Communitygithub.com

NeverSight/learn-skills.dev

利用 Alpaca MCP Server 整合功能,擷取投資組合持股與部位,進行資產配置、風險指標、個股部位、分散程度分析,並產生再平衡建議。適用於使用者要求檢視投資組合、分析部位、評估風險、績效回顧或提出再平衡建議。

learn-skills.dev 是什麼?

Portfolio Manager 是一項專為 AI 代理(如 Claude Code、Cursor、Codex 等)設計的技能,用於分析和管理投資組合。它透過 Alpaca MCP Server 即時擷取經紀帳戶的持股資料,並執行涵蓋資產配置、分散程度、風險指標、個股評估及再平衡建議的全面分析。該技能會產生詳細的 Markdown 報告,提供可操作的見解。支援的查詢包含「分析我的投資組合」、「檢查我的投資組合風險」或「我應該再平衡我的投資組合嗎?」等工作流程包括獲取投資組合資料、豐富部位資訊、執行投資組合層級分析、個股評估、產生再平衡建議,最後生成結構化報告。關鍵框架(如資產配置、分散原則、風險指標及再平衡策略)會從外部參考文件動態載入,以確保分析基於經驗證的投資原則。此技能對於需要自動化投資組合監控、風險管理及行動建議的個人投資者或顧問特別有用。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/NeverSight/learn-skills.dev/tree/HEAD/data/skills-md/aaaaqwq/claude-code-skills/portfolio-manager

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

投資組合經理

概述

分析和管理投資組合,透過與 Alpaca MCP Server 整合以擷取即時持股資料,然後執行全面的分析,涵蓋資產配置、分散程度、風險指標、個股部位評估以及再平衡建議。產生包含可行洞察的詳細投資組合報告。

此技能利用 Alpaca 的經紀 API,透過 MCP (Model Context Protocol) 存取即時投資組合資料,確保分析基於實際的當前部位,而非手動輸入的資料。

使用時機

當使用者提出以下要求時,呼叫此技能:

  • 「分析我的投資組合」
  • 「檢視我目前的部位」
  • 「我的資產配置是什麼?」
  • 「檢查我的投資組合風險」
  • 「我應該重新平衡我的投資組合嗎?」
  • 「評估我的持股」
  • 「投資組合績效回顧」
  • 「我應該買入或賣出哪些股票?」
  • 任何涉及投資組合層級分析或管理的要求

前置需求

Alpaca MCP Server 設定

此技能需要設定並連線 Alpaca MCP Server。MCP 伺服器提供以下存取權限:

  • 當前投資組合部位
  • 帳戶權益與購買力
  • 歷史部位與交易
  • 持有證券的市場資料

所使用的 MCP 伺服器工具:

  • get_account_info - 擷取帳戶權益、購買力、現金餘額
  • get_positions - 檢索所有當前部位,包括數量、成本基礎、市值
  • get_portfolio_history - 歷史投資組合績效資料
  • 用於報價和基本面的市場資料工具

如果 Alpaca MCP Server 未連線,請通知使用者,並提供來自 references/alpaca_mcp_setup.md 的設定說明。

工作流程

步驟 1:透過 Alpaca MCP 擷取投資組合資料

使用 Alpaca MCP Server 工具收集當前投資組合資訊:

1.1 取得帳戶資訊:

使用 mcp__alpaca__get_account_info 擷取:
- 帳戶權益(總投資組合價值)
- 現金餘額
- 購買力
- 帳戶狀態

1.2 取得當前部位:

使用 mcp__alpaca__get_positions 擷取所有持股:
- 股票代號
- 持有數量
- 平均入場價格(成本基礎)
- 當前市場價格
- 當前市值
- 未實現損益(金額與百分比)
- 部位占投資組合百分比

1.3 取得投資組合歷史(選擇性):

使用 mcp__alpaca__get_portfolio_history 進行績效分析:
- 歷史權益值
- 時間加權回報計算
- 回撤分析

資料驗證:

  • 確認所有部位都有有效的股票代號
  • 確認市值總和近似於帳戶權益
  • 檢查是否有過時或非活躍部位
  • 處理邊緣情況(碎股、選擇權、加密貨幣(若支援))

步驟 2:豐富部位資料

對於投資組合中的每個部位,收集額外的市場資料和基本面資料:

2.1 當前市場資料:

  • 即時或延遲的報價
  • 每日交易量與流動性指標
  • 52 週範圍
  • 市值

2.2 基本面資料: 使用 WebSearch 或可用的市場資料 API 擷取:

  • 產業與行業分類
  • 關鍵估值指標(本益比、股價淨值比、股息率)
  • 近期財報與財務健康指標
  • 分析師評級與目標價
  • 近期新聞與重大發展

2.3 技術分析:

  • 價格趨勢(20 日、50 日、200 日移動平均線)
  • 相對強弱
  • 支撐與阻力位
  • 動能指標(RSI、MACD(若可用))

步驟 3:投資組合層級分析

使用參考檔案中的架構進行全面投資組合分析:

3.1 資產配置分析

閱讀 references/asset-allocation.md 以了解配置架構

分析當前配置的多個面向:

按資產類別:

  • 股票 vs 固定收益 vs 現金 vs 另類投資
  • 與使用者風險承受度的目標配置進行比較
  • 評估配置是否符合投資目標

按行業:

  • 科技、醫療保健、金融、消費品等
  • 識別行業集中風險
  • 與基準行業權重進行比較(例如:S&P 500)

按市值:

  • 大型股 vs 中型股 vs 小型股分布
  • 超大市值股集中度
  • 市值分散度評分

按地理區域:

  • 美國 vs 國際 vs 新興市場
  • 國內集中度風險評估

輸出格式:

## 資產配置

### 當前配置 vs 目標
| 資產類別 | 當前 | 目標 | 差異 |
|-------------|---------|--------|----------|
| 美國股票 | XX.X% | YY.Y% | +/- Z.Z% |
| ... |

### 行業分布
[圓餅圖描述或含行業百分比的表格]

### 前十大持股
| 排名 | 代號 | 占投資組合百分比 | 行業 |
|------|--------|----------------|--------|
| 1 | AAPL | X.X% | 科技 |
| ... |

3.2 分散程度分析

閱讀 references/diversification-principles.md 以了解分散理論

評估投資組合分散品質:

部位集中度:

  • 識別主要持股及其總權重
  • 若任何單一部位超過投資組合的 10-15%,則標記
  • 計算 Herfindahl-Hirschman Index (HHI) 以衡量集中度

行業集中度:

  • 識別主導行業
  • 若任何行業超過投資組合的 30-40%,則標記
  • 與基準行業多樣性進行比較

相關性分析:

  • 估算主要部位之間的相關性
  • 識別高度相關的持股(潛在冗餘)
  • 評估真正的分散效益

部位數量:

  • 個股投資組合的最佳範圍:15-30 檔股票
  • 若過度集中(少於 10 檔股票)或過度分散(超過 50 檔股票),則標記

輸出:

## 分散程度評估

**集中風險:** [低 / 中 / 高]
- 前五大持股占投資組合的 XX%
- 最大單一部位:[代號] 占 XX%

**行業分散程度:** [極佳 / 良好 / 普通 / 不佳]
- 主導行業:[行業名稱] 占 XX%
- [對跨行業平衡性的評估]

**部位數量:** [最佳 / 過度集中 / 過度分散]
- 總部位數量:XX 檔股票
- [建議]

**相關性考量:**
- [列出任何高度相關的部位配對]
- [改善分散程度的建議]

3.3 風險分析

閱讀 references/portfolio-risk-metrics.md 以了解風險衡量架構

計算並解釋關鍵風險指標:

波動率衡量:

  • 估計投資組合 Beta(部位 Beta 的加權平均)
  • 個股波動率
  • 投資組合標準差(若有歷史資料)

下跌風險:

  • 最大回撤(取自投資組合歷史)
  • 當前自高點回撤
  • 有顯著未實現損失的部位

風險集中度:

  • 高波動率股票(Beta > 1.5)的百分比
  • 投機性/虧損公司的百分比
  • 槓桿使用(若適用)

尾端風險:

  • 潛在黑天鵝事件的曝險
  • 單一股票集中風險
  • 行業特定事件風險

輸出:

## 風險評估

**整體風險概況:** [保守 / 穩健 / 積極]

**投資組合 Beta:** X.XX(市場為 1.00)
- 解讀:投資組合波動 [高於/低於] 市場

**最大回撤:** -XX.X%(從 $XXX,XXX 降至 $XXX,XXX)
- 當前自高點回撤:-XX.X%

**高風險部位:**
| 代號 | 占投資組合百分比 | Beta | 風險因素 |
|--------|----------------|------|-------------|
| [TICKER] | XX% | X.XX | [高波動率 / 近期損失 / 等] |

**風險集中:**
- XX% 在單一行業([行業])
- XX% 在 Beta > 1.5 的股票
- [其他集中風險]

**風險評分:** XX/100([低/中/高] 風險)

3.4 績效分析

使用可用資料評估投資組合績效:

絕對回報:

  • 整體投資組合未實現損益(金額與百分比)
  • 表現最佳的部位(前五名,依漲幅百分比)
  • 表現最差的部位(後五名,依跌幅百分比)

時間加權回報(若有歷史資料):

  • 年初至今回報
  • 1 年、3 年、5 年年化回報
  • 與基準(S&P 500、相關指數)比較

部位層級績效:

  • 贏家 vs 輸家比率
  • 獲利部位的平均獲利
  • 虧損部位的平均虧損
  • 接近 52 週高點/低點的部位

輸出:

## 績效回顧

**投資組合總價值:** $XXX,XXX
**未實現損益總額:** $XX,XXX (+XX.X%)
**現金餘額:** $XX,XXX(占投資組合的 XX%)

**表現最佳:**
| 代號 | 漲幅 | 部位價值 |
|--------|------|----------------|
| [TICKER] | +XX.X% | $XX,XXX |
| ... |

**表現最差:**
| 代號 | 跌幅 | 部位價值 |
|--------|------|----------------|
| [TICKER] | -XX.X% | $XX,XXX |
| ... |

**與基準比較(若可用):**
- 投資組合回報:+X.X%
- S&P 500 回報:+Y.Y%
- Alpha:+/- Z.Z%

步驟 4:個股部位分析

對於關鍵部位(依投資組合權重前 10-15 名),進行詳細分析:

閱讀 references/position-evaluation.md 以了解部位分析架構

對於每個重要部位:

4.1 當前論點驗證:

  • 建立此部位的原因是什麼?(若從使用者情境得知)
  • 投資論點是否已經實現或失效?
  • 近期公司發展與新聞

4.2 估值評估:

  • 當前估值指標(本益比、股價淨值比等)
  • 與歷史估值範圍比較
  • 與同業比較
  • 高估 / 合理 / 低估評估

4.3 技術健康度:

  • 價格趨勢(上升趨勢、下降趨勢、橫盤)
  • 相對於移動平均線的位置
  • 支撐與阻力位
  • 動能狀態

4.4 部位規模:

  • 當前投資組合權重
  • 考量信心與風險,規模是否適當?
  • 相對於最佳配置是超配還是低配

4.5 行動建議:

  • 持有 - 部位規模適當且論點完好
  • 加碼 - 考量機會,部位低配,論點增強
  • 減碼 - 超配或估值偏高
  • 賣出 - 論點失效,有更好的機會

每個部位的輸出:

### [代號] - [公司名稱](占投資組合的 XX.X%)

**部位詳細資料:**
- 股數:XXX
- 平均成本:$XX.XX
- 當前價格:$XX.XX
- 市值:$XX,XXX
- 未實現損益:$X,XXX (+XX.X%)

**基本面概覽:**
- 行業:[行業]
- 市值:$XX.XB
- 本益比:XX.X | 股息率:X.X%
- 近期發展:[關鍵新聞或財報]

**技術狀態:**
- 趨勢:[上升趨勢 / 下降趨勢 / 橫盤]
- 價格 vs 50 日 MA:[高於/低於 XX%]
- 支撐:$XX.XX | 阻力:$XX.XX

**部位評估:**
- **論點狀態:** [完好 / 減弱 / 失效 / 增強]
- **估值:** [低估 / 合理 / 高估]
- **部位規模:** [最佳 / 超配 / 低配]

**建議:** [持有 / 加碼 / 減碼 / 賣出]
**理由:** [1-2 句說明]

步驟 5:再平衡建議

閱讀 references/rebalancing-strategies.md 以了解再平衡方法

產生具體的再平衡建議:

5.1 識別再平衡觸發因素:

  • 顯著偏離目標權重的部位
  • 需要調整的行業/資產類別配置
  • 應減碼的超配部位(已超過閾值)
  • 應加碼的低配領域(低於閾值)
  • 稅務考量(資本利得影響)

5.2 制定再平衡計畫:

應減碼的部位:

  • 超配部位(偏離目標 > 閾值)
  • 大幅上漲的股票(估值考量)
  • 超過投資組合 15-20% 的集中部位
  • 論點失效的部位

應加碼的部位:

  • 低配的行業或資產類別
  • 當前低配的高信心部位
  • 改善分散程度的新機會

資金部署:

  • 若超額現金(> 投資組合的 10%),建議部署
  • 根據機會和配置缺口進行優先排序

5.3 優先順序: 依優先級對再平衡行動進行排名:

  1. 立即 - 降低風險(減碼集中部位)
  2. 高優先級 - 重大配置偏離(偏離目標 > 10%)
  3. 中優先級 - 中等偏離(偏離目標 5-10%)
  4. 低優先級 - 微調與機會性調整

輸出:

## 再平衡建議

### 摘要
- **需要再平衡:** [是 / 否 / 選擇性]
- **主要原因:** [集中風險 / 行業偏離 / 資金部署 / 等]
- **估計交易次數:** X 筆賣出訂單,Y 筆買入訂單

### 建議行動

#### 高優先級:降低風險
**減碼 [代號]** 從 XX% 降至 YY% 的投資組合
- **建議賣出股數:** XX 股 (~$XX,XXX)
- **理由:** [超配 / 估值偏高 / 等]
- **稅務影響:** $X,XXX 資本利得(估計)

#### 中優先級:資產配置
**增加 [行業/資產類別]** 曝險
- **目標:** 從 XX% 增加至 YY%
- **建議股票:** [代號1, 代號2, 代號3]
- **建議投資金額:** ~$XX,XXX

#### 資金部署
**當前現金:** $XX,XXX(占投資組合的 XX%)
- **建議:** [部署 / 保留以等待機會 / 降至 X%]
- **建議配置:** [分配至各行業/股票]

### 執行計畫
1. [第一個行動 - 最高優先級]
2. [第二個行動]
3. [第三個行動]
...

**時機考量:**
- [稅務年底規劃 / 財報季節 / 市場狀況]
- [若適用,建議分階段執行]

步驟 6:產生投資組合報告

建立儲存於儲存庫根目錄的全面 Markdown 報告:

檔案名稱: portfolio_analysis_YYYY-MM-DD.md

報告結構:

# 投資組合分析報告

**帳戶:** [若可用,帳戶類型]
**報告日期:** YYYY-MM-DD
**投資組合價值:** $XXX,XXX
**總損益:** $XX,XXX (+XX.X%)

---

## 執行摘要

[3-5 點摘要關鍵發現]
- 整體投資組合健康度評估
- 主要優勢
- 關鍵風險或疑慮
- 主要建議

---

## 持股概覽

[所有部位的摘要表格]

---

## 資產配置
[來自步驟 3.1 的內容]

---

## 分散程度分析
[來自步驟 3.2 的內容]

---

## 風險評估
[來自步驟 3.3 的內容]

---

## 績效回顧
[來自步驟 3.4 的內容]

---

## 個股分析
[來自步驟 4 的內容]

---

## 再平衡建議
[來自步驟 5 的內容]

---

## 免責聲明

此分析由 AI 產生,僅供參考,不構成財務建議。在做出任何投資決策前,請諮詢合格的財務顧問。

步驟 7:判斷下一步

在產生報告後,建議適當的後續行動:

  • 若偵測到高風險:「建議立即審查集中部位。要我可執行再平衡交易嗎?」
  • 若分散程度不佳:「您的投資組合可透過增加 X 個行業來改善分散程度。要我可分析具體建議嗎?」
  • 若現金過多:「您持有大量現金。要我可建議適合您風險承受度的部署方案嗎?」
  • 若績效落後基準:「您的投資組合落後基準 Y%。要我可建議調整嗎?」
  • 一般:「分析完成。要我可執行再平衡、調整部位,或回答有關報告的問題嗎?」

參考檔案

此技能依賴位於 references/ 目錄的參考檔案:

  • asset-allocation.md:資產配置框架
  • diversification-principles.md:分散原則與衡量指標
  • portfolio-risk-metrics.md:風險衡量框架
  • position-evaluation.md:個股部位評估
  • rebalancing-strategies.md:再平衡方法
  • alpaca_mcp_setup.md:Alpaca MCP Server 設定指引(若需要設定協助)

錯誤處理

常見問題:

  1. MCP Server 未連線:若 Alpaca MCP Server 未設定或未回應:

    • 通知使用者伺服器狀態
    • 提供參考檔案的設定說明
    • 建議在無 MCP 連線時使用模擬資料或手動輸入
  2. 空投資組合:若未發現部位:

    • 通知使用者未偵測到任何部位
    • 建議檢查帳戶是否已存入資金
    • 提供建立部位或資金的選項
  3. 部分資料可用:若某些資料點無法取得:

    • 儘可能繼續分析
    • 標記無法取得資料的欄位
    • 註明此限制
  4. 異常部位:若遇到混合資產類型(股票、選擇權、加密貨幣等):

    • 專注於可處理的資產
    • 建議使用更專業的工具處理其他資產

安全與隱私

  • API 金鑰與憑證:永遠不要記錄或顯示使用者的 Alpaca API 金鑰
  • 帳戶資料:投資組合分析報告僅在目前工作階段內使用,不應保存
  • 建議:再平衡建議僅為參考,使用者應在下單前自行審查
  • 免責聲明:每份報告應包含免責聲明,註明此為自動化分析,不構成財務建議

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

NeverSight/learn-skills.dev

Use when generating or modifying Remotion video code, creating demo videos, or working with the demo-video/ directory

NeverSight/learn-skills.dev

Create AI avatar and talking head videos via inference.sh CLI. Recommended: P-Video-Avatar (fastest, cheapest, built-in TTS). Also: OmniHuman, Fabric, PixVerse. Audio: Inworld TTS-2 (100+ languages, emotion steering for characters), ElevenLabs, Kokoro. Capabilities: audio-driven avatars, text-to-avatar, lipsync videos, talking head generation, virtual presenters, UGC content. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos, UGC ads, gaming avatars, NPC dialogue. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human, ugc, ugc video, ugc ad, avatar ugc

NeverSight/learn-skills.dev

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

NeverSight/learn-skills.dev

Generate AI videos with Google Veo, Seedance 2.0, HappyHorse, Wan, Grok and 40+ models via inference.sh CLI. Models: Veo 3.1, Veo 3, Seedance 2.0, HappyHorse 1.0, Wan 2.5, Grok Imagine Video, OmniHuman, Fabric, HunyuanVideo. Capabilities: text-to-video, image-to-video, reference-to-video, video editing, lipsync, avatar animation, video upscaling, foley sound. Use for: social media videos, marketing content, explainer videos, product demos, AI avatars. Triggers: video generation, ai video, text to video, image to video, veo, animate image, video from image, ai animation, video generator, generate video, t2v, i2v, ai video maker, create video with ai, runway alternative, pika alternative, sora alternative, kling alternative, seedance, happyhorse

NeverSight/learn-skills.dev

ElevenLabs automatic dubbing - translate and dub audio/video into 29 languages while preserving speaker voice via inference.sh CLI. Capabilities: auto speaker detection, voice-preserving translation, video dubbing, audio localization. Use for: content localization, video translation, multilingual content, international distribution. Triggers: dubbing, dub video, translate audio, video translation, audio translation, localize content, elevenlabs dubbing, eleven labs dub, multilingual dub, voice translation, auto dub, language dub, content localization

NeverSight/learn-skills.dev

Explainer video production guide: scripting, voiceover, visuals, and assembly. Covers script formulas, pacing rules, scene planning, and multi-tool pipelines. Use for: product demos, how-it-works videos, onboarding videos, social explainers. Triggers: explainer video, how to make explainer, product video, demo video, video production, video script, animated explainer, product demo video, tutorial video, onboarding video, walkthrough video, video pipeline

NeverSight/learn-skills.dev

Still-to-video conversion guide: model selection, motion prompting, and camera movement. Covers Wan 2.5 i2v, Seedance, Fabric, Grok Video with when to use each. Use for: animating images, creating video from stills, adding motion, product animations. Triggers: image to video, i2v, animate image, still to video, add motion to image, image animation, photo to video, animate still, wan i2v, image2video, bring image to life, animate photo, motion from image

NeverSight/learn-skills.dev

Generate talking head avatar videos with Pruna P-Video-Avatar via inference.sh CLI. Turn a portrait image into a realistic speaking video with built-in TTS. 18x faster and 6x cheaper than competitors. Models: P-Video-Avatar, P-Image (for portrait generation). Capabilities: text-to-avatar, audio-driven avatars, 30 voices, 10 languages, 720p/1080p, built-in TTS, dynamic backgrounds, full-body control. Use for: AI presenters, product demos, explainer videos, virtual influencers, marketing, education, multilingual content, UGC, gaming avatars. Triggers: avatar video, talking head, ai avatar, p-video-avatar, pruna avatar, video avatar, ai presenter, digital human, virtual presenter, lipsync, talking avatar, ai spokesperson, heygen alternative, synthesia alternative, veed alternative, fabric alternative, omnihuman alternative

NeverSight/learn-skills.dev

Generate videos with Pruna P-Video and WAN models via inference.sh CLI. Models: P-Video, WAN-T2V, WAN-I2V. Capabilities: text-to-video, image-to-video, audio support, 720p/1080p, fast inference. Pruna optimizes models for speed without quality loss. Triggers: pruna video, p-video, pruna ai video, fast video generation, optimized video, wan t2v, wan i2v, economic video generation, cheap video generation, pruna text to video, pruna image to video

NeverSight/learn-skills.dev

Render videos from React/Remotion component code via inference.sh. Pass TSX code, get MP4. Supports all Remotion APIs: useCurrentFrame, useVideoConfig, spring, interpolate, AbsoluteFill, Sequence. Configurable resolution, FPS, duration, codec. Use for: programmatic video generation, animated graphics, motion design, data-driven videos, React animations to video. Triggers: remotion, render video from code, tsx to video, react video, programmatic video, remotion render, code to video, animated video, motion graphics code, react animation video

NeverSight/learn-skills.dev

Video ad creation with exact platform-specific specs for TikTok, Instagram, YouTube, Facebook, LinkedIn. Covers dimensions, duration limits, AIDA framework, and caption requirements. Use for: video ads, social media ads, paid media creative, video marketing, ad production. Triggers: video ad, social media ad, tiktok ad, instagram ad, youtube ad, facebook ad, linkedin ad, video creative, ad specs, paid media, video marketing, ad production, reels ad, stories ad, pre roll, bumper ad

NeverSight/learn-skills.dev

Best practices and techniques for writing effective AI video generation prompts. Covers: Veo, Seedance, Wan, Grok, Kling, Runway, Pika, Sora prompting strategies. Learn: shot types, camera movements, lighting, pacing, style keywords, negative prompts. Use for: improving video quality, getting consistent results, professional video prompts. Triggers: video prompt, how to prompt video, veo prompts, video generation tips, better ai video, video prompt engineering, video prompt guide, video prompt template, ai video tips, video prompt best practices, video prompt examples, cinematography prompts

NeverSight/learn-skills.dev

YouTube thumbnail design with specific dimensions, contrast rules, and mobile preview optimization. Covers safe zones, text placement, face expression psychology, and A/B testing. Use for: YouTube thumbnails, video cover images, click-through optimization. Triggers: youtube thumbnail, thumbnail design, video thumbnail, click through rate, ctr optimization, youtube cover, video cover image, thumbnail maker, thumbnail tips, youtube design, video preview image

NeverSight/learn-skills.dev

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

NeverSight/learn-skills.dev

Configure and use the hosted YouTube Data MCP end-to-end with minimal user input. Use when users want the agent to verify Node.js and `npx`, configure MCP server config (Windows/macOS, Cursor/Codex/OpenClaw/OpenCode), request API key at setup time, run post-install capability discovery (`tools/list` and `get_patch_notes`), and then strongly recommend helper skill and Python setup for full local document and spreadsheet workflows.

NeverSight/learn-skills.dev

Creates 120fps GPU-accelerated animations with Motion.dev (Framer Motion successor) for React, Next.js, Svelte, and Astro projects. Use when user requests animation, motion, scroll effects, parallax, hero animations, gestures, drag interactions, spring physics, whileHover effects, whileInView animations, animated UI, micro-interactions, page transitions, or layout animations. Generates production TypeScript/JSX code with accessibility (prefers-reduced-motion) and performance validation (≥60fps). Supports entrance animations, gesture interactions (hover/tap/drag), scroll-based reveals, and layout transitions using spring physics and natural timing. Do NOT use for CSS-only transitions (use native CSS), static sites without JavaScript, Vue animations (use motion-v variant instead), or SVG/Canvas complex animations (GSAP better suited).

NeverSight/learn-skills.dev

Static artifact craft skill for self-contained HTML/CSS/JS documents: docs, sheets, dashboards, explainers, slides, tools, and landing pages. Use when the user asks for a durable, openable, shareable web deliverable they'll keep or hand off — a report, a dashboard, a slide deck, a data table, a page. Local folder first, temporary public link via tunnel (localhost.run), optional durable publish to Surge, GitHub Pages, or Cloudflare. Not for quick look renders, inline snippets, or throwaway scratch. Not for SPA frameworks, backend APIs, database apps, or production product UI.

NeverSight/learn-skills.dev

FFmpeg commands for video/audio conversion, trimming, compression, and processing. Use when user mentions "ffmpeg", "convert video", "compress video", "extract audio", "trim video", "gif from video", "video codec", "transcode", "screen recording", "merge videos", "video to mp4", "reduce file size", or any media processing task.

NeverSight/learn-skills.dev

Vim keybindings, motions, text objects, and operators for efficient text editing. Use when user asks about "vim commands", "vim motions", "text objects", "vim keybindings", "vim cheat sheet", "learn vim", "vim in VS Code", or any Vim editing tasks.

NeverSight/learn-skills.dev

Grok Build ONLY. Turn a 2D character still into smooth animation sprites via image_gen/image_edit base → image_to_video (6s/10s run-in-place) → ffmpeg frames → magenta chroma-key → dense sampled sprites (strip/grid/GIF). Use when the user wants video-to-sprite, motion capture from generated video, smoother run/walk cycles from dense frames, or runs /video2dsprite. Do NOT use on Codex/Claude — only Grok Build has image_to_video. Prefer generate2dsprite for crisp pixel sheets without video.

相關技能