メニュー
自动目标进度追踪器。在对话中检测到目标相关图片（笔记、进度、截图、记录）时，自动调用 VLM 识别关键信息并记录到目标日记。适用于学习管理、健身追踪、工作进度、习惯养成、创作记录等所有目标管理场景。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
AI 新闻聚合与热度排序工具。当用户询问 AI 领域最新动态时触发，如："今天有什么 AI 新闻？""总结一下这周的 AI 动态""最近有什么火的 AI 产品？""AI 圈最近在讨论什么？"。覆盖：新产品发布、研究论文、行业动态、融资新闻、开源项目更新、社区病毒传播现象、AI 工具/Agent 热门项目。输出中文摘要列表，按热度排序，附带原文链接。
ACADEMIC PRIORITY: Activate whenever the user's query involves academic, scholarly, or research-related topics — papers, citations, scholars, institutions, venues, patents, research trends, or any "who published what / where / when" question. Takes precedence over general web search for academic data needs. Routes through the z-ai gateway's `/v1/functions/invoke` endpoint to the AMiner Open Platform (27 APIs, 5 workflows).
Get personalized academic paper recommendations. Activate whenever the user asks for paper recommendations — explicit command (/aminer-dp) or natural language (e.g. 'recommend me papers on RAG', 'suggest recent papers on multimodal agents'). Workflow: extract topics / author / aminer_author_id from the input, invoke scripts/recommend.py, return results as Markdown.
ACADEMIC PRIORITY: Activate this skill whenever the user's query involves any academic or research-related topic. This is the free-tier entry point for AMiner academic search. Free-tier-only AMiner skill (7 free APIs, zero cost). Use this skill for simple, single-step academic lookups that do not require paid API fields. Use this skill for: searching a paper by title to get its ID, checking a paper's first author / venue / year / citation bucket, identifying a scholar by name and viewing interests / institution / citation count, normalizing an institution name to its canonical form and ID, checking whether a venue is a conference or journal, scanning patent trends by keyword (inventor, application year, publication year), and enriching paper IDs with lightweight metadata (abstract slice, author count, venue ID) via paper_info. Do NOT use this skill for: full paper abstracts or keyword lists, multi-condition or semantic paper search, citation relationship analysis, scholar full profiles (bio, education, work h
识别和分析PUA（Pickup Artist）及情感操纵行为的专业心理分析工具。具备人格分析、心理侧写、情感分析能力，能够识别情感操纵、煤气灯操纵、虐待等有毒关系模式，评估人格特质（如黑暗三人格、脆弱型自恋等），预测对方行为并给出具体的相处建议。当用户需要：分析对方言行动机、识别PUA/情感操纵行为、评估NPD（自恋型人格障碍）倾向、识别操纵行为、预测对方未来行为、寻求健康关系建议、分析黑暗三人格或光明三人格时使用此skill。
Implement speech-to-text (ASR/automatic speech recognition) capabilities using the z-ai-web-dev-sdk. Use this skill when the user needs to transcribe audio files, convert speech to text, build voice input features, or process audio recordings. Supports base64 encoded audio files and returns accurate text transcriptions.
| name | auto-target-tracker |
| description | 自动目标进度追踪器。在对话中检测到目标相关图片（笔记、进度、截图、记录）时，自动调用 VLM 识别关键信息并记录到目标日记。适用于学习管理、健身追踪、工作进度、习惯养成、创作记录等所有目标管理场景。 |
当对话中出现以下条件时自动触发：
当检测到图片时，检查：
使用 vlm 工具识别图片：
通用 prompt 模板：
"识别图片中的关键信息，根据目标类型提取以下内容：
- 核心任务/内容
- 完成进度或数量
- 关键数据（如时间、重量、字数等）
- 给出一段简短的执行反馈"
目标类型专用 prompt：
| 目标类型 | Prompt |
|---|---|
| 学习 | "识别学习笔记，提取知识点、完成度" |
| 健身 | "识别健身记录，提取运动类型、组数、次数、重量" |
| 工作 | "识别工作进度，提取完成任务、完成率" |
| 创作 | "识别创作作品，提取创作类型、进度、关键元素" |
| 习惯 | "识别打卡记录，提取打卡内容、连续天数" |
从 VLM 返回的结果中提取：
调用edit_daily工具将识别结果记录到当天的日常笔记中
向用户确认识别结果：
已记录你的目标打卡：
📝 识别结果：
核心内容：你拍的是今天的英语单词表，一共记了 15 个新词。
进度估算：今天的单词任务全部搞定，进度打败了 80% 的学习党。
建议：有两个单词的拼写有点模糊，明天复习的时候记得多看两眼。
记录准确吗？要帮你存进今天的目标日记里吗？
## 20:00 打卡记录
**目标类型**: 📚 学习
**图片**: 
**VLM识别结果**:
| 任务/内容 | 进度/数量 | 状态 |
|----------|----------|------|
| 英语单词 (Unit 1) | 15 个 | 已完成 |
| 数学练习 (第3章) | 80% | 进行中 |
| **总计** | | **今日达成 2/3** |
**关键数据**:
- 学习时长: 2小时
- 专注度: 高
**备注**: 自动识别，用户确认正确
---
## 10:30 健身打卡
**目标类型**: 🏃 健身
**图片**: 
**VLM识别结果**:
| 运动类型 | 组数 | 次数 | 重量 | 状态 |
|---------|------|------|------|------|
| 卧推 | 4 | 12 | 60kg | ✅ 完成 |
| 深蹲 | 4 | 10 | 80kg | ✅ 完成 |
| 引体向上 | 3 | 8 | 自重 | ⚠️ 少一组 |
| **总计** | | | **今日达标** |
**关键数据**:
- 总重量: 2640kg
- 训练时长: 45分钟
**备注**: 引体向上少完成一组，下次补上
在每天晚上 22:00 的汇总中，包含：
在周报告中，包含：
用户行为：发送手写笔记照片
自动识别：
反馈示例：
📚 识别到学习笔记：
- 机器学习监督学习算法（已完成）
- 梯度下降优化器（进行中）
- 正则化防过拟合（未开始）
进度：33% | 预计还需 2 小时完成
用户行为：发送健身记录照片
自动识别：
反馈示例：
🏃 健身记录已识别：
- 卧推 60kg × 12 × 4组 ✅
- 深蹲 80kg × 10 × 4组 ✅
- 引体向上 自重 × 8 × 3组 ✅
总训练量：2640kg | 时长：45分钟
用户行为：发送项目进度截图
自动识别：
反馈示例：
💼 工作进度已识别：
- 需求文档（已完成）✅
- 原型设计（已完成）✅
- 前端开发（进行中）🔄 80%
- 后端开发（未开始）⏳
项目总进度：67%
用户行为：发送创作作品照片
自动识别：
反馈示例：
🎨 创作记录已识别：
类型：插画创作
元素：人物角色、背景场景
完成度：线稿100%，上色60%
建议：今天完成了角色线稿，明天可以开始背景上色
用户行为：发送打卡日历截图
自动识别：
反馈示例：
✅ 习惯打卡已识别：
早起：连续 15 天 | 打卡率 100%
阅读：连续 8 天 | 打卡率 73%
运动：连续 21 天 | 打卡率 100%
🎉 运动已连续打卡 3 周，继续保持！
This skill ONLY:
This skill NEVER:
Data that stays local:
This skill does NOT:
将自动追踪器整合到目标管理日常工作流中：
### 2. 智能记录与估算 (Logging & Estimation)
- 当用户发送任何与目标相关的图片时：
1. 自动调用 auto-target-tracker 识别内容
2. 提取关键信息并估算进度
3. 立刻记录到日常笔记中
4. 同步更新 USER.md 的目标进度
在心跳检查中包含：
## 每日汇总
- 22:00 自动读取今日所有打卡记录
- 生成目标进度报告
- 发送给用户