面向《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 的 12 个中文技能，聚焦 AI 细分方向的中文期刊投稿全流程，事实以官网 manu46.magtech.com.cn/Jweb_prai 与 CNKI/CCF 推荐中文科技期刊目录双源核验。
Plugin prai-skills from marketplace awesome-journal-skills in brycewang-stanford/Awesome-Journal-Skills. Commands read from the repo's manifest — 1 month ago.
prai-artifact-evaluation在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 处理代码与数据可用性、撰写可用性声明时调用。本刊作为中文期刊是否设立独立的制品评审徽章(artifact badge)制度目前待核实——本技能讲清现状与稳妥做法：如何写诚实的代码/数据可用性声明、如何组织可供外审核验的复现仓库、如何在不可公开时说明原因与替代验证途径、如何与审稿匿名要求(是否双盲待核实)协调。用于让模式识别/机器学习论文的制品支撑而非拖累评审，避免可用性声明与实际提供的材料不一致。
prai-author-response在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 撰写审稿意见答复(rebuttal)与修回说明时调用。覆盖如何逐条回应外审与编辑意见、如何组织答复信结构、如何在修订稿中标注并定位修改、如何礼貌而有据地处理不同意的意见、如何应对"较大修改重新送审"、以及补做实验/改写后的证据呈现。用于把一轮大修/小修转化为经得起复审的答复信与修订稿，提升再审通过率；本刊多轮修回为常态，答复质量直接影响录用。
prai-camera-ready在《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 稿件被录用后做定稿、校样(清样)核对与出版准备时调用。覆盖录用后按主编终审与编辑意见定稿、恢复作者信息与致谢/基金显名、校样阶段的图表公式参考文献终检、GB/T 7714 与中图分类号复核、版面费/审理费缴纳(金额待核实)、著作权授权、出版排期与月刊见刊节奏，以及录用后不得实质改动内容的纪律。用于把一篇已录用的模式识别/人工智能长文平稳送到见刊，避免校样阶段引入新错误或流程延误。
prai-experiments在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 设计与呈现模式识别/机器学习实验证据时调用。覆盖研究问题(RQ)拆解、公平基线与相同划分/算力、评测指标选择(准确率/F1/mAP/IoU/AUC 等)、多次运行的均值±标准差与统计显著性检验、消融实验、复杂度与开销报告、数据泄漏与评测污染的防范，以及把每条主张绑定到证据的呈现方式。用于把 AI 细分方向的实证部分做到经得起外审对"基线是否公平、结果是否可信、消融是否充分"的质询。
prai-related-work在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 撰写相关工作/文献综述并确立创新性时调用。本刊要求成果具原创创新价值，相关工作须 delta 优先——把本文相对最接近工作的增量讲清，而非文献罗列。覆盖如何组织相关工作、如何在模式识别/机器学习/视觉/NLP 语境中定位 delta、如何用 GB/T 7714 规范引用中英文文献并给中文文献英文对照、如何避免"综述式罗列"与"漏引近作"两类退稿风险。用于把创新性写到经得起外审质疑的水准。
prai-reproducibility在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 准备可复现性与实验可重复材料时调用。覆盖固定随机种子、锁定软硬件环境与依赖版本、固定数据集划分与预处理、预训练权重与大模型版本的记录、复现包(脚本/配置/环境文件)的组织、大数据与权重的稳定托管、以及可复现自查冒烟测试。用于让本刊模式识别/机器学习论文的实验结果能被外审与后续读者重复，降低"结果无法复现"的信任风险；本刊是否设强制复现要求以官网当期须知为准(待核实)。
prai-review-process在需要理解《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 的同行评审流程并识别各环节作者杠杆时调用。覆盖编辑初审(宗旨/体例/字数/查重)→专家外审(官方口径一般6个月内给评审结果)→修回(可能多轮，较大修改重新送审)→主编终审→录用的完整链路、各环节的退稿/退修理由、超过6个月作者可通知编辑部自行处理的官方口径、以及作者在每个环节能施加影响的着力点。用于把审稿流程建模为可预期的阶段并规划应对；审稿是否双盲等细节以官网当期须知为准(待核实)。
prai-submission在向《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 正式提交稿件前做投稿就绪审计时调用。覆盖官方投稿系统 manu46.magtech.com.cn/Jweb_prai 的"作者中心"在线投稿、上传前病毒检查、字数 18000~44000 字长文体例、中文摘要(约200字)+英文摘要(约200词)报道性四要素、中英文关键词(3~5)、中图分类号(TP)、GB/T 7714 参考文献中英文对照、编辑部重复率检测红线、栏目归属与稿件类型，并在提交前做退稿风险分诊。适用于把一份模式识别/人工智能方向的中文原创长文
prai-supplementary在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 划分正文与附录/补充材料/多媒体附件时调用。覆盖以"决定性"为原则区分哪些内容必须进正文(支撑核心主张)、哪些可移入附录(证明细节、额外实验、超参表、更多可视化)、如何组织补充材料使外审无需附录也能判断主要贡献、以及附件(数据样例、演示视频)的提交与匿名注意事项。用于在 18000~44000 字长文体例下合理编排信息密度，避免正文臃肿或关键证据缺失，本刊附件政策以官网当期须知为准(待核实)。
prai-topic-selection在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 判断一个选题是否契合、以及该写成何种稿件类型时调用。本刊专注模式识别、人工智能、机器学习、计算机视觉、自然语言处理、智能系统等 AI 细分方向，比综合性计算机刊更聚焦 AI，与《自动化学报》(控制为主)、《计算机学报》(全学科)、《软件学报》(系统软件)分工不同。用于评估贡献是否有原创增量、是否落在本刊 AI 学科范围、该投研究论文还是综述、以及是否更适合改投兄弟刊，避免因不符宗旨在初审被退。
prai-workflow在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 规划或推进一次完整投稿(从选题、写作、实证、投稿、外审修回到录用见刊)时调用，作为编排其余 11 个技能的总线。覆盖本刊编辑初审→专家外审→主编终审的同行评审时间线、官方约 6 个月审稿口径、18000~44000 字长文节奏、多轮修回预算与各阶段应触发的子技能。用于把一份模式识别/人工智能中文长文的全生命周期拆解为可执行的阶段清单与里程碑，避免遗漏关键环节。
prai-writing-style在为《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence, PR&AI) 撰写或打磨中文长文体例时调用。覆盖报道性中文摘要(约200字)与English Abstract(约200词)的四要素、中英文关键词(3~5)、中图分类号(TP)、作者简介与基金项目、参考文献 GB/T 7714 且中文文献中英文对照、量与单位法定用法、首页范式(问题→现状不足→贡献→证据→意义)，以及模式识别/机器学习论文的公式、算法、图表规范。用于把一份 AI 细分方向的中文稿件写到符合本刊体例、经得起编辑初审与外审的水准。
AI-first computer-science conference skill stack: 155 conference fit-and-submission profiles plus a CS/AI router. Covers top AI/ML, data mining, vision, NLP, robotics, HCI, systems, security, software engineering, programming languages, databases, and theory venues, with current-cycle CFP and author-kit re-check discipline.
156 skills
English natural-science / clinical / physical / formal-science journal routing and per-journal fit skills with official-submission-check discipline.
155 skills
Chinese social-science journal routing and per-journal fit skills with official-submission-check discipline.
103 skills
English economics / business journal routing and per-journal fit skills with official-submission-check discipline.
101 skills
English engineering / technology journal routing and per-journal fit skills with official-submission-check discipline.
41 skills
English humanities journal routing and per-journal fit skills with argument-, source-, and style-guide discipline.
37 skills
5 skills + 35 modes + Material Passport pipeline. Includes v3.6.7 cross-model audit gate and v3.6.8 generator-evaluator contract.
5 skills · 16 commands · 4 agents · hooks
Full Domino Data Lab platform support — workspaces, jobs, model deployment, experiment tracking, GenAI tracing, Spark/Ray/Dask, and app deployment for data science teams
26 skills · 4 commands · 3 agents · 1 MCP server
Exa AI web search, deep research, and content extraction. Provides MCP tools and research skills for comprehensive web search, people discovery, company research, academic papers, and more.
2 skills · 1 MCP server
Enterprise / cross-functional Research Operations domain — the managed counterpart to the academic research/ domain. v2.9.0 ships 5 skills: orchestrator (context: fork), clinical-research (protocol synopsis, endpoint selection, sample-size/power for means/proportions/survival, phase-gate feasibility), research-finance (R&D budgeting with F&A split, burn/runway, capitalize-vs-expense routing, portfolio ROI), market-research (TAM/SAM/SOM top-down and bottoms-up, survey sampling with FPC, Kotler segmentation), and product-research (goal-matched study design, method-based saturation, insight synthesis flagging single-source anecdotes). Hard rules: outputs are estimates routed to a named clinical or finance owner, market sizes show method + assumptions, product insights require recurrence across independent participants. 24 stdlib Python tools, 12 reference docs. Distinct from ra-qm-team, finance, research/grants, product-team, and marketing-skill.
6 skills · 7 commands · 2 agents
Data engineering, ML, and AI specialists - data pipelines, machine learning, LLM architecture
Contribution-first, reviewer-aware academic paper and report writing system.
2 skills
This page updates itself from your repo. Add the badge to your README, or get it Featured to pin it above the organic results with a followed link to your site.