菜单
工具选择与多工具协同。根据任务自动判断适合用什么工具——搜索、Python、R、MATLAB、LaTeX、Word、Excel、PowerPoint、Visio、Origin、数据库、Git、前端/后端框架、绘图工具、文献管理工具等（常驻，所有任务后台生效）。不盲目用工具，而是按实际任务选最高效、最稳定、最专业的实现方式。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/caixinyu2017-star/xixi --skill light-tool-selection命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Help Codex plan, generate, reproduce, and refine editable Microsoft Visio scientific diagrams. Use when users ask Codex to operate local Visio, create VSDX research figures, redraw uploaded paper screenshots or sketches in Visio, convert natural-language method descriptions into scientific diagrams, export preview PNG/PDF/SVG, or build editable model architecture, workflow, system architecture, experiment, pseudo-code, sequence, or module interaction diagrams.
Rebuild or restyle editable Microsoft Visio diagrams from reference images and existing .vsdx files, then export deliverables as .vsdx, PNG, SVG, PDF, or PPTX. Use when the user asks Codex to open Visio, recreate a diagram from a PNG/JPG/screenshot/reference image, match a scientific model figure, batch-create Chinese technical-bid flowcharts, continue drawing another similar flowchart, update colors/typography/layout in a .vsdx, calibrate panel coordinates to avoid shifted or overlapping submodules, or make publication/presentation outputs while preserving Visio native editable shapes rather than embedding the reference image as a flat picture. For Chinese technical-bid flowcharts, default to the user's standard SimSun/宋体 12 pt technical-bid style and ask whether to use that default or reproduce the original image style when the two conflict.
Create stunning, animation-rich HTML presentations from scratch or by converting PowerPoint files. Use when the user wants to build a presentation, convert a PPT/PPTX to web, or create slides for a talk/pitch. Helps non-designers discover their aesthetic through visual exploration rather than abstract choices.
基于 SOC 职业分类
正在显示 SKILL.md
| name | light-tool-selection |
| description | 工具选择与多工具协同。根据任务自动判断适合用什么工具——搜索、Python、R、MATLAB、LaTeX、Word、Excel、PowerPoint、Visio、Origin、数据库、Git、前端/后端框架、绘图工具、文献管理工具等（常驻，所有任务后台生效）。不盲目用工具，而是按实际任务选最高效、最稳定、最专业的实现方式。 |
| user-invocable | false |
不为用工具而用工具。每个任务先问：最高效、最稳定、最专业、最可复现的方式是什么？ 优先可复现(代码/脚本) > 一次性手工；优先项目已有的栈 > 引入新依赖。
@eN 引用定位、命令间保活、4848 端口可观测面板，先 agent-browser skills get core 发现用法)；偏 Python 集成走 browser-use(Agent(task,llm,browser)+await agent.run()，基于 Playwright，@tools.action 加自定义工具，use_cloud=True 走 stealth 云浏览器)。投稿系统网页操作（OpenReview/Editorial Manager 等填表、上传、查状态）可装 agent-browser 类技能（约 438K 装，last_checked 2026-06），Light 不自建浏览器自动化，按需引入外部技能并评估来源安全。paths→operationId+参数 schema+securitySchemes 确定性调用、按 response schema 解析，别靠散文文档猜（字段细节见 references.md）。@app.function(gpu=..., image=...) 定义环境，按秒计费；命令与原语见 references.md）。带数值阈值的完整决策矩阵(数据 <100MB pandas / 2-50GB polars / >TB Spark；投稿矢量 vs 演示 png≥150dpi；skill 安装量≥1K 等)见 references/decision_matrix.md，按需载入。
进入一个已有项目、或用户问"这个项目该用什么工具"时，先跑检测脚本而非人工翻清单：
python scripts/detect_stack.py <项目目录> # 读 package.json/pyproject.toml/requirements.txt/environment.yml
python scripts/detect_stack.py <项目目录> --json # 机器可读
python scripts/detect_stack.py --self-test # 无项目时合成清单自检
脚本识别依赖→按类别给选型建议(命中内置规则的才给，未命中标 no signal 不臆造)，并据锁文件(uv.lock/poetry.lock/environment.yml/Dockerfile)给环境/复现建议。汇报照 assets/stack_detection_report.md。
按依赖性质选 uv / conda / Poetry / Docker 的决策表（场景→工具→关键命令、互斥铁律）权威版见 references/decision_matrix.md 第 5 节；逐工具完整命令/参数/坑见 references.md（uv/Conda/Poetry/Docker 各段）。一句话口径：纯 Python/PyPI 优先 uv，编译科学库/CUDA/跨语言用 conda(mamba/miniforge)，已有 Poetry 项目延续 Poetry，可移植服务复现用 Docker；三者都靠锁文件保复现，同一环境不混 pip+conda。
一个任务常跨工具：如"实验→W&B 记录→pandas 汇总→seaborn 出图→LaTeX 排版→Zotero 引用"。规划好数据在工具间的流转格式(CSV/JSON/Parquet)，减少手工搬运。
需要新能力时按序：
npx skills find [关键词] 搜索。质量数值阈值(安装量/GitHub star/来源信誉)权威版见 references/decision_matrix.md 第 7 节。给用户列 名称/用途/安装量/来源/链接/安装命令，同意后 npx skills add <owner/repo@skill> -g -y(-g 全局、-y 免确认)；无命中就坦白、转用通用能力、并建议 npx skills init <name> 自建。（安装量随时间变，引用具体数字一律带 last_checked。）npx -y @modelcontextprotocol/server-*、Python 用 uvx mcp-server-*，Windows npx 要 cmd /c 包裹；registry.modelcontextprotocol.io 更多）。先 tools/list/resources/list 看暴露了什么再调用。科研设计/绘图/3D/计算类已选定推荐 MCP（路由到对应技能时按需建议）：Figma(读设计稿→前端,a05)、Canva(路演 PPT/海报,m16/m17)、Draw.io(框架/系统/架构图 diagram-as-code,m09/a04/m15)、Blender(3D 科学可视化/路演渲染,m09/m16)、MATLAB(信号/控制/数值/Simulink)——能力/费用/star 单一真相源在 README 推荐 MCP 表，本节不复写数字（口径同 OpenAlex key）。SKILL.md(frontmatter 仅 name/description)+scripts/+references/+assets/，三级渐进披露，description 枚举触发场景防欠触发，正文用祈使句解释"为什么"。评估闭环：真实测试 prompt → with-skill vs baseline 量化对比 → 读 transcript 泛化别过拟合 → 重复活抽进 scripts/。（skill-creator/Autoskill 细节见 references.md。）
引入任何第三方 skill/MCP server 都等于授权外部指令与代码，先评估来源与安全。详见 references.md。scripts/detect_stack.py（技术栈检测，--self-test 离线自检）、references/decision_matrix.md（带数值阈值的决策矩阵）、references.md（逐工具端点/命令/坑）。assets/：stack_detection_report.md（检测汇报）、skill_discovery_report.md（发现 skill，单个/多候选/未命中兜底）、mcp_discovery_report.md（发现 MCP，含 tools/list、resources/list 探测清单）。两份发现模板附 2026-06 实测入口与 HTTP 码。为所有技能提供"用什么做"的判断；与 a06(目录)、a02(版本工具)、a03(代码栈)协同。
逐工具硬信息(真实端点/命令/参数/坑)见同目录 references.md。