每周扫描Skillhub上数百个社区技能，本周从284个候选技能中精选7个。它们有一个共同特点：不是已有技能的换皮复刻，而是在真实场景下能直接提升效率的工具——从直连100+大模型到自动化工作流，从深度研究到LaTeX学术写作，从AI维基到量化策略引擎。每个都配有安装命令和实测用法。

速查表

技能名	安装命令	一句话价值
Llm Models	skillhub install llm-models	通过OpenRouter CLI直连Claude/Gemini/Kimi/GLM等100+模型
HAI Agent Framework	skillhub install hai-agent-framework	企业级AI Agent框架，Hook事件系统+自动记忆抽取+4种预置Agent
Unifuncs	skillhub install unifuncs-all-in-one	网页阅读+AI搜索+深度研究三合一，替代内置web工具
LLM-Wiki-Skill	skillhub install llm-wiki-skill	LLM自动维护Obsidian知识维基，你只负责读，LLM负责整理
Academic Writer	skillhub install academic-writer	LaTeX专业写作助手，扫描模板生成论文结构，英文学术场景全覆盖
Trading Brain	skillhub install trading-brain	加载个人交易策略规则，引导Agent按你的交易风格执行
Automation Workflows	skillhub install automation-workflows	设计自动化工作流，把重复操作变成一键流水线

---

🧠 AI模型与Agent框架

1. Llm Models — 百模大门，一个CLI全开

上周推荐了 Llmrouter（按任务复杂度自动分流省钱），而 Llm Models 走的是另一条路——给你一个统一CLI，想用哪个模型就用哪个。

核心能力：通过 inference.sh CLI 接入 OpenRouter，覆盖 Claude、Gemini、Kimi、GLM 以及100+开源模型。如果你想对比 GPT-4o 和 Claude 3.5 Sonnet 在某个量化任务上的表现，不需要来回切网页，一行命令搞定。

为什么值得装：做量化策略研究时经常需要在不同模型间做交叉验证——同一个因子分析问题，不同模型的回答风格和深度差异很大。装了这个技能后，你可以在Agent对话中直接说”用GPT-4o分析最近三个月的A股因子表现，再用Claude 3.5重新分析一次并对比差异”。

使用示例：

用户：帮我对比一下Qwen2.5 72B和DeepSeek V3对这个Python回测代码的优化建议。
（技能自动先后调用两个模型，返回对比结果）

适用场景：模型效果对比、不同价格模型的灵活切换、私有化部署模型与云端模型的协同。

---

2. HAI Agent Framework — 企业级Agent框架

如果说 Llm Models 解决的是”用哪个模型”，HAI Agent Framework 解决的是”Agent怎么搭”。

核心能力：这是一个企业级AI Agent框架，提供四个关键技术特性：

• Hook事件系统：Agent执行每个步骤时都可以插入自定义逻辑（比如日志记录、权限检查、结果缓存）
• 自动记忆抽取：从对话中自动提取关键信息存入长期记忆
• 四种预置Agent：覆盖不同的任务类型
• 智能任务管理与对话优化

为什么值得装：如果你正在从单Agent走向多Agent协作（比如让一个Agent做数据采集，另一个做分析，第三个做报告生成），HAI的Hook系统可以让这些Agent之间的通信和状态同步变得可编程。相比从头写Agent编排逻辑，这个框架可以省下大量开发时间。

使用示例：

用户：每天早上7点自动执行：采集美股隔夜数据 → 因子计算 → 生成晨报摘要。
（HAI Agent框架调度三个Agent按流水线执行，每个步骤完成后自动触发下一步）

安装注意：这是一个相对重量级的技能，建议在需要多Agent编排的场景下启用。如果只是日常问答，可以不加载。

---

📚 深度研究与知识管理

3. Unifuncs — 网页阅读+AI搜索+深度研究三位一体

每周扫描技能报告时，Unifuncs 的描述吸引了注意：“Default web reading, AI search, and deep research tools. Use this skill for all web-related tasks.” 它的定位是要替代内置的 web_search 和 web_extract 工具。

核心能力：

• 网页阅读：比内置工具更智能的页面内容提取，支持复杂页面结构
• AI搜索：不只是返回链接，而是对搜索结果做智能摘要和交叉验证
• 深度研究：给定一个研究问题，自动执行多轮搜索、阅读、归纳，输出结构化研究报告

为什么值得装：做量化研究的人每天要接触大量信息来源——研报、财报、行业新闻、arXiv论文。Unifuncs 的”深度研究”模式可以自动完成”搜索→阅读→归纳→对比”这个循环，特别适合调研某个新兴概念（比如”最近一个月有哪些关于PEG因子的最新研究”）。

适用场景：行业调研、竞品分析、论文文献综述、策略背景研究。

---

4. LLM-Wiki-Skill — LLM代劳的Obsidian知识维基

知识管理有个永恒的矛盾：整理知识的时间多于学新知识的时间。LLM-Wiki-Skill 的解法很直接——让LLM来干整理活。

核心能力：在Obsidian知识库中，LLM自动维护索引和条目。你只需要在对话中告诉Agent”我刚读完一篇关于PEG因子时效性的论文”，Agent就会自动在Obsidian维基中创建/更新相关条目，关联已有笔记，保持知识图谱的完整性。

为什么值得装：搭配上周推荐的 para-pkm（PARA框架管理），这两个技能形成互补——para-pkm 负责分类归档（文件夹层级），LLM-Wiki-Skill 负责知识关联（双向链接和索引）。一个管结构，一个管内容。

使用示例：

用户：我最近在研究A股小市值效应的衰减，帮我整理一下相关的笔记到Obsidian。
（LLM-Wiki-Skill搜索已有笔记、提取关键信息、创建新条目、建立双向链接）

---

🔬 学术写作进阶

5. Academic Writer — LaTeX专业写作助手

上周推荐了 Academic Paper Assistant（中文学术论文全流程助手），这周的 Academic Writer 走的是另一个方向——LaTeX原生写作。

核心能力：专业LaTeX写作助手，可以：

• 扫描已有的LaTeX模板，快速生成论文框架
• 章节结构规划、参考文献格式校验
• 学术用语检查、LaTeX编译错误排查

为什么值得装：如果你用LaTeX写英文论文（Journal投稿、arXiv预印本），Academic Writer 比通用写作助手更适合，因为它理解LaTeX的语法和学术写作规范。两个学术写作技能的分工是：Academic Paper Assistant 管中文论文的内容和结构，Academic Writer 管英文LaTeX的格式和编译。

使用示例：

用户：帮我把这篇量化策略文章整理成LaTeX格式，使用Springer的模板。
（Academic Writer扫描模板、生成文档框架、插入参考文献格式）

---

💰 量化交易

6. Trading Brain — 个人交易策略引擎

上周推荐的 preftrade（量化研究工具箱670+功能）和 Trading DevBox（自然语言→回测代码沙盒），这周的 Trading Brain 补上了最后一块拼图——策略执行大脑。

核心能力：加载用户的个人交易策略和规则，Agent在对话中引导交易决策时，严格遵循这套规则执行。这意味着你的交易纪律（止损线、仓位管理、入场条件）不再是记在本子上的文字，而是Agent每次决策前都会参考的硬约束。

为什么值得装：很多量化交易者面临一个问题——策略写好了，回测通过了，但实盘时情绪上来了该违反还是违反。Trading Brain 把规则嵌入Agent的推理过程，让Agent在你冲动时提醒”按你的规则，现在不符合入场条件”。

适用场景：严格遵循交易纪律、多策略并行管理、情绪风险控制。

---

⚙️ 效率自动化

7. Automation Workflows — 自动化工作流设计

核心能力：设计并实现自动化工作流，将重复性操作转化为可一键执行的任务流水线。特别适合个人创业者（描述中注明solopreneur场景）。

为什么值得装：这个技能的独特价值在于不是单个脚本的自动化，而是跨工具的工作流编排——比如”每天早上8点，读取当天财经日历→检查持仓股的重要事件→更新技术指标→如果触发条件就发送飞书通知”。不用写代码，用自然语言描述工作流，Agent帮你搭好。

使用示例：

用户：每天晚上10点自动检查所有持仓股的收盘价，如果跌破20日均线超过5%，触发预警并生成分析报告。
（Automation Workflows生成调度流水线，定时执行检查流程）

---

实测总结

技能	实用指数	上手难度	深度价值	日常频率
Llm Models	⭐⭐⭐⭐⭐	⭐⭐	高（模型选择权在自己手中）	每日
HAI Agent Framework	⭐⭐⭐⭐	⭐⭐⭐	高（多Agent编排标准件）	每周
Unifuncs	⭐⭐⭐⭐⭐	⭐	高（研究效率倍增器）	每日
LLM-Wiki-Skill	⭐⭐⭐⭐	⭐⭐	中高（知识管理自动化的方向）	每周
Academic Writer	⭐⭐⭐	⭐⭐⭐	高（LaTeX用户必装）	按需
Trading Brain	⭐⭐⭐⭐	⭐⭐	中高（情绪纪律的AI护栏）	每日
Automation Workflows	⭐⭐⭐⭐⭐	⭐	中（简单高效但场景有限）	每日

---

本周亮点变化：相比前两期的技能推荐（上周聚焦LLM路由、PARA知识框架、学术助手、量化工具箱），本周的7个技能更偏向基础设施层——一个CLI访问百模型、Agent编排框架、深度研究引擎、自动化流水线。这些技能组合在一起，基本覆盖了AI Agent从”对话工具”升级为”自动化工作站”所需的全部组件。

下周继续扫描Skillhub，挖掘更多被低估的社区技能。安装后有问题的欢迎反馈实测体验。