对 GEO 优化内容进行评分时：

在分析 AI 引擎排名竞争时：

应用研究支持的技术来创作读起来像真正的人类的作品。基于 CMU/PNAS 风格测量研究、Nielsen Norman Group 风格研究、GPTZero/Binoscopy 检测方法、维基百科的 AI Cleanup 项目和专业文案框架的发现。

目的：自动检测代码更改→识别受影响的文档→更新或引导它们。时间：在实现运行程序之后，在 codex-review-code 之前。

生成战胜人工智能洪流的提案并实际得到回应。

用用户真实的声音起草适合平台的专业回复。

生成听起来人性化、建立可信度并提高参与度的 LinkedIn 内容。

使用 OpenAI ChatKit 构建生产 AI 聊天应用程序。

在实施之前，先明确：

注意：此技能使用 TokenIdentifier（仅 ESDT 别名）。对于统一的 EGLD+ESDT 标识符，请使用 TokenId 。

这是一项使用 Linear MCP 服务器创建/编辑基于 Gitmoji 的韩语问题并将工作历史记录为评论的技能。

通过分析代码更改，自动生成基于 Gitmoji 的高质量韩语提交消息，然后在用户批准后执行提交和推送。

该技能在数据和逻辑之间强制执行严格的模块化“桥梁”模式。

在世界构建（叙事/艺术）和 Unity（游戏/代码）项目之间保持同步的“基本和关键”上下文。这项技能弥合了差距，使每个项目都可以知道另一个项目在没有完整上下文加载的情况下实现了什么。

当用户想要使用 GitHub CLI ( gh ) 命令创建草稿拉取请求时应用，使用存储库的 PR 模板并使用分支提交和/或聊天上下文改进描述。

当用户要求创建提交、编写提交消息或提交分阶段更改时，尤其是当他们提到常规提交或分支中的票号时，请应用此技能。

生成最少的上下文文件，这些文件实际上可以帮助编码代理，而不是伤害他们。

使用 Next.js、Turborepo 和 RemixIcon 构建现代全栈 Web 应用程序的综合指南。

暂无简介

该技能为创建有效技能提供了指导。