[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M77K7Y0FEEX17J3XBY3NFSJX":3,"skill-same:01M77K7Y0FEEX17J3XBY3NFSJX":47},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":24,"commitSha":25,"skillDirectory":26,"forksCount":27,"repositoryHtmlUrl":28,"repositoryHomepageUrl":29,"ownerHtmlUrl":30,"ownerBlogUrl":6,"ownerDescription":31,"updatedAt":32,"install":33,"resources":46},"01M77K7Y0FEEX17J3XBY3NFSJX","karpathy-wiki",null,"基于 Karpathy LLM Wiki 模式，为科研工作建立和维护持久化知识库。 当用户提到建立知识库、LLM Wiki、Karpathy 方法、Obsidian 知识管理、论文管理、 研究笔记、摄入论文、维护 Wiki 时使用。","Lord1Egypt\u002Fawesome-skill-forge","Lord1Egypt","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F99746359?v=4","01M7592YDNT0XK9WJ0T2MQVPDN","Mohamed Mounir Ali AL Keshita","01M75GRFNHC8VZNWEB8DKDE433",3,"MIT","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fk\u002Fkarpathy-wiki-cn\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: karpathy-wiki\ndescription: 基于 Karpathy LLM Wiki 模式，为科研工作建立和维护持久化知识库。\n  当用户提到建立知识库、LLM Wiki、Karpathy 方法、Obsidian 知识管理、论文管理、\n  研究笔记、摄入论文、维护 Wiki 时使用。\n---\n\n# Karpathy LLM Wiki — 科研知识库\n\n## 触发条件\n- 建立 LLM 知识库 \u002F Karpathy Wiki\n- 管理论文、研究笔记\n- 摄入（Ingest）新的论文或资料\n- 对知识库提问（Query）\n- 维护知识库健康（Lint）\n\n## 核心思想\n\n和传统 RAG 不同——RAG 每次提问都从零开始检索、重新拼凑答案——Karpathy 模式让 LLM **持续构建和维护一个持久化的 wiki**。新资料进来后，LLM 不是简单索引它，而是提取关键信息、整合到现有 wiki 中、更新实体页、修订主题摘要、标记新旧资料之间的矛盾。知识被编译一次，然后持续保持最新，而不是每次查询都重新推导。\n\n**Wiki 是一个持久化、不断复利的产物。** 交叉引用已经在那里了，矛盾已经被标记，综合摘要已经反映了你读过的所有内容。\n\n你从不自己写 wiki 页面——LLM 写和维护所有内容。你负责提供资料、提问、引导方向。LLM 负责摘要、交叉引用、归档和簿记。\n\n## 系统架构\n\n### 三层结构\n\n- **Raw sources（原始资料）**：你收集的论文、文章、数据文件。不可变——LLM 只读不改，这是真相来源。\n- **The wiki（知识库）**：LLM 生成的 markdown 文件集合。LLM 全权负责这个层，你只读不写。\n- **The schema（配置）**：你正在读的 CLAUDE.md\u002FSKILL.md。它告诉 LLM wiki 的结构、约定和工作流。这个文件不是一成不变的——你和 LLM 随着使用共同演化它。\n\n### 目录结构\n\n```\nresearch-wiki\u002F\n├── CLAUDE.md          # Schema：告诉 LLM 如何维护 Wiki\n├── raw\u002F               # 原始资料（不可变，只进不改）\n│   ├── papers\u002F        # PDF 论文\n│   ├── articles\u002F      # Markdown\u002FWeb 文章\n│   ├── images\u002F        # 图片资源\n│   └── data\u002F          # 数据文件\n├── wiki\u002F              # LLM 维护的 Wiki（LLM 全权负责）\n│   ├── index.md       # 内容目录（每个页面 + 一行摘要）\n│   ├── log.md         # 操作日志（只追加）\n│   ├── overview.md    # 研究主题概述\n│   ├── entities\u002F      # 研究实体页\n│   ├── concepts\u002F      # 核心概念页\n│   ├── papers\u002F        # 论文摘要页\n│   └── synthesis\u002F     # 综合分析（Query 产物存回）\n└── assets\u002F            # 图片附件\n```\n\n> 页面格式和目录结构只是起点，不是铁律。根据你的研究领域和偏好，和 LLM 一起调整。\n\n## 核心操作\n\n### 1. Ingest（摄入新资料）\n当用户提供论文、文章或其他资料时：\n\n1. 将资料保存到 `raw\u002F` 对应子目录\n2. 读取资料内容，与用户讨论关键要点\n3. 在 `wiki\u002Fpapers\u002F` 创建论文摘要页\n4. 在 `wiki\u002Fconcepts\u002F` 更新或创建相关概念页\n5. 在 `wiki\u002Fentities\u002F` 更新或创建相关实体页（学者、机构、方法名等）\n6. 更新 `wiki\u002Findex.md` 添加新页面索引\n7. 追加 `wiki\u002Flog.md` 记录本次摄入（格式：`## [YYYY-MM-DD] ingest | 论文标题`）。文件引用使用 Markdown 标准链接 `[文件名](路径)`，确保 VSCode Markdown Preview 中可点击\n8. 向用户汇报：触及了多少个 Wiki 页面\n\n一篇资料可能触及 10-15 个 wiki 页面。建议逐篇摄入、保持参与——阅读摘要、检查更新、引导 LLM 强调重点。当然也可以批量摄入，取决于你的工作风格。\n\n### 2. Query（对知识库提问）\n当用户提出问题：\n\n1. 先读 `wiki\u002Findex.md` 找到相关页面\n2. 深入阅读相关 Wiki 页面\n3. 综合回答，引用具体来源\n4. **如果回答有持续价值（对比分析、主题梳理、新发现），存回 `wiki\u002Fsynthesis\u002F` 作为新页面**——你的探索也在为知识库积累知识，不应消失在聊天记录里\n5. 追加 `wiki\u002Flog.md` 记录本次查询\n\nQuery 产物可以是多种格式：markdown 页面、对比表、演示文稿（Marp）、图表（matplotlib）。好的分析应该像 ingested sources 一样复利增长。\n\n### 3. Lint（健康检查）\n当用户要求维护或定期检查：\n\n1. 扫描所有 Wiki 页面，查找：\n   - 页面间的矛盾或不一致\n   - 过时声明（被新论文\u002F来源推翻的旧观点）\n   - 孤立页面（没有入站链接）\n   - 文中提到但未建立页面的重要概念\n   - 缺失的交叉引用\n   - 可以填补的数据缺口\n2. 自动修复能发现的问题\n3. 报告需要人工判断的问题\n4. 建议值得追问的新问题和值得补充的新来源\n5. 追加 `wiki\u002Flog.md` 记录维护结果\n\n## 页面格式规范\n\n以下格式是建议起点，可根据领域调整。\n\n### 论文摘要页（wiki\u002Fpapers\u002F）\n```markdown\n---\ntitle: \"论文完整标题\"\nauthors: [\"作者1\", \"作者2\"]\nyear: 2024\nvenue: \"会议\u002F期刊名\"\ntags: [标签1, 标签2]\ningested: 2026-04-21\n---\n\n## 核心问题\n本文要解决什么问题？\n\n## 方法\n核心方法是什么？\n\n## 关键发现\n- 主要结果1\n- 主要结果2\n\n## 与Wiki的关系\n[[相关概念页]]\n[[其他相关论文]]\n\n## 笔记\n任何额外的观察和笔记\n```\n\n### 概念页（wiki\u002Fconcepts\u002F）\n```markdown\n---\ntopic: 概念名称\ntags: [类别标签]\ncreated: 2026-04-21\n---\n\n## 定义\n这个概念是什么？\n\n## 关键要点\n- 要点1\n- 要点2\n\n## 相关论文\n[[论文1]]\n[[论文2]]\n\n## 相关概念\n[[相关概念]]\n\n## 笔记\n补充信息\n```\n\n## index.md 和 log.md\n\n**index.md** 是内容导向的目录——列出 wiki 中每个页面的链接和一行摘要，按类别（论文、概念、实体、综合分析）组织。LLM 在每次 ingest 时更新它。查询时 LLM 先读 index 找相关页面，再深入阅读。在中等规模（~100 篇论文，几百个页面）效果很好，不需要 embedding-based RAG 基础设施。\n\n**log.md** 是时间线日志——追加记录发生了什么（ingest、query、lint）。每条以一致前缀开头（如 `## [YYYY-MM-DD] ingest | 标题`），可以用简单 unix 工具查询：`grep \"^## \\[\" log.md | tail -5` 得到最近 5 条记录。log.md 在 wiki\u002F 目录下，文件链接使用相对于 wiki\u002F 的路径：`[文件名](concepts\u002Fxxx.md)`、`[文件名](papers\u002Fxxx.md)`、`[文件名](..\u002Fraw\u002Fpapers\u002Fxxx.pdf)`。\n\n## Bundled Scripts\n\n### `scripts\u002Fsearch-agent-papers.sh`\n搜索 arXiv 最新的智能体方向论文并下载 PDF 到 `raw\u002Fpapers\u002F`。\n用法：`bash scripts\u002Fsearch-agent-papers.sh [output_dir] [max_papers]`\n- 自动查询 arXiv API，按提交日期排序\n- 默认取 5 篇，输出到 `raw\u002Fpapers\u002F`\n- 去重 + 跳过 2025-04-01 之前的论文\n- 下载后可直接触发 Ingest 流程\n\n## 可选工具生态\n\n随着 wiki 增长，你可能需要这些配套工具：\n\n- **[qmd](https:\u002F\u002Fgithub.com\u002Ftobi\u002Fqmd)** — 本地 markdown 搜索引擎（BM25 + 向量混合 + LLM 重排序）。wiki 页面多时比 index.md 更高效。有 CLI（LLM 可 shell 调用）和 MCP server。\n- **[Marp](https:\u002F\u002Fmarp.app\u002F)** — markdown 转演示文稿。可以直接从 wiki 内容生成幻灯片。\n- **Dataview** — Obsidian 插件，对页面 frontmatter 跑查询，生成动态表格和列表。\n- **本地图片管理** — 下载文章图片到 `assets\u002F`，让 LLM 能直接查看和引用图片，而不是依赖可能失效的 URL。\n- Wiki 本质上是 git repo，免费获得版本历史、分支和协作能力。\n\n## 为什么有效\n\n维护知识库最烦的部分不是阅读和思考——而是簿记。更新交叉引用、保持摘要最新、标记新旧矛盾、维持几十页的一致性。人类放弃 wiki 是因为维护负担增长比价值还快。LLM 不会厌倦、不会忘记更新交叉引用、一次可以改 15 个文件。wiki 能保持维护是因为维护成本接近零。\n\n人的工作是筛选资料、引导分析、提出好问题、思考这一切意味着什么。LLM 的工作是剩下的所有事。\n\n> 本文档基于 Andrej Karpathy 的 LLM Wiki 方法论改编，原始 gist：https:\u002F\u002Fgist.github.com\u002Fkarpathy\u002F442a6bf555914893e9891c11519de94f\n> 该文档发布于 2026 年 4 月，获得 88,000+ 收藏。本 skill 将其适配为中文科研场景。\n\n这个理念可以追溯到 Vannevar Bush 1945 年的 Memex 构想——一个私人的、主动策展的知识库，文档之间的关联路径和文档本身一样有价值。他没能解决的问题是：谁来做维护？LLM 回答了这个问题。\n","# Karpathy LLM Wiki — 科研知识库\n\n## 触发条件\n- 建立 LLM 知识库 \u002F Karpathy Wiki\n- 管理论文、研究笔记\n- 摄入（Ingest）新的论文或资料\n- 对知识库提问（Query）\n- 维护知识库健康（Lint）\n\n## 核心思想\n\n和传统 RAG 不同——RAG 每次提问都从零开始检索、重新拼凑答案——Karpathy 模式让 LLM **持续构建和维护一个持久化的 wiki**。新资料进来后，LLM 不是简单索引它，而是提取关键信息、整合到现有 wiki 中、更新实体页、修订主题摘要、标记新旧资料之间的矛盾。知识被编译一次，然后持续保持最新，而不是每次查询都重新推导。\n\n**Wiki 是一个持久化、不断复利的产物。** 交叉引用已经在那里了，矛盾已经被标记，综合摘要已经反映了你读过的所有内容。\n\n你从不自己写 wiki 页面——LLM 写和维护所有内容。你负责提供资料、提问、引导方向。LLM 负责摘要、交叉引用、归档和簿记。\n\n## 系统架构\n\n### 三层结构\n\n- **Raw sources（原始资料）**：你收集的论文、文章、数据文件。不可变——LLM 只读不改，这是真相来源。\n- **The wiki（知识库）**：LLM 生成的 markdown 文件集合。LLM 全权负责这个层，你只读不写。\n- **The schema（配置）**：你正在读的 CLAUDE.md\u002FSKILL.md。它告诉 LLM wiki 的结构、约定和工作流。这个文件不是一成不变的——你和 LLM 随着使用共同演化它。\n\n### 目录结构\n\n```\nresearch-wiki\u002F\n├── CLAUDE.md          # Schema：告诉 LLM 如何维护 Wiki\n├── raw\u002F               # 原始资料（不可变，只进不改）\n│   ├── papers\u002F        # PDF 论文\n│   ├── articles\u002F      # Markdown\u002FWeb 文章\n│   ├── images\u002F        # 图片资源\n│   └── data\u002F          # 数据文件\n├── wiki\u002F              # LLM 维护的 Wiki（LLM 全权负责）\n│   ├── index.md       # 内容目录（每个页面 + 一行摘要）\n│   ├── log.md         # 操作日志（只追加）\n│   ├── overview.md    # 研究主题概述\n│   ├── entities\u002F      # 研究实体页\n│   ├── concepts\u002F      # 核心概念页\n│   ├── papers\u002F        # 论文摘要页\n│   └── synthesis\u002F     # 综合分析（Query 产物存回）\n└── assets\u002F            # 图片附件\n```\n\n> 页面格式和目录结构只是起点，不是铁律。根据你的研究领域和偏好，和 LLM 一起调整。\n\n## 核心操作\n\n### 1. Ingest（摄入新资料）\n当用户提供论文、文章或其他资料时：\n\n1. 将资料保存到 `raw\u002F` 对应子目录\n2. 读取资料内容，与用户讨论关键要点\n3. 在 `wiki\u002Fpapers\u002F` 创建论文摘要页\n4. 在 `wiki\u002Fconcepts\u002F` 更新或创建相关概念页\n5. 在 `wiki\u002Fentities\u002F` 更新或创建相关实体页（学者、机构、方法名等）\n6. 更新 `wiki\u002Findex.md` 添加新页面索引\n7. 追加 `wiki\u002Flog.md` 记录本次摄入（格式：`## [YYYY-MM-DD] ingest | 论文标题`）。文件引用使用 Markdown 标准链接 `[文件名](路径)`，确保 VSCode Markdown Preview 中可点击\n8. 向用户汇报：触及了多少个 Wiki 页面\n\n一篇资料可能触及 10-15 个 wiki 页面。建议逐篇摄入、保持参与——阅读摘要、检查更新、引导 LLM 强调重点。当然也可以批量摄入，取决于你的工作风格。\n\n### 2. Query（对知识库提问）\n当用户提出问题：\n\n1. 先读 `wiki\u002Findex.md` 找到相关页面\n2. 深入阅读相关 Wiki 页面\n3. 综合回答，引用具体来源\n4. **如果回答有持续价值（对比分析、主题梳理、新发现），存回 `wiki\u002Fsynthesis\u002F` 作为新页面**——你的探索也在为知识库积累知识，不应消失在聊天记录里\n5. 追加 `wiki\u002Flog.md` 记录本次查询\n\nQuery 产物可以是多种格式：markdown 页面、对比表、演示文稿（Marp）、图表（matplotlib）。好的分析应该像 ingested sources 一样复利增长。\n\n### 3. Lint（健康检查）\n当用户要求维护或定期检查：\n\n1. 扫描所有 Wiki 页面，查找：\n   - 页面间的矛盾或不一致\n   - 过时声明（被新论文\u002F来源推翻的旧观点）\n   - 孤立页面（没有入站链接）\n   - 文中提到但未建立页面的重要概念\n   - 缺失的交叉引用\n   - 可以填补的数据缺口\n2. 自动修复能发现的问题\n3. 报告需要人工判断的问题\n4. 建议值得追问的新问题和值得补充的新来源\n5. 追加 `wiki\u002Flog.md` 记录维护结果\n\n## 页面格式规范\n\n以下格式是建议起点，可根据领域调整。\n\n### 论文摘要页（wiki\u002Fpapers\u002F）\n```markdown\n---\ntitle: \"论文完整标题\"\nauthors: [\"作者1\", \"作者2\"]\nyear: 2024\nvenue: \"会议\u002F期刊名\"\ntags: [标签1, 标签2]\ningested: 2026-04-21\n---\n\n## 核心问题\n本文要解决什么问题？\n\n## 方法\n核心方法是什么？\n\n## 关键发现\n- 主要结果1\n- 主要结果2\n\n## 与Wiki的关系\n[[相关概念页]]\n[[其他相关论文]]\n\n## 笔记\n任何额外的观察和笔记\n```\n\n### 概念页（wiki\u002Fconcepts\u002F）\n```markdown\n---\ntopic: 概念名称\ntags: [类别标签]\ncreated: 2026-04-21\n---\n\n## 定义\n这个概念是什么？\n\n## 关键要点\n- 要点1\n- 要点2\n\n## 相关论文\n[[论文1]]\n[[论文2]]\n\n## 相关概念\n[[相关概念]]\n\n## 笔记\n补充信息\n```\n\n## index.md 和 log.md\n\n**index.md** 是内容导向的目录——列出 wiki 中每个页面的链接和一行摘要，按类别（论文、概念、实体、综合分析）组织。LLM 在每次 ingest 时更新它。查询时 LLM 先读 index 找相关页面，再深入阅读。在中等规模（~100 篇论文，几百个页面）效果很好，不需要 embedding-based RAG 基础设施。\n\n**log.md** 是时间线日志——追加记录发生了什么（ingest、query、lint）。每条以一致前缀开头（如 `## [YYYY-MM-DD] ingest | 标题`），可以用简单 unix 工具查询：`grep \"^## \\[\" log.md | tail -5` 得到最近 5 条记录。log.md 在 wiki\u002F 目录下，文件链接使用相对于 wiki\u002F 的路径：`[文件名](concepts\u002Fxxx.md)`、`[文件名](papers\u002Fxxx.md)`、`[文件名](..\u002Fraw\u002Fpapers\u002Fxxx.pdf)`。\n\n## Bundled Scripts\n\n### `scripts\u002Fsearch-agent-papers.sh`\n搜索 arXiv 最新的智能体方向论文并下载 PDF 到 `raw\u002Fpapers\u002F`。\n用法：`bash scripts\u002Fsearch-agent-papers.sh [output_dir] [max_papers]`\n- 自动查询 arXiv API，按提交日期排序\n- 默认取 5 篇，输出到 `raw\u002Fpapers\u002F`\n- 去重 + 跳过 2025-04-01 之前的论文\n- 下载后可直接触发 Ingest 流程\n\n## 可选工具生态\n\n随着 wiki 增长，你可能需要这些配套工具：\n\n- **[qmd](https:\u002F\u002Fgithub.com\u002Ftobi\u002Fqmd)** — 本地 markdown 搜索引擎（BM25 + 向量混合 + LLM 重排序）。wiki 页面多时比 index.md 更高效。有 CLI（LLM 可 shell 调用）和 MCP server。\n- **[Marp](https:\u002F\u002Fmarp.app\u002F)** — markdown 转演示文稿。可以直接从 wiki 内容生成幻灯片。\n- **Dataview** — Obsidian 插件，对页面 frontmatter 跑查询，生成动态表格和列表。\n- **本地图片管理** — 下载文章图片到 `assets\u002F`，让 LLM 能直接查看和引用图片，而不是依赖可能失效的 URL。\n- Wiki 本质上是 git repo，免费获得版本历史、分支和协作能力。\n\n## 为什么有效\n\n维护知识库最烦的部分不是阅读和思考——而是簿记。更新交叉引用、保持摘要最新、标记新旧矛盾、维持几十页的一致性。人类放弃 wiki 是因为维护负担增长比价值还快。LLM 不会厌倦、不会忘记更新交叉引用、一次可以改 15 个文件。wiki 能保持维护是因为维护成本接近零。\n\n人的工作是筛选资料、引导分析、提出好问题、思考这一切意味着什么。LLM 的工作是剩下的所有事。\n\n> 本文档基于 Andrej Karpathy 的 LLM Wiki 方法论改编，原始 gist：https:\u002F\u002Fgist.github.com\u002Fkarpathy\u002F442a6bf555914893e9891c11519de94f\n> 该文档发布于 2026 年 4 月，获得 88,000+ 收藏。本 skill 将其适配为中文科研场景。\n\n这个理念可以追溯到 Vannevar Bush 1945 年的 Memex 构想——一个私人的、主动策展的知识库，文档之间的关联路径和文档本身一样有价值。他没能解决的问题是：谁来做维护？LLM 回答了这个问题。\n",{"name":5,"description":7},"master","4aa004da461d820f4ea5499e58eb8d196cf99016","community\u002Fclawhub\u002Fk\u002Fkarpathy-wiki-cn",0,"https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge","https:\u002F\u002Fskill-explorer-rho.vercel.app","https:\u002F\u002Fgithub.com\u002FLord1Egypt","Unbreakable. Unstoppable. Unmatched⚡.\r\n Speaker of machine tongues 🤖  | World-builder of decentralized dreams 🌐 | Defender of the digital realm🛡️.","2026-06-10 08:21:01",{"source":8,"skillName":5,"commands":34,"prompt":44,"zipAvailable":45},[35,38,41],{"tool":36,"command":37},"npx","npx skills add Lord1Egypt\u002Fawesome-skill-forge --skill karpathy-wiki",{"tool":39,"command":40},"bunx","bunx skills add Lord1Egypt\u002Fawesome-skill-forge --skill karpathy-wiki",{"tool":42,"command":43},"pnpm","pnpm dlx skills add Lord1Egypt\u002Fawesome-skill-forge --skill karpathy-wiki","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fcommunity\u002Fclawhub\u002Fk\u002Fkarpathy-wiki-cn\u002FSKILL.md",true,[],[48,55,62,69,76,83],{"skillNo":49,"name":50,"nameZh":6,"description":51,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":52,"categories":53,"keywords":54,"publishedAt":19},"01M785WKJB99G3STR1NF9NRTJW","youtube-content","YouTube transcripts to summaries, threads, blogs.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fyoutube-content\u002FSKILL.md",[],[],{"skillNo":56,"name":57,"nameZh":6,"description":58,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":59,"categories":60,"keywords":61,"publishedAt":19},"01M785WEFHB0G2S9YA6EPR3H0E","xurl","X\u002FTwitter via xurl CLI: post, search, DM, media, v2 API.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fxurl\u002FSKILL.md",[],[],{"skillNo":63,"name":64,"nameZh":6,"description":65,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":66,"categories":67,"keywords":68,"publishedAt":19},"01M785W98EDN4EFJXJPMQEHCRC","touchdesigner-mcp","Control a running TouchDesigner instance via twozero MCP — create operators, set parameters, wire connections, execute Python, build real-time visuals. 36 native tools.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftouchdesigner-mcp\u002FSKILL.md",[],[],{"skillNo":70,"name":71,"nameZh":6,"description":72,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":73,"categories":74,"keywords":75,"publishedAt":19},"01M785W5S9FP3QBH2V191E025P","test-driven-development","TDD: enforce RED-GREEN-REFACTOR, tests before code.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Ftest-driven-development\u002FSKILL.md",[],[],{"skillNo":77,"name":78,"nameZh":6,"description":79,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":80,"categories":81,"keywords":82,"publishedAt":19},"01M785W2AS08NSSH9YATCV6FJB","teams-meeting-pipeline","Operate the Teams meeting summary pipeline via Hermes CLI — summarize meetings, inspect pipeline status, replay jobs, manage Microsoft Graph subscriptions.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fteams-meeting-pipeline\u002FSKILL.md",[],[],{"skillNo":84,"name":85,"nameZh":6,"description":86,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":87,"categories":88,"keywords":89,"publishedAt":19},"01M785VXKW4T34BTP1SCHW1R7F","systematic-debugging","4-phase root cause debugging: understand bugs before fixing.","https:\u002F\u002Fgithub.com\u002FLord1Egypt\u002Fawesome-skill-forge\u002Fblob\u002Fmaster\u002Fskills\u002Fsystematic-debugging\u002FSKILL.md",[],[]]