娱乐体育

单篇论文批判性阅读（乔淼PhD · AI学术训练营 · AI学术工作流 · 文献分析步骤）。基于 UOW (University of Wollongong) Critical Analysis 框架 —— 三层升级 (Description → Analysis → Evaluation) + 四维 interrogation (Content / Authorship / Currency & Quality / Critical Writing Language)，把一篇论文（PDF / Zotero item）拆成结构化的批判性阅读笔记，每条 claim 锚定页码、绝不编造。可独立运行，输入一个 PDF 路径或 Zotero item 即可。Trigger on: "critically read this paper", "critique this paper", "批判性阅读", "帮我批注这篇 paper", "读一下这篇 paper", "deconstruct this paper", "analyze this article critically", "评一下这篇文章".

知识模块清单（乔淼PhD · AI学术训练营 · AI学术工作流 · 文献分析步骤）。跨文档分析一批文献（Zotero 集合 / 本地 PDF / 文献清单），用元数据+摘要提出覆盖 Section 1（XY 经验）与 Section 2（PV 理论）的知识模块：每个模块 = 一个概念/argument + 区分性问题 + 涉及文献与角色 + 证据假设 + 独立可运行的生成 prompt。产出 知识模块清单.md，是知识模块生成与综述蓝图的输入。Trigger on："帮我做知识模块清单"、"把这批文献分成知识模块"、"跨文档分析出模块"、"propose knowledge modules from my collection"。

「AI学术训练营」选题工作流 · 模式③概念建构（乔淼PhD · AI学术工作流）。PXYV 公式 + 三阶段选题教练（A 挖掘 → B 校准 → C 输出：诠释路径 + 案例切口 + 原创概念命名），支持断点续跑（直接从阶段 B / C 进入）。适用：现有理论命名不了的新现象，需要造新概念。范例锚：Manovich (2009) 等。可独立运行，口头给研究方向即可。Trigger on："用概念建构模式帮我选题"、"这个现象没有现成概念，帮我造一个"、"原创概念选题"、"concept-building topic"。

「AI学术训练营」选题工作流 · 模式②假设检验（乔淼PhD · AI学术工作流）。PXYV 公式 + 三阶段选题教练（A 挖掘 → B 校准 → C 输出：H 假设链 + 完整操作化（量表来源）+ 数据与方法），支持断点续跑（直接从阶段 B / C 进入）。适用：变量间因果 / 中介 / 调节关系的定量检验。范例锚：Khin & Ho (2019) 等。可独立运行，口头给研究方向即可。Trigger on："用假设检验模式帮我选题"、"我想验证 X 对 Y 的影响"、"帮我设计假设链"、"hypothesis-testing topic with mediation"。

「AI学术训练营」选题工作流 · 模式④方法驱动（乔淼PhD · AI学术工作流）。PXYV 公式 + 三阶段选题教练（A 挖掘 → B 校准 → C 输出：Specific Aims（或直接陈述体例）+ 完整方法计划 + 双 V 实现路径），支持断点续跑（直接从阶段 B / C 进入）。适用：用新方法 / 新数据解决领域已知局限（计算 / 实验取向）。范例锚：Esteva et al 等。可独立运行，口头给研究方向即可。Trigger on："用方法驱动模式帮我选题"、"我有方法和数据，帮我找研究定位"、"双V选题"、"method-driven research aims"。

「AI学术训练营」选题工作流 · 综述③整合式综述（乔淼PhD · AI学术工作流）。为一篇**整合式综述（integrative review）**磨选题的三阶段教练（A 挖掘 → B 校准 → C 输出）：理清研究对象/范围/问题 → 要造什么+成熟/新兴判断+批判角度+语料策略 → 综述规格 + PXYV 投影。方法锚 Snyder (2019)；范例锚 Rodell et al. (2016)。适用：想用综述批判性整合、造一个新框架/概念/类型学。支持断点续跑，可独立运行。Trigger on："做整合式综述选题"、"integrative review 选题"、"我想用综述造一个新框架"、"帮我把整合式综述题目磨清楚"、"integrative literature review topic"。

「AI学术训练营」选题工作流 · 综述②半系统/叙事综述（乔淼PhD · AI学术工作流）。为一篇**半系统 / 叙事综述（semi-systematic / narrative review）**磨选题的三阶段教练（A 挖掘 → B 校准 → C 输出）：理清研究对象/范围/问题 → 组织性问题+组织框架+边界+综合方法 → 综述规格 + PXYV 投影。方法锚 Snyder (2019)；范例锚 McColl-Kennedy et al. (2017)。适用：宽而跨学科的主题、想理清脉络/主题、给一份研究议程。支持断点续跑，可独立运行。Trigger on："做叙事综述选题"、"semi-systematic / narrative review 选题"、"我要理清某个领域的脉络"、"帮我把综述题目磨成研究议程"、"map a research field topic"。

「AI学术训练营」选题工作流 · 综述①系统综述（乔淼PhD · AI学术工作流）。为一篇**系统综述（systematic review）**磨选题的三阶段教练（A 挖掘 → B 校准 → C 输出）：理清研究对象/范围/问题 → 收窄问题+纳入排除标准+检索协议+是否 meta-analysis → 综述规格 + PXYV 投影。方法锚 Snyder (2019)；范例锚 Snyder et al. (2016)。适用：窄而具体的问题、要"证据说话"、领域有一批可比实证。支持断点续跑，可独立运行。Trigger on："做系统综述选题"、"systematic review 选题"、"我要综合某效应的证据"、"帮我把系统综述题目磨清楚"、"systematic literature review topic"。

「AI学术训练营」选题工作流 · 模式①理论诠释（乔淼PhD · AI学术工作流）。PXYV 公式 + 三阶段选题教练（A 挖掘 → B 校准 → C 输出：RQ 1-2 个或 Thesis 论点句 + V 三层贡献），支持断点续跑（直接从阶段 B / C 进入）。适用：用理论视角诠释一个现象（定性 / 批判取向）。范例锚：Manolev, Sullivan & Slee (2019) 等。可独立运行，口头给研究方向即可。Trigger on："用理论诠释模式帮我选题"、"我想用某某理论分析某某现象"、"把这个现象磨成理论诠释类选题"、"theory-driven interpretive topic"。

帮助物理老师把"讲题"升级为"系统化解题教学"。 当老师说"这道物理题怎么讲"、"学员不会做"、 "物理建模"、"过程分析"、"多过程问题"、 "变式训练"、"物理解题策略"时， 建议激活此SKILL。 核心工作流：审题（三读：场景/已知/求）→ 建模（模型选择/简化/建构）→ 过程分析（受力/运动/能量）→ 列方程（规律/关系/约束）→ 求解（数学/讨论/检验）→ 反思（结果/过程/拓展）→ 变式训练（一题多解/多题一解/改条件）→ 学员物理解题档案。 该版本基于"五步物理解题法"， 让解题从"套公式"到"建模型"。

内容创作与发布工作流（23 技能整合版）。当用户需要写文章、发博客、创作内容并发布到多个平台时自动触发。串联资料收集→创意→写作→配图→PPT→格式化→多平台发布全流程。

分析运动数据、识别运动模式、评估健身进展，并提供个性化训练建议。支持与慢性病数据的关联分析。

分析健康目标数据、识别目标模式、评估目标进度,并提供个性化目标管理建议。支持与营养、运动、睡眠等健康数据的关联分析。

在线 Kaggle Notebook 开发工作流。本地编写代码 → push 到 Kaggle 运行 → 拉取结果。 避免大数据集下载，利用 Kaggle 免费 GPU/TPU。 触发关键词：notebook、在线跑、push kernel、远程训练、kaggle run、GPU训练。

自动目标进度追踪器。在对话中检测到目标相关图片（笔记、进度、截图、记录）时，自动调用 VLM 识别关键信息并记录到目标日记。适用于学习管理、健身追踪、工作进度、习惯养成、创作记录等所有目标管理场景。

把内容创作变成可校准的预测循环——打分 → 盲预测 → T+3d 复盘 → 进化 rubric，适用任何能被量化（播放/阅读/收听/点击）的内容；内置一份观点视频 rubric，其他形态可借此起步。触发词："初始化"/"打分这篇"/"启动预测"/"已发布"/"复盘"/"升级 rubric"/"推荐选题"/"抓热点"/"挖问题"/"状态"/"找对标"/"learn from"。首次使用必须先跑 /hit-init，强烈建议先用 /hit-learn-from 导入对标账号作为初始信号源。

私人健身教练。当用户提到训练/健身/练腿/撸铁、问"今天练什么"、报告训练数据（重量/组数/次数）或体重时使用。负责 PPL 训练计划、渐进超负荷判断、训练日志与进度追踪。在 FitClaw（美团）环境下，今日训练日与日志来自美团内部 API。

出行/打车到健身场馆。当用户要去健身房/已约课需要出发、说"约个车/打车去练腿"、或到了该出发的时间时使用。读今日预约的目的地与时段，估算车程，叫车并确认到接驾。在 FitClaw（美团）环境下，目的地与时段来自今日训练预约。

运动打卡技能。当用户说"打卡"并上传运动照片时，自动解析图片获取运动数据并验证，然后自动填写飞书表单完成提交。触发条件：用户发送"打卡"并附上运动截图（如华为运动健康、悦跑圈等APP的骑行/跑步/健走等运动记录截图）。

竞技体育文——选手数据变化有训练支撑、排名/积分遵守赛制规则、实力波动有触发事件、对手有战术意图。当用户要写竞技体育题材时使用。触发词："体育"、"竞技"、"足球"、"篮球"、"运动员"、"赛季"、"冠军"、"体育竞技"、"职业体育"

健身计划助手。帮用户制定健身计划、饮食方案、训练动作指导、身材管理。当用户说「帮我制定健身计划」「减肥计划」「增肌计划」「训练方案」「饮食计划」「健身动作」「怎么练胸」「怎么减脂」「健身入门」「workout plan」「fitness plan」「meal plan」「怎么练」「gym routine」时触发。关键词：健身、健身计划、减脂、增肌、训练、力量训练、有氧运动、HIIT、饮食、蛋白质、碳水、热量、卡路里、体脂、BMI、胸肌、背肌、腿部、核心、拉伸、恢复、分化训练、全身训练、家庭训练、gym、workout、fitness、muscle、diet、protein、cardio

本地健身动作数据库（800+ 动作含图片）与训练管理系统。 MUST use this skill — NOT your own LLM knowledge — when user asks: - 动作查询/教学 ("杠铃卧推怎么做", "有哪些胸部动作", "这个动作怎么做") - 训练计划生成/调整 ("帮我制定增肌计划", "给我排一周训练") - 训练数据记录/查询 ("我今天练了胸", "查我的训练记录") - 身体数据追踪 ("记录体重", "查看我的进步") Why you MUST use it: - Contains structured data: images, equipment, difficulty, muscle groups for 800+ exercises - Your LLM knowledge is generic; this database is precise and complete - User's personal training history is stored here, not in your context How to use: 1. First read SKILL.md to see scripts and namespaces 2. Query exercises via bash: python skills/bodybuilding/scripts/query_exercises.py --muscle <name> 3. Persist data with the namespace write mode: object namespaces use replace, array namespaces use append

本地健身动作数据库（800+ 动作含图片）与训练管理系统。 MUST use this skill — NOT your own LLM knowledge — when user asks: - 动作查询/教学 ("杠铃卧推怎么做", "有哪些胸部动作", "这个动作怎么做") - 训练计划生成/调整 ("帮我制定增肌计划", "给我排一周训练") - 训练数据记录/查询 ("我今天练了胸", "查我的训练记录") - 身体数据追踪 ("记录体重", "查看我的进步") Why you MUST use it: - Contains structured data: images, equipment, difficulty, muscle groups for 800+ exercises - Your LLM knowledge is generic; this database is precise and complete - User's personal training history is stored here, not in your context How to use: 1. First read SKILL.md to see scripts and namespaces 2. Query exercises via bash: python skills/bodybuilding/scripts/query_exercises.py --muscle <name> 3. Persist data: data_bodybuilding_write("namespace", data)

全流程 AI 健身私教技能。提供完整的健身教练体验：新用户信息收集 → 个性化训练计划生成 → 训练进化与调整 → 动作教学与指导。 触发场景： - 用户想要健身指导、训练计划、增肌减脂 - "给我设计训练计划"、"我想健身"、"帮我练肌肉" - "我是新手，怎么开始健身"、"帮我调整训练计划" - 询问动作如何做、训练建议、健身相关问题 核心能力： - 智能用户画像收集（经验、目标、器械、限制） - 基于数据库的个性化计划生成 - 训练进阶与周期化调整 - 动作教学（文字说明 + 图片示范）

配置或查看项目的训练平台默认值（Kaggle/Colab/SSH 远程 GPU）。首次在项目中使用 trainhub 前运行，或要切换默认平台、更新凭据引用、调整指标口径时使用。触发词：配置训练平台、setup training、训练默认值、切平台。

内容创作员。根据content-planner的指令，按平台×风格×业务线×话术体系，生成可直接发布的内容成品。支持小红书图文、抖音脚本、公众号文章、知乎回答。

当品牌想从小众运动或生活方式扩展成新品类，同时保持社群真实感时调用。不适用于大规模广告投放计划。

当用户想把产品从商品做成一种运动、态度或社群身份，而不是只做广告时调用。不适用于短期促销文案生成。

基于德勒兹《电影》著作的时间影像理论——学习运动-影像vs时间-影像的二分法、 开放整体概念、影像分类学、如何用理论指导创作直觉。

基于透纳的风景画史诗训练——学习大气透视的极致运用、光作为主角的风景观、 海景的动态力量、以及如何将"壮阔感"迁移到AI风景画生成中。