一键导入
formatting-nanobot-output
美化 nanobot 的回复输出格式,使用结构化排版、符号标记和清晰层级,适配 QQ、Telegram 等聊天平台。当需要让 nanobot 回复更美观、更易读时使用。
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。
菜单
美化 nanobot 的回复输出格式,使用结构化排版、符号标记和清晰层级,适配 QQ、Telegram 等聊天平台。当需要让 nanobot 回复更美观、更易读时使用。
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。
基于 SOC 职业分类
基于费曼学习法的个人知识教练,通过"以教代学"的方式帮助用户深度理解和巩固知识。 支持主动知识回顾、薄弱点诊断、个性化学习建议,并可通过配置实现每日自动触发知识回顾。 触发命令:/feynman(直接调用费曼学习功能)
Tutors users from knowledge-base articles (Notion/local) using Feynman teach-back plus Sigma mastery gates, then writes Q&A talking points to a user-chosen location. Requires companion skills sigma and feyman-coach. Use when learning from KB/interview notes, Notion tutoring, Feynman+mastery prep, or /kb-feynman /费曼知识库 /面试口径学习.
Personalized 1-on-1 AI tutor using Bloom's 2-Sigma mastery learning. Guides users through any topic with Socratic questioning, adaptive pacing, and rich visual output (HTML dashboards, Excalidraw concept maps, generated images). Use when user wants to learn something, study a topic, understand a concept, requests tutoring, says 'teach me', 'I want to learn', 'explain X to me step by step', 'help me understand', or invokes /sigma. Triggers on: learn, study, teach, tutor, understand, master, explain step by step.
Designs Agent / LLM application architectures, multi-agent orchestration, tool-use pipelines, RAG / Text-to-SQL workflows, architecture route comparison, and architecture review. Extracts reusable architecture patterns from cookbooks, notebooks, and demo repos. Outputs solution-level plans (modules, data flow, agent patterns, MVP)—not product or tech-stack recommendations. Use when the user asks for 架构设计 / 方案设计 / Agent 工作流 / 多 Agent 编排 / 架构评审 / 方案路线 / MVP 路径, or says "design", "architecture", "review my design", "how should I structure this agent". Do NOT use for direct coding, bug fixing, product selection (framework/model/cloud), or pure API-question answering.
编排 Codex 的多 agent 自动化编码与交付流程,结合 AGENTS.md、.codex/config.toml、hooks、skills、MCP、CI 和 subagents,把复杂任务拆成 orchestrator、planner、explorer、docs_researcher、implementer、reviewer、release_guard 等角色协作。当用户需要设计或执行多 agent coding workflow、复杂功能开发、跨文件改动、PR 审查、发布前把关、把单 agent 任务升级为可控多 agent 流水线,或初始化当前仓库以接入这套工作流时使用。
检查 Skill 是否符合 Anthropic 官方最佳实践,执行自动化结构检查和 AI 内容质量审查,输出分级检查报告。当用户要求验证、检查、审查、评估某个 Skill 或 SKILL.md 是否规范时使用。
| name | formatting-nanobot-output |
| description | 美化 nanobot 的回复输出格式,使用结构化排版、符号标记和清晰层级,适配 QQ、Telegram 等聊天平台。当需要让 nanobot 回复更美观、更易读时使用。 |
让 nanobot 的回复更加结构化、美观、易读,适配各类聊天平台。
用户提问:「Python 列表去重有哪些方法?」
Before(原始回复):
Python列表去重方法:
1. 使用set()
2. 使用dict.fromkeys()
3. 使用列表推导式
注意:set()不保留顺序,dict.fromkeys()保留顺序。
After(美化后回复):
【问题解答】
▎核心回答
Python 列表去重有 3 种常用方法,按推荐程度排列。
▎方法详解
① set() 转换法
→ list(set(data))
→ 最简洁,但不保留原始顺序
② dict.fromkeys() 法
→ list(dict.fromkeys(data))
→ 保留首次出现的顺序 ✅
③ 列表推导式
→ [x for i, x in enumerate(data) if x not in data[:i]]
→ 最灵活,可自定义去重逻辑
💡 推荐:需要保留顺序时用 dict.fromkeys(),不需要时用 set()
───────────
标题层级:用符号区分层级,避免纯 Markdown # 标记(部分平台不渲染)
【标题】 或 ━━ 标题 ━━▎标题 或 ◆ 标题▸ 标题列表项:使用可视符号替代 -
① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩◦ 或 • 或 ▪✅ 完成 / ⬜ 未完成分隔线:使用 ─────────── 或 · · · 分隔段落
强调:
⚠️ 内容💡 内容✅ 内容❌ 内容ℹ️ 内容引用/备注:用 「...」 包裹
【问题解答】
▎核心回答
简洁明了的回答内容。
▎详细说明
① 第一个要点说明
② 第二个要点说明
③ 第三个要点说明
💡 补充提示:额外的有用信息
───────────
━━ 操作指南:XXX ━━
① 第一步:操作描述
→ 具体命令或动作
② 第二步:操作描述
→ 具体命令或动作
③ 第三步:操作描述
→ 具体命令或动作
· · ·
⚠️ 注意事项:需要留意的地方
✅ 完成后预期效果
【方案对比】
◆ 方案 A:名称
▪ 优点:xxx
▪ 缺点:xxx
▪ 适用:xxx
◆ 方案 B:名称
▪ 优点:xxx
▪ 缺点:xxx
▪ 适用:xxx
───────────
💡 推荐:基于你的情况,建议选择 X
【代码示例】
▎功能说明
简要描述这段代码的功能。
▎代码
(代码内容)
▎使用方法
① 说明步骤一
② 说明步骤二
⚠️ 注意:需要关注的坑点
━━ 摘要 ━━
▎概述
一两句话的核心内容。
▎要点
• 要点一
• 要点二
• 要点三
▎结论
「总结性的一句话」
**加粗**、# 标题 等 Markdown 语法将此 skill 文件复制到 nanobot 的 skills 目录:
# 复制到 nanobot 用户 skills 目录
mkdir -p ~/.nanobot/skills
cp SKILL.md ~/.nanobot/skills/pretty-output.md
# 重启 nanobot 生效
pkill -f nanobot
nanobot gateway
① 检查 skill 文件是否已加载:
ls ~/.nanobot/skills/pretty-output.md
② 发送测试消息验证输出格式:
nanobot agent -m "Python 列表去重有哪些方法?"
③ 确认回复中包含格式符号(如 【】、▎、①②③、───),即表示 skill 已生效。如果输出仍为普通格式,检查 skill 文件路径和 nanobot 是否已重启。