每个场景都是一条能照着跑通的路径：用哪些 skill、怎么装、怎么提示、会踩什么坑。
按场景挑一个开始
Deep Research 把"数小时到数天"的深度分析压到几十分钟：你只给问题，Agent 多步检索、交叉验证、产出带溯源的结构化报告。社区方法论强调：**问题要先拆细**、**多源交叉验证**、**每条结论可溯源**，否则快但不可信。
真能跑的电商 AI 工作流不是"一个机器人替你卖货"，而是把**选品→文案→视频→上架→复盘**拆成可重复的几步，每步用 AI 出草稿、你做关键判断。社区共识：先搭"最小可用链路"，再逐步加自动化。
调研的价值在"出处"，不在"结论长"。核心纪律：每条关键数字都要带来源链接，AI 给不出处的结论一律当猜测，别写进正式材料。
get-convex/agent-skills/skills/convex-insights
以自然语言查询运行中的 Convex 应用的日志与健康（官方 MCP）：失败、缓慢或昂贵的函数、部署因果关系——限定范围、有证据支撑，并附仪表盘深链。
anbeime/skill/skills/content-research-writer
内容创作者、技术写作员在撰写博客、深度文章或技术文档时，使用此技能可开启全流程写作协作。
mattpocock/skills/skills/engineering/codebase-design
设计深层模块共享词汇。当用户想设计或改进模块接口、寻找深化机会、决定接缝位置、使代码更可测或更 AI 可导航，或另一技能需要深层模块词汇时使用。
mattpocock/skills/skills/in-progress/setup-ts-deep-modules
把 dependency-cruiser 接入 TypeScript 仓库，使每个包成为深层模块，实现隐藏在子文件夹中且只能经入口文件到达。用户调用。
mattpocock/skills/skills/engineering/research
针对高可信一手来源调查一个问题，并把发现捕获为仓库中的 Markdown 文件。当用户想研究某主题、收集文档或 API 事实，或把阅读工作委派给后台 agent 时使用。
mattpocock/skills/skills/engineering/improve-codebase-architecture
扫描代码库寻找深化机会，以可视化 HTML 报告呈现，然后对你选中的那个做追问。
affaan-m/ECC/skills/marketing-campaign
端到端的营销活动策划与执行：受众研究、定位、切入点、落地页文案、邮件序列、社媒帖子、广告文案、短视频脚本与内容日历，作为多渠道产品发布的编排层。
affaan-m/ECC/skills/pytorch-patterns
PyTorch 深度学习模式与最佳实践，覆盖可复现的训练流程、模型结构与数据加载。适合写或评审训练循环，或排查结果无法复现。