speech-recognition

使用 Nano Banana Pro (Gemini 3 Pro Image) 生成或编辑图像。支持文生图、图生图及 1K/2K/4K 分辨率，适用于图像创建、修改及编辑请求，使用 --input-image 指定输入图像。

使用 Whisper CLI 进行本地语音转文字（无需 API 密钥）

使用 ffmpeg 从视频中提取帧或短片。

提供 UI/UX 设计智能与实现指导，帮助打造精美界面。适用于 UI 设计、UX 流程、信息架构、视觉风格、设计系统/标记、组件规格、文案/微文案、无障碍及前端 UI（HTML/CSS/JS、React、Next.js、Vue、Svelte、Tailwind）生成/评审/改进。工作流包括：①新 UI 布局与样式生成；②现有 UI/UX 改进；③设计系统标记和组件规范产出；④ UX 建议转化为代码变更。

专家级前端设计指南，用于创建美观、现代的用户界面。适用于落地页、仪表板等各类UI设计。

使用 mcp-diagram-generator MCP 服务器生成和编辑图表。适用于创建新图表、编辑现有的 .drawio/.mmd/.excalidraw 文件、网络拓扑图等场景。

使用 Remotion + React 进行程序化视频创作的完整工具包。涵盖动画、时间控制、渲染（CLI/Node.js/Lambda/Cloud Run）、字幕、3D、图表、文字特效、转场及媒体处理。适用于编写 Remotion 代码、构建视频生成流水线或创建数据驱动的视频模板。

通过 OpenAI Images API 批量生成图像。支持随机提示词采样，并提供 index.html 图库展示。

三省吾身 - 深度自我审视与进化系统。基于角色理论、系统思维、认知偏差三大框架，通过五阶段闭环（反思→计划→执行→验证→固化）实现真正的自我进化。适用于任何需要深度反思的场景：项目复盘、工作改进、能力提升、习惯养成。

将独立任务并发分配给专注的智能体处理隔离问题，无共享状态或顺序依赖，加速问题解决。

在收到代码审查反馈时使用，用于在实施或回复前验证、澄清和评估技术正确性，避免表面同意。

Agent自省机制。在执行任务的关键节点触发结构化自省，防止盲目执行、惯性偏离、过度自信。Use when: 任务开始前、方案选择时、执行受阻时、完成交付前。Triggers on: 自省, 反思, 审视, 回顾, introspect, reflect, 我做得对吗, 检查思路, 方向对吗。

设计并执行LLM提示、Agent行为和内容生成的A/B测试实验。用户说“run an AB test”或“design an exp...”时激活。