这是我为 AI Agent / Codex 工作流开发的一组自定义 Skills。它们不是简单的提示词集合，而是把“任务触发条件、处理流程、脚本工具、参考规范、输出质量标准”打包成可复用能力模块，让 Agent 在真实工作中更稳定地完成内容处理、视觉输出、学习卡片、语音生成、图片生成、网页素材抓取等任务。
- 面向真实任务设计：每个 Skill 都有明确触发场景、处理步骤和输出要求，减少 Agent 临场发挥造成的不稳定。
- 脚本 + Prompt 协同：需要确定性执行的部分交给 Python 脚本，判断、规划、解释和生成交给 Agent。
- 强调产物质量：不仅能”完成任务”，还关注可读性、可复用性、移动端适配、交互体验和用户反馈。
- 覆盖多模态工作流：文本清洗、写作风格学习、HTML 可视化、记忆卡片、图片生成、语音合成、壁纸数据抓取、微信公众号排版与制作、AI 图片视频生成、海报设计提示词、中文正文配图、公众号选题发现。
- 安全意识：仓库不应提交真实密钥；需要 API 的 Skill 使用本地
config.json或环境变量配置。
| Skill | 适用场景 | 能力关键词 |
|---|---|---|
extract-md |
从网页、公众号复制内容中提取正文并保存为 Markdown | 内容清洗、正文识别、Markdown 输出 |
writing-style-learner |
分析作者写作风格，生成风格画像，并用于仿写/改写 | 文风分析、风格迁移、结构化诊断 |
html-beautiful-output |
把复杂报告、计划、解释、评审转成精美自包含 HTML | 信息设计、可视化输出、交互式阅读 |
memory-learning-cards |
把知识材料转成便于理解和记忆的学习卡片 | 记忆法、学习体验、HTML 卡片 |
image-gen-moda |
调用 ModelScope 文生图模型生成本地图片 | API 集成、异步轮询、图片生成 |
mimo-tts |
调用小米 MiMo V2.5 TTS 生成语音、设计声音、克隆声音 | TTS、音频生成、OpenAI-compatible API |
haowallpaper-direct |
无浏览器抓取 HaoWallpaper 壁纸信息和公开媒体链接 | SSR 解析、数据抽取、批量下载 |
wechat-article-layout |
将文章转换为微信公众号排版 HTML，支持样式预设和 SVG 交互 | 微信排版、HTML 片段、样式预设、SVG 动效 |
wechat-article-production |
端到端微信公众号文章制作：选题、写作、配图、评审、HTML | 爆款文、视觉规划、素材管理、评审迭代 |
agnes-ai-generation |
调用 Agnes AI API 生成图片和视频 | 文生图、图生图、文生视频、图生视频、关键帧动画 |
craft-poster-prompts |
创建专业 AI 海报设计提示词，内置 8 种构图系统和场景模块 | 海报设计、构图模板、提示词工程 |
gpt-image-2 |
通过本地 Codex CLI 调用 GPT Image 2 生成和编辑图片 | ChatGPT 图片、文生图、图编辑、风格迁移 |
mq-folded-page-illustrations |
生成 MQ 专属风格的中文正文配图，使用"折页员"IP 形象 | 手绘解释图、正文配图、折页员 IP |
wechat-topic-radar |
从热搜和新闻中发现并排名微信公众号选题 | 选题发现、热点追踪、内容策划 |
git clone https://github.com/Mingqing-H/Skills-for-MQ.git
cd Skills-for-MQ安装到 Codex 的本地 Skills 目录：
New-Item -ItemType Directory -Force "$env:USERPROFILE\.codex\skills"
Copy-Item -Recurse .\extract-md "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\writing-style-learner "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\html-beautiful-output "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\memory-learning-cards "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\image-gen-moda "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\mimo-tts "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\haowallpaper-direct "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\wechat-article-layout "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\wechat-article-production "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\agnes-ai-generation "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\craft-poster-prompts "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\gpt-image-2 "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\mq-folded-page-illustrations "$env:USERPROFILE\.codex\skills\"
Copy-Item -Recurse .\wechat-topic-radar "$env:USERPROFILE\.codex\skills\"macOS / Linux 可使用：
mkdir -p ~/.codex/skills
cp -R extract-md writing-style-learner html-beautiful-output memory-learning-cards image-gen-moda mimo-tts haowallpaper-direct wechat-article-layout wechat-article-production agnes-ai-generation craft-poster-prompts gpt-image-2 mq-folded-page-illustrations wechat-topic-radar ~/.codex/skills/如果只想下载单个目录，推荐使用 Git sparse checkout。例如只下载 memory-learning-cards：
git clone --filter=blob:none --sparse https://github.com/Mingqing-H/Skills-for-MQ.git
cd Skills-for-MQ
git sparse-checkout set memory-learning-cards然后复制到本地 Skills 目录：
Copy-Item -Recurse .\memory-learning-cards "$env:USERPROFILE\.codex\skills\"把命令里的 memory-learning-cards 换成任意 Skill 名称即可，例如：
git sparse-checkout set mimo-tts
git sparse-checkout set html-beautiful-output
git sparse-checkout set haowallpaper-direct
git sparse-checkout set wechat-article-layout
git sparse-checkout set wechat-article-production
git sparse-checkout set agnes-ai-generation
git sparse-checkout set craft-poster-prompts
git sparse-checkout set gpt-image-2
git sparse-checkout set mq-folded-page-illustrations
git sparse-checkout set wechat-topic-radar| Skill | 是否需要脚本依赖 | 说明 |
|---|---|---|
extract-md |
否 | 主要依赖 Agent 按规则清洗和保存 Markdown |
writing-style-learner |
否 | 主要依赖 Agent 读取多篇文档并生成风格画像 |
html-beautiful-output |
否 | 输出自包含 HTML，无构建步骤 |
memory-learning-cards |
否 | 输出自包含 HTML，无构建步骤 |
image-gen-moda |
是 | 需要 Python 和 requests，以及 ModelScope API Key |
mimo-tts |
是 | 需要 Python 和 openai；numpy、soundfile 用于可选音频处理 |
haowallpaper-direct |
是 | 使用 Python 标准库完成页面解析和下载，无浏览器自动化依赖 |
wechat-article-layout |
否 | 输出自包含 HTML 片段，无构建步骤 |
wechat-article-production |
是 | 需要 Python 用于 HTML 渲染脚本；其他增强功能（AI 新闻、风格学习、排版、图片生成）均为可选 |
agnes-ai-generation |
是 | 需要 Python 和 requests，以及 Agnes API Key |
craft-poster-prompts |
否 | 主要依赖 Agent 按构图模板生成提示词，无脚本依赖 |
gpt-image-2 |
是 | 需要 Python 和本地 codex CLI 登录（ChatGPT Plus/Pro 订阅） |
mq-folded-page-illustrations |
否 | 主要依赖 Agent 按风格规范生成配图提示词，无脚本依赖 |
wechat-topic-radar |
是 | 需要 Python，脚本从公开热搜源采集数据 |
extract-md 用于从网页、微信公众号或其他复制来源中提取真正的正文内容，去掉评论区、广告、关注引导、推荐阅读、版权声明等杂讯，并保存为干净的 Markdown 文件。
它体现的是内容工程和信息清洗能力：Agent 不只是机械复制文本，而是按“识别正文 → 删除杂讯 → 保留元信息 → 输出文件 → 反馈处理结果”的流程执行，适合整理资料、沉淀文章、构建个人知识库。
典型请求：
帮我把这段公众号内容提取成干净的 Markdown。
去掉广告、评论和关注引导，只保留正文。
writing-style-learner 会读取同一作者的多篇 Markdown 文档，从句式、用词、段落结构、修辞、标题、篇章结构、语气、读者互动等维度生成 style-profile.md。之后可以用这个风格画像来生成新内容，或把已有文章改写成目标风格。
它体现的是结构化分析和风格迁移能力：我把“写作风格”拆成可观察、可复查、可复用的分析维度，让 Agent 不停留在“更像一点”这种模糊要求上，而是能基于证据做风格模仿。
典型请求：
分析这个文件夹里所有 md 的写作风格，生成 style-profile.md。
用这个 style-profile 把下面这篇文章改写成同一个作者的风格。
html-beautiful-output 会在复杂信息更适合视觉化呈现时，让 Agent 生成单文件、自包含、可直接浏览的 HTML 产物。它适合报告、方案、代码解释、PR Review、架构图、交互原型、决策矩阵、学习说明等场景。
它体现的是信息设计和前端表达能力：Skill 内置了清晰的输出契约、视觉风格、组件模式和质量检查规则，要求页面具备响应式布局、语义结构、必要交互和可追溯输入，而不是把 Markdown 粗暴塞进网页。
典型请求：
把这份技术方案整理成一个可分享的 HTML 页面。
给这个 PR 做一个带结构图和重点说明的 HTML Review。
memory-learning-cards 会把概念、文章、考试材料、专业知识、流程或词汇转成记忆友好的学习卡片，通常输出为自包含 HTML 学习页面。它强调具体、可视化的记忆钩子，例如谐音拆解、故事链、类比映射、对比排除、数字挂钩等。
它体现的是学习科学和交互体验设计能力：我没有把学习卡片做成固定模板，而是根据材料规模和知识类型选择卡片、时间线、矩阵、搜索过滤、翻卡、进度等交互。核心目标是让学习者真正理解、记住、复习，而不是得到一堆漂亮但无效的卡片。
典型请求：
把这章内容做成适合复习的记忆卡片。
帮我把这些英文单词做成带谐音记忆和例句的 HTML 卡片。
image-gen-moda 通过 ModelScope API 调用文生图模型，支持 Tongyi-MAI/Z-Image-Turbo 和 Tongyi-MAI/Z-Image。脚本会提交异步任务、轮询生成状态，并把结果保存为本地图片。
它体现的是第三方模型 API 集成能力：Skill 把模型选择、参数传递、异步任务轮询、本地文件保存这些容易出错的步骤封装起来，让 Agent 可以稳定地把文本描述转换成图片资产。
示例：
python scripts/generate.py "a futuristic city at sunset" -m Tongyi-MAI/Z-Image-Turbo -o city.jpg
python scripts/generate.py "watercolor painting of mountains" -m Tongyi-MAI/Z-Image -o mountain.jpg -W 1024 -H 768使用前需要在该 Skill 目录中准备本地配置：
{"api_key": "your-modelscope-token"}mimo-tts 通过小米 MiMo V2.5 TTS API 生成语音，支持预设音色、自然语言声音设计、音频样本克隆，以及唱歌等风格控制。它提供了脚本封装，也保留了直接 API 调用说明。
它体现的是多模态音频生成和 API 适配能力：Skill 把 OpenAI-compatible 接口、音色参数、风格指令、音频格式、base64 解码、本地文件输出等流程整理成可执行规范，让 Agent 可以完成从文案到声音资产的闭环。
示例：
python scripts/tts.py --text "你好，欢迎回来。" --voice 冰糖 --output hello.wav
python scripts/tts.py --text "Hey boss, guess what!" --style "Bright, excited tone" --voice Chloe使用前需要配置本地 API Key。推荐使用环境变量或本地 config.json，不要提交真实密钥。
haowallpaper-direct 用于在不启动浏览器自动化的情况下，直接解析 HaoWallpaper 的 SSR HTML、Meta 标签和公开媒体链接，抓取壁纸标题、标签、分类、分辨率、下载量、收藏量、图片/视频链接，并可选择下载到本地。
它体现的是网页解析、数据抽取和自动化效率优化能力：相比直接用浏览器点页面，这个 Skill 更快、更轻量，也更适合批量搜索、JSON 输出和下游脚本处理。同时它明确避开受保护接口，不伪造 token。
示例：
python scripts/haowallpaper_direct.py detail https://haowallpaper.com/homeViewLook/18970557135113600
python scripts/haowallpaper_direct.py search "flower" --pages 3 --rows 30 --limit 20
python scripts/haowallpaper_direct.py search "flower" --sources home,mobile,forum --format json
python scripts/haowallpaper_direct.py search "flower" --sources mobile --media video --download ./live-wallpaperswechat-article-layout 将文章草稿（Markdown、TXT、HTML）转换为可直接粘贴到微信公众号编辑器的 HTML 片段。它不改写原文，只优化排版、间距、视觉层次、色彩、边框、背景和图片占位符展示。支持样式预设（如简洁、科技感、杂志感）和可选的 SVG 交互层（数据动画、聊天模拟、滚动触发效果）。
它体现的是微信排版和信息设计能力：Skill 内置了样式预设库、SVG 交互模式、微信兼容性规则和文本保真验证，让 Agent 可以把普通文章快速转换成视觉精美、移动端友好的公众号排版。
典型请求：
帮我把这篇文章排版成公众号样式。
用科技感风格给这篇 Markdown 做微信排版。
给这篇数据报告加上 SVG 动画效果。
wechat-article-production 提供端到端的微信公众号文章制作工作流：从选题开始，进行资料研究、风格分析、视觉分镜规划、文案撰写、素材下载/生成、数据图表制作、评审打分、迭代优化，最终产出可发布的完整文章包。支持学习和应用特定作者风格，可选生成公众号 HTML 导入版。
它体现的是内容工程和全流程管控能力：Skill 把选题深挖、事实核查、风格迁移、视觉规划、素材管理、质量评审等环节串联成标准化流程，配合可选的辅助 Skill（风格学习、AI 新闻、排版美化、图片生成），让 Agent 可以独立完成从想法到成品的完整闭环。
典型请求：
帮我写一篇关于 AI 编程助手的公众号文章。
用这个作者的风格写一篇关于大模型价格战的深度分析。
帮我把这个选题做成完整的公众号文章包，包括配图和评审报告。
默认产出物：
- 文章 Markdown：
文案创作/（YYYYMMDD）标题.md - 图片素材文件夹：
图片素材/YYYYMMDD/ - 素材清单：
图片素材/YYYYMMDD/素材清单.md - 评审报告：
文案创作/（YYYYMMDD）标题-评审报告.md - 可选 HTML（仅用户要求时）：
文案创作/（YYYYMMDD）标题-公众号导入版.html
agnes-ai-generation 通过 Agnes AI API 生成图片和视频，支持文生图、图生图、多图合成、文生视频、图生视频、关键帧动画等功能。脚本封装了 API 调用、异步轮询、本地文件保存等流程，并提供提示词优化指南和故障排查参考。
它体现的是多模态 AI 生成和 API 集成能力：Skill 把 Agnes API 的认证、参数、轮询、错误处理、输出管理等细节封装成可执行脚本，配合丰富的参考文档（API 参考、提示词指南、密钥配置、故障排查），让 Agent 可以稳定地完成从文本描述到图片/视频资产的生成。
示例：
# 文生图
python scripts/agnes_image.py --prompt "A luminous floating city above a misty canyon at sunrise" --size 1024x768
# 图生图
python scripts/agnes_image.py --prompt "Make the object matte black" --image input.png
# 文生视频
python scripts/agnes_video.py --prompt "A cinematic shot of a cat walking on the beach" --num-frames 121 --frame-rate 24
# 图生视频
python scripts/agnes_video.py --prompt "Animate the character with subtle breathing motion" --image https://example.com/input.png使用前需要配置 Agnes API Key。推荐使用环境变量 AGNES_API_KEY，不要提交真实密钥。
craft-poster-prompts 用于创建、适配和维护专业 AI 海报设计提示词。它内置 8 种构图系统（三分法、对称、动态对角线、双焦点、菱形、视觉韵律、放射、密度对比）和 7 大场景模块（产品、美食、编辑人像、活动、文化、排版、品牌），让 Agent 可以根据沟通意图选择合适的构图，再结合场景模块生成生产级提示词。
它体现的是提示词工程和视觉设计能力：Skill 把构图逻辑、空间关系、色彩光影、材质质感、失败约束等维度结构化，让 Agent 不再凭感觉拼凑提示词，而是基于可复用的模板系统生成专业级海报设计指令。
典型请求：
帮我为这个产品活动生成一张海报提示词。
用对称构图设计一张高端品牌海报的 AI 提示词。
分析这张参考海报的构图，然后生成类似风格的新提示词。
gpt-image-2 通过本地 Codex CLI 调用 GPT Image 2 生成和编辑图片，复用用户现有的 ChatGPT Plus 或 Pro 订阅。支持文生图、图编辑、风格迁移和多参考图合成，无需额外 API Key。
它体现的是本地 CLI 集成和订阅复用能力：Skill 封装了 Codex CLI 的调用方式、批量生成、输出路径管理等细节，让 Agent 可以稳定地通过用户的 ChatGPT 订阅生成图片资产。
示例：
python scripts/gen.py --prompt "A futuristic city at sunset" --out city.png
python scripts/gen.py --prompt "Watercolor style" --count 4 --out-dir ./outputs使用前需要确保本地 codex CLI 已登录且 ChatGPT 订阅包含 Image 2 访问权限。
mq-folded-page-illustrations 生成 MQ 专属风格的中文正文配图。使用"折页员"IP 形象（米白色不对称折纸身体、黑色窄视窗、右上回形针、细肢体和低调的 MQ 朱印），将中文文章里的关键判断、流程、结构、状态或隐喻转成 16:9 横版手绘解释图。
它体现的是视觉 IP 建设和中文内容配图能力：Skill 定义了完整的风格 DNA、折页员角色规范、构图模式和质量检查清单，让 Agent 可以生成风格统一、认知锚点明确、略带冷幽默的工作草图，而不是商业插画或 PPT 信息图。
典型请求：
给这篇文章配几张图，用折页员风格。
分析这篇 Markdown 的配图策略，给出 shot list。
画一张解释"知识闭环"概念的折页员配图。
wechat-topic-radar 从百度热搜、微博热搜、知乎热榜、微信热文、国内外新闻等公开来源采集信号，自动发现和排名微信公众号选题。脚本会筛选出具有读者贴近性、情绪张力、实用价值和可分享性的优质话题。
它体现的是热点发现和内容策划能力：Skill 把多源数据采集、话题评分、风险过滤、角度拆解等环节封装成标准化流程，让 Agent 可以快速为公众号运营者提供 10 个有依据、有角度、有风格建议的选题方案。
示例：
python wechat-topic-radar\scripts\topic_radar.py --top 10 --format markdown
python wechat-topic-radar\scripts\topic_radar.py --top 10 --format json --profile "AI职场公众号，读者是一二线城市25-38岁白领".
├── extract-md/
│ └── SKILL.md
├── writing-style-learner/
│ ├── SKILL.md
│ └── references/
├── html-beautiful-output/
│ └── SKILL.md
├── memory-learning-cards/
│ ├── skill.md
│ └── references/
├── image-gen-moda/
│ ├── SKILL.md
│ ├── config.json
│ └── scripts/
├── mimo-tts/
│ ├── SKILL.md
│ ├── config.json
│ ├── references/
│ └── scripts/
├── haowallpaper-direct/
│ ├── SKILL.md
│ ├── agents/
│ └── scripts/
├── wechat-article-layout/
│ ├── SKILL.md
│ ├── agents/
│ └── references/
├── wechat-article-production/
│ ├── SKILL.md
│ ├── agents/
│ ├── references/
│ └── scripts/
├── agnes-ai-generation/
│ ├── SKILL.md
│ ├── agents/
│ └── references/
├── craft-poster-prompts/
│ ├── SKILL.md
│ ├── agents/
│ └── references/
├── gpt-image-2/
│ ├── SKILL.md
│ ├── agents/
│ └── scripts/
├── mq-folded-page-illustrations/
│ ├── SKILL.md
│ ├── agents/
│ └── assets/
└── wechat-topic-radar/
├── SKILL.md
├── agents/
└── references/
image-gen-moda、mimo-tts和agnes-ai-generation需要 API Key。请使用自己的本地配置或环境变量。gpt-image-2需要本地codexCLI 登录和有效的 ChatGPT Plus/Pro 订阅，无需额外 API Key。- 不建议把真实密钥提交到公开仓库。公开作品集里应只保留占位符、示例配置或说明文档。
haowallpaper-direct和wechat-topic-radar只解析公开页面和公开数据源，不应尝试绕过受保护接口。
我相信，未来的工程师不只是调用模型的人，而是能够把模型能力、软件工程、产品判断和人的真实需求连接起来的人。Skills 是我探索这件事的一种方式：把一次次临时的灵感沉淀成可复用的流程，把模糊的问题拆成稳定的系统，把 AI 的生成能力落到真实可用的产物里。
技术的价值不止在于写出更快的脚本、更漂亮的页面或更聪明的自动化，也在于不断扩大一个人解决问题的半径。今天写下的每一个 Skill，都是向更远处搭的一小段路：通向更高效的工作流，更自由的创造方式，也通向我想成为的那种工程师——既能扎进细节，也始终看得见远方。