semantic-scholar-deep
通过 Semantic Scholar 图 API 进行深度研究
共 424297 条已上架资产
通过 Semantic Scholar 图 API 进行深度研究
使用 GPT Researcher 通过可重复的代理工作流来规划、收集、获取和组装引用的网络或本地研究报告
将文档导入 Morphik,暴露 AI 应用知识的检索,并在将上下文提供给代理或 RAG 工作流之前调整文档搜索质量
对中国政策做定锚检索、层级落实追踪、落实时间线、跨地区/跨政策对照,并输出带源链接的结构化表与过程说明
手动操作,仅限人工执行
对公共 GitHub 仓库的防御性审计:架构风险、敏感信息泄露模式、依赖项卫生状况,以及按优先级排序的修复清单
解释一个现有的 GitHub PR 或 GitLab MR,需从其意图、行为以及关键代码片段三个方面进行说明
对代理发起的、对外可见的 GitHub 写入操作(如提交问题、发起拉取请求、发表评论以及向非用户拥有的仓库推送代码)设置防护措施
核对 Linear 问题、子问题及项目状态更新与 PR 的对应关系——评论已发布的内容(或待评审的内容),标记仍缺失的部分,并为聊天中暴露的后续工作创建新的问题/子问题
通过 gh CLI 应用标准 GitHub 仓库基线:仅允许压缩合并(squash-only merges)、不可变发布(immutable releases)、自动清理分支(auto branch cleanup),以及默认分支保护规则集…
使用 TeX 起草、验证、发布或编辑 GitHub 议题和拉取请求评论
将一个意图规范拆分为 3-10 个可直接粘贴使用的工单(适用于 Linear、Jira 或 GitHub Issues)
对某个仓库中的所有未解决 GitHub 问题进行分类,自动修复那些无需人工判断即可安全处理的问题并提交经过审查的拉取请求,同时将真正需要人工决策的问题单独列出
Git 套件 — init/remote、原子提交与推送、拉取请求
从现有仓库脚本中添加特定架构的 CI/CD 流水线 —— 包括 PR 检查、缓存安装、制品管理、OIDC 认证和环境门禁
将 CoreStory 规范转换为约束式工单,每张工单对应一个约束条件,并生成 GitHub Copilot CLI 完成钩子,该钩子会拒绝让代理完成操作,直到每个可检查的约束条件都满足
编写或加固持续集成与持续部署(CI/CD)流水线(GitLab CI
在提交并推送到 GitHub 时使用 — 确保每次提交都通过 lint/格式化检查,不包含 Claude 共同作者或“由
AI数字人口播脚本智能生成技能,覆盖口播稿件、虚拟主播台词、直播带货话术、知识讲解脚本、企业宣传口播等全场景
还原双方修改意图,安全解决合并、变基与拣选冲突,并用测试证明结果正确