准降噪阶段删除纯填充、零语义的词汇对于需要语境判断的词汇根据句意是否改变来决定是否删除。错字错词纠正阶段建立领域词汇表逐句扫描纠正常见错误。角色与逻辑梳理阶段理顺逻辑合并重复观点明确区分说话人。语义呼吸分段阶段根据语义呼吸点进行分段使文本更具可读性。标点与节奏优化阶段修正标点使用使文本节奏更流畅。6. Translate Polisher高质量多语言翻译Translate Polisher是一项高质量文章翻译技能采用“分析→初译→审校→终稿”四步精翻工作流仅支持中文↔英文、中文↔日文翻译。当用户明确提出翻译相关请求如“翻译”“精翻”“中译英”等或给出URL/文件/正文并明确要求输出目标语言成稿时触发不用于仅做摘要、解释、理解或整理的请求。使用该技能时通过特定的命令格式指定源、源语言、目标语言、目标读者、翻译风格和术语表等参数。工作流程包括准备、深度分析、应用分析结果、初译、批判审校和终稿等阶段。准备阶段加载内置术语表合并额外术语表物化源内容创建临时工作目录并检测源语言。深度分析阶段生成01-analysis.md包括概要、核心内容、背景语境、术语提取、语气与风格、读者理解障碍、修辞与隐喻映射、结构与创意挑战和标题主张核实等内容。初译阶段根据文本长度进行分块处理或直接翻译并遵循一系列翻译原则如原文至上、准确第一、达意而非逐字等。批判审校阶段对照原文进行准确性与完整性、翻译腔诊断、修辞与情感保真、策略执行、表达与逻辑、译注质量和文化适配等方面的检查并生成04-critique.md。终稿阶段根据审校结果进行修正包括自动修正标点、读取审校文件、逐条修正翻译腔、修正其他审校问题和最终验证等步骤最后输出终稿。7. Web To Markdown网页内容转MarkdownWeb To Markdown技能能够将网页URL转换为经过清理的Markdown并具有确定性路由。当需要从链接读取类似文章的内容时使用应应用源感知的获取策略对于一般页面包括X/Twitter默认使用r.jina.ai对于YouTube链接使用defuddle.md对于微信/知乎/飞书页面使用浏览器模拟提取并结合Mozilla Readability进行清理。该技能的快速工作流程包括规范化和验证输入URL选择路由返回Markdown文本或JSON元数据。对于通用URL采用r.jina.ai优先失败则回退到直接HTTP获取Readability仍失败则回退到浏览器提取的策略。运行时需从技能目录skills/web-to-markdown执行npm install安装依赖然后使用node scripts/url_to_markdown.mjs url命令进行转换添加--json参数可返回元数据使用node scripts/fetch_special_sites.mjs url --json可强制进行特殊站点浏览器提取。路由策略根据不同的域名选择不同的处理方式如YouTube使用defuddle.md微信/知乎/飞书使用特定脚本等。对于微信/知乎/飞书等特殊站点采用两阶段提取策略先尝试cuimp HTTP/TLS模拟再使用puppeteer-extra浏览器模拟作为回退。输出方面正常使用时仅输出Markdown使用--json参数时返回包含源、策略、请求URL、解析URL和Markdown内容的JSON对象。【免费下载链接】erduo-skills项目地址: https://gitcode.com/gh_mirrors/er/erduo-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
