convez.ai
Skill
ckt520728

claude-skills

ckt520728/claude-skills

Ver no GitHub
InicialPluginScore · de 0 a 100

Custom Claude Code skills

Instalação

$npx convez-ai ckt520728/claude-skills

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
28%
Último commit
há 2 dias
Versão
—
Issues abertas
4
Contribuidores
1

README

A tradução para o português deste README ainda está na fila.

Claude Skills

A collection of custom Claude Code skills.

Skills

openclaw-automation

Restores and operationalizes an OpenClaw + LINE assistant on Windows when the local proxy, Cloudflare quick tunnel, or LINE webhook endpoint stops working.

Use for:

  • OpenClaw LINE webhook outage recovery
  • Cloudflare quick tunnel URL rotation after reboot
  • Windows startup/daily recovery task setup
  • Codex heartbeat automation stale-thread diagnosis

Included scripts:

  • scripts/ensure-openclaw-line.ps1 restarts proxy/tunnel, updates LINE endpoint, and runs LINE official webhook test.
  • scripts/line-webhook-proxy.mjs exposes only /line/webhook locally and forwards POST requests to OpenClaw Gateway.
  • scripts/run-openclaw-line-ensure.cmd provides a stable Windows scheduled-task/Startup wrapper.

Portable artifact: openclaw-automation.skill


admission-note

Automatically generates a hospital admission note (.docx) from patient data provided via:

  • Screenshots / images
  • Word files (.docx)
  • Excel files (.xlsx)

Trigger phrases: "admission note", "住院病歷", "入院紀錄"

Output: A formatted Word document with sections: Chief Complaint, HPI, PMH, PSH, Medications, Allergies, Family History, Social History, Review of Systems, Vital Signs, Physical Examination, Labs, Imaging, Assessment & Plan.

Installation

# macOS/Linux
cp -r admission-note ~/.claude/skills/

# Windows
xcopy /E /I admission-note "%APPDATA%\Claude\skills\admission-note"

Restart Claude Code. Alternatively, use the pre-packaged admission-note.skill file.


lecture-notes

Transforms lecture audio recordings and presentation slides (PDF/PPT) into illustrated, structured PDF/PPTX notes in Traditional Chinese, styled after 黃鍔院士 academic report format.

Primary pipeline (NotebookLM MCP):

  1. Create a notebook via notebooklm-mcp
  2. Upload audio + PDF slides in parallel (wait=True)
  3. Generate a slide_deck artifact with a custom focus_prompt (繁體中文 concept maps, colour-coded nodes, key-takeaway footers)
  4. Poll with ScheduleWakeup(delaySeconds=270) until done (~5–15 min), then download PDF and/or PPTX

Trigger phrases: "lecture notes", "課堂筆記", "錄音轉筆記", "上課筆記"

Requires: notebooklm-mcp MCP server connected in Claude Code (/mcp)

Fallback pipeline (if MCP unavailable) — legacy scripts in lecture-notes/scripts/:

uv pip install groq openai pymupdf pillow jinja2 playwright
playwright install chromium
python lecture-notes/scripts/main.py \
  --audio recording.mp3 --slides slides.pdf --output notes.pdf \
  --groq-key $GROQ_API_KEY --openai-key $OPENAI_API_KEY \
  --title "Course Title" --speaker "Speaker Name" --date "2026-04-01"

Output Style: Each section contains a bold title, a colourful concept map (parchment background, colour-coded nodes, flow arrows), and conversational lecture transcript in Traditional Chinese.


SOIL 三件套簡報 Skill(2026-05-09 新增)

依李俊儀教授 SOIL 教學設計六引擎 + 林長揚 30 條簡報原則打造的三種簡報生成 Skill。圖像生成統一呼叫 OpenAI gpt-image-2(ChatGPT/Codex 訂閱者免另設 API key 即可使用)。

soil-image-deck

用途: 純圖片 .pptx,每頁一張 AI 生成的全版圖。適合直播暖場、社群貼文、視覺衝擊型開場。

輸出: 單一 .pptx,每張 slide 即一張 1536×1024 滿版圖。

Trigger: 「做純圖片簡報」、「全圖簡報」、「每頁都是 AI 生的圖」

附帶腳本: soil-image-deck/pack_pptx.py(用 python-pptx 把 PNG 打包成 pptx)

soil-teaching-deck

用途: 圖 + 可編輯文字的教學簡報。適合教學現場、需後續手動微調文字。

輸出: .pptx(文字物件可雙擊修改、AI 圖嵌入為插畫)。

Trigger: 「做教學簡報」、「上課用的投影片」、「文字可編輯的簡報」、「用 SOIL 做簡報」

soil-html-deck

用途: 自由度最高的單一 .html 簡報。支援 Chart.js 互動圖表、可點擊表格、影片嵌入、RWD 跨裝置。圖像 base64 內嵌、可直接分享 URL。

輸出: 單一 .html(約 1.3–1.6 MB,base64 內嵌)。

Trigger: 「做 HTML 簡報」、「網頁版簡報」、「互動式簡報」、「可分享連結的簡報」

soil-deck-pipeline

用途: 研究素材 → 簡報的「總指揮」工作流。串接 NotebookLM MCP(匯出研讀成果)、SOIL 大綱、Codex/ChatGPT gpt-image-2 生圖,最後整合成 HTML 互動簡報 + PowerPoint。內建 Windows / PowerShell / python-pptx 踩坑解法。

輸出: 編排流程本身;實際 deck 由 soil-html-deck / soil-image-deck / soil-teaching-deck 產出。

Trigger: 「從 NotebookLM 做簡報」、「研究資料到簡報的完整流程」、「HTML 簡報跟 PowerPoint 一起做」、「製作 HTML PPT 跟 PowerPoint PPT 的工作流」

附帶資產: docs/windows-build-pitfalls.md(10 大踩坑)、scripts/pptx_pil_stub.py(PIL 壞掉時的 python-pptx stub)、scripts/compress_images.ps1、scripts/sync_to_pages.ps1(一鍵發布到 GitHub Pages)

共同設計憲法

三個 Skill 都遵守:

  1. 林長揚 30 原則(字級 55/34/21/13、Z 字排版、強調色 1-2 種、進度條、標題 ≤10 字…)
  2. SOIL 六引擎:概念定位 → 脈絡定位 → 頁面架構 → 認知編修 → 風格建構 → 總導演
  3. SOIL 三段式脈絡:引起動機 → 維持注意 → 喚起行動

安裝

複製對應資料夾到 ~/.claude/skills/,重啟 Claude Code 即可。例:

cp -r soil-image-deck soil-teaching-deck soil-html-deck ~/.claude/skills/

⚠️ frontmatter 一律用 description: |(literal)而非 >(folded)。詳見 docs/2026-05-09-install-pitfalls.md。


personal-medical-website

2026-05-10 新增

從頭到尾只輸出單一 index.html,零 build 步驟,瀏覽器直接開啟。 適合臨床醫師、醫學研究者、雙專長學者建立中文個人作品集 + 知識教育網站。

內建互動模組:

  • eGFR 計算器(CKD-EPI 2021 無種族因子)
  • CKD 分期 Chart.js 水平長條圖(自定義 afterDraw marker plugin)
  • 腎元 SVG 動畫(速率與 eGFR 連動)
  • 大腦 SVG 互動地圖(6 腦區,點擊後資訊面板滑入)
  • 認知功能雷達圖(典型老化 vs MCI 切換)
  • 3 題 MCQ 測驗(即時回饋 + 解釋)
  • 研究著作垂直時間軸、演講/課程 Tab 頁

Trigger phrases: 「幫我做個人網站」、「醫師個人頁面」、「學術作品集」、「互動式自我介紹網站」

踩坑整理(9 個坑,見 SKILL.md): Edit 工具 old_string 精確匹配、圖片上傳路徑、onerror 回退鏈、Chart.js plugin 傳入方式、SVG pointer-events、AOS refresh、Chart destroy/recreate、gh 登入確認、YAML | vs >

安裝

# macOS/Linux
cp -r personal-medical-website ~/.claude/skills/

# Windows
xcopy /E /I personal-medical-website "%APPDATA%\Claude\skills\personal-medical-website"

每日自動化八件套 Skill(2026-05-13 新增)

針對日常閱讀、寫作、會議、求職、資料分析、Email、知識管理、個人看板等場景設計的八個 Skill。設計上不依賴外部 LLM API——Claude Code 本身就執行所有任務,所以零 API 花費、零 token 計算、所有資料留在本地。

每個 Skill 都對應一份常見的 OpenAI API 範例,但設計上做了根本改進:強制零捏造數字、強制業務問題前置、強制使用者干預點、反 LLM 陳腐用詞清單、與其他 Skill 的協作整合點。

research-organizer

把雜亂的研究素材(論文摘抄、會議筆記、調查資料、TXT/MD/PDF 抽出的文字)整理成結構化、可後續行動的研究筆記。固定 7 個區塊(摘要 / 核心論點 / 技術概念 / 可行動洞察 / 引用金句 / 未解問題 / 連結),空區塊整段刪掉。節錄勝過改寫,關鍵句直接引用標來源。

Portable artifact: research-organizer.skill


article-writer

從一個題目或一份素材生出一篇可發布的長文,先產 outline 讓使用者改,再展開成完整文章。支援多平台格式(Medium / dev.to / LinkedIn / Hugo / Jekyll / Substack)。內建反 LLM 文風清單:delve into / leverage / In conclusion 通通禁掉。

Portable artifact: article-writer.skill


meeting-minutes

把會議逐字稿、Zoom/Teams 自動轉錄、Otter.ai 匯出整理成結構化、可追蹤、可下次接續的會議紀錄。強制規則:每個 action item 必須有負責人 + 期限 + 完成標準。Decision vs Discussion 嚴格區分,保留決策理由。

Portable artifact: meeting-minutes.skill


resume-tailor

把現有履歷根據特定 JD 做客製化調整——重新排序、調整用詞、補強關鍵字,但絕不捏造事實。鐵則:原文沒數字就不准加。寫前必跑 gap 分析,讓使用者確認哪些是「履歷沒寫但實際有」、哪些是「真的沒做過」。輸出客製履歷 + 改動清單兩份檔。

Portable artifact: resume-tailor.skill


knowledge-base

個人知識庫的雙向工具:(A) 把外部素材整理成原子化、可連結、有引用的筆記寫入 Obsidian vault 或本地檔案系統;(B) 從現有知識庫查詢、跨筆記綜整、給出帶引用的答案。走「結構化 + 連結」路線,不是 vector RAG——Obsidian wikilinks 比 embedding 更適合個人長期知識管理。

Portable artifact: knowledge-base.skill


email-assistant

處理 email 工作流——閱讀收件夾、回覆既有 thread、從零寫新信、批次分類待回覆信件。整合 Gmail MCP 讀 thread + 存草稿,絕不主動寄出。內建中英文反 LLM email 句型禁用清單(I hope this email finds you well / 祝商祺 等)。

Portable artifact: email-assistant.skill


data-analyzer

對結構化資料(CSV、Excel、JSON、Parquet、SQLite)做嚴謹的探索性分析。鐵則:零數字捏造——所有數字一律來自實際 pandas/numpy/scipy 計算,每個聲稱附 (computed: ...) 引用。強制問業務問題後才開跑分析。生成 PNG 視覺化 + Markdown 報告 + 可重跑的 Python 腳本。

Portable artifact: data-analyzer.skill


dashboard-builder

為使用者建立個人化資訊看板——從既有資料來源(Gmail / Obsidian / Calendar / NotebookLM / 本地檔案)聚合成每日 briefing、每週回顧。預設 Markdown 不是 Streamlit(個人 dashboard 不該要求跑 server)。鐵則:零虛擬資料——資料來源連不上就顯示「⚠️ 連線失敗 @ 時間」,不留空也不塞假資料。

Portable artifact: dashboard-builder.skill


八個 Skill 的協作整合

日常閱讀     →  research-organizer    →  研究筆記
                                              ↓
寫作發布     →  article-writer         ←       │
                                              ↓
會議追蹤     →  meeting-minutes        →   決議 + actions
                                              ↓
求職應徵     →  resume-tailor                  │
                                              ↓
持久收藏     →  knowledge-base         ←  ─ ─ ┤  (樞紐)
                                              ↓
日常溝通     →  email-assistant        ←       │
                                              ↓
資訊處理     →  data-analyzer          →   報告 + 圖
                                              ↓
聚合呈現     →  dashboard-builder      ←  匯總前 7 個的輸出

共同設計原則

  1. 零外部 API 依賴:不呼叫 OpenAI / Gemini / 其他 LLM API——Claude 自己做
  2. 零捏造(資料分析的數字、履歷的成就、Email 的承諾、knowledge-base 的引用、dashboard 的數據)
  3. 強制業務問題前置:在資料分析、文章寫作、dashboard 設計時,先問「要回答什麼問題」
  4. 使用者干預點:長流程一定有暫停讓使用者改方向(outline 階段、gap 分析、triage 分類)
  5. 反 LLM 陳腐用詞清單:每個 Skill 都有對應領域的禁用詞庫
  6. 協作整合:每個 Skill 的輸出都可以是另一個 Skill 的輸入,組成完整工作流
Ver o original no GitHub

Bom para

Relacionados