Longbridge 平台专家，负责投资分析和开发任务。触发以下任何一项：(1) 任何语言的任何股票/市场分析请求——价格表现、投资组合建议、买入/卖出决策、市场情绪； (2) 提及的任何股票名称或股票代码（带或不带市场后缀，如.US/.HK/.SH）； （3）投资组合相关查询——“持仓”/“我的持仓”/持仓/持仓/账户余额； （4）通过CLI（`longbridge`命令）查询行情数据； (5) 使用‘longbridge’ SDK编写Python/Rust； (6)配置Longbridge MCP服务器； (7)将Longbridge文档集成到LLM/RAG中。覆盖香港、美国、中国（上海/深圳）、新加坡、加密货币市场。
遵循 Google 官方 Android 架构指南，使用 Kotlin、Jetpack Compose、MVVM 架构、Hilt 依赖注入、Room 3 本地持久性（KSP、SQLiteDriver、Flow/suspend DAO）和多模块架构创建生产质量的 Android 应用程序。在创建 Android 项目、模块、屏幕、ViewModel、存储库的请求或询问 Android 架构模式和最佳实践时触发。
审查并解决未解决的大脑合并冲突。
在 Go 中为 Bubble Tea (charmbracelet/bubbletea) TUI 应用程序编写测试时，请使用此技能。触发因素包括任何提到测试 Bubble Tea 模型、teatest、TUI 的黄金文件测试、测试 tea.Cmd 或 tea.Msg、快照测试终端输出，或为使用 Elm 架构的任何 Go CLI/TUI 编写测试（初始化/更新/视图）。当用户询问测试 bubbletea 组件、气泡或唇彩样式视图时，或者当他们需要 CI 友好的 TUI 测试模式时，也可以使用。即使他们只是说“测试我的 TUI”或“向我的 Bubble Tea 应用程序添加测试”，也请使用此技能。
> 使用 SwiftMesh 的全面 AI 参考 — 一个 Alamofire + Codable 包装器，具有异步/等待、组合、流畅配置、文件上传/下载、JSON 键路径解析、弹性 Codable 包装器和内置日志记录。
人工智能特定的书写模式从人工智能生成的文本中删除，使其看起来更自然、更人为书写。多语言支持（29种韩语、29种英语、29种中文、29种日语模式）。模式包和配置文件与两阶段处理管道（结构→句子/词汇）和基于插件的结构相结合。内置意义保存系统 (MPS)。基于 Blader/Humanizer、受 oh-my-zsh 启发的插件架构。
对于模糊的订单自动激活。经常询问比错误执行要好。识别功能（一个就足够了！）： - 顺序 <25 个单词 - 没有特定的文件名/路径 - 模糊动词：更好、优化、修复、制作、更改、改进、适应、扩展、重构、清理、修订 - 不安全的语言：不知何故，也许，只是，快速，容易，一点，可以，应该 - 缺少成功标准：没有所以，所以，因为，为了 - 没有上下文的相对术语：更快，更好，尼斯，简单的输出是结构化 JSON提示建筑师技能。
本地 A 股分析，带有 Markdown/JSON 报告、可选的飞书通知和可选的 iFinD 增强功能。
法律事务的运营计费执行。每月账单准备和账单说明、信用证发票审核和支付处理、客户账单查询响应、现金流建模（信用证付款义务与客户收据）以及杠杆和消耗分析（人员配置、预测总成本、利润轨迹）。触发条件：“准备帐单”、“帐单指示”、“月末帐单”、“信用证发票”、“本地律师发票”、“作为支出传递”、“客户查询发票”、“帐单争议”、“现金流缺口”、“我们什么时候收到付款”、“信用证到期付款”、“杠杆分析”、“人员配置”、“预计总额”成本”、“按等级划分的燃烧率”、“我们是否步入正轨”、“这件事的成本是多少”。
为 AI 代理友好的代码库设置和改进工具工程（AGENTS.md、docs/、lint 规则、评估系统、项目级提示工程）。触发条件：AI 代理的新/空项目设置、AGENTS.md 或 CLAUDE.md 创建、利用工程问题、使代理在代码库上更好地工作。当用户感到沮丧或抱怨代理质量时也会触发 - 例如“代理一直忽视约定”、“它从不遵循指令”、“为什么它一直做 X”、“代理坏了”——因为代理输出不佳几乎总是表明存在缺陷，而不是模型问题。涵盖：上下文工程、架构约束、多智能体协调、评估、长期运行的智能体利用以及智能体质量问题的诊断。
VOC AI — 亚马逊评论情报。输入 ASIN，通过 Shulex VOC API 获取真实的亚马逊评论并运行人工智能分析。输出结构化双语报告：情绪分析、主要痛点、关键卖点和列表优化建议。触发因素：voc、亚马逊评论分析、asin 分析、客户之声、列表优化、痛点、卖点、评论见解、亚马逊 FBA、产品研究
使用 AI/ML 组件为 Python 项目生成和分析 AI 物料清单 (AIBOM)。识别用于安全性和合规性跟踪的人工智能模型、数据集、工具和框架。
skill-sample/ ├─ SKILL.md ⭐ 必备：技能说明入口：用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐：机器可读元信息：用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐：授权与使用范围：开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本：让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范：统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源：报告/文档模板，快速生成标准产物 └─ references/ 🧩 参考资料库：方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考：章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考：常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考：图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档：https://agentskills.io/home
├─ ⭐ 必备：YAML Frontmatter（必须存在，放在文件最顶部） │ ├─ ⭐ name ：技能唯一名；须符合命名规则，并建议与目录名一致 │ └─ ⭐ description ：技能描述；建议包含触发关键词（便于检索/匹配） │ ├─ ✅ 可选：Frontmatter 扩展字段（规范允许，但非强制） │ ├─ ✅ license ：许可证标识（也可配合单独 LICENSE 文件） │ ├─ ✅ compatibility ：兼容性/运行环境要求（仅在确实有限制时写） │ ├─ ✅ metadata ：任意键值对（如 author/version/source_url 等） │ └─ 🧩 allowed-tools ：允许工具白名单（规范标注为 experimental） │ └─ ✅ 推荐：Markdown 正文（自由格式，但建议按“渐进式披露”组织） ├─ ✅ Overview / Purpose ：一句话说明目标 + 不做什么（边界） ├─ ✅ When to use ：触发条件/适用场景（让模型/用户知道何时调用） ├─ ✅ Step-by-step ：步骤化流程（最好 3–6 步，保证可复现） ├─ ✅ Inputs / Outputs ：输入格式、输出格式、产物位置（文件/文本/JSON等） ├─ ✅ Examples ：至少 1 个可复制示例（越“能跑”越好） ├─ 🧩 Files & References ：引用assets/、references/、scripts/（相对路径） ├─ 🧩 Edge cases ：边界情况/限制（大文件、速率限制、失败回退） ├─ 🧩 Troubleshooting ：常见错误与解决（依赖缺失、路径不对、权限问题） └─ 🧩 Safety notes ：涉及联网/写文件/执行命令时给出提醒（建议写）
在 GitHub 和各类社区里，技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库，让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索，支持 版本更新与多维排序（下载/点赞/评论/更新），并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手：
支持下载与导入 skills（.zip/.skill），本地放置后即可生效：
~/.claude/skills/（Claude Code）
~/.codex/skills/（Codex CLI）
~/.gemini/skills/（Gemini CLI）
同一份 SKILL.md 跨平台通用。
你需要了解的：技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills（技能）”是一种可复用的任务能力包，通常包含 SKILL.md 说明（用途、输入输出、使用方法）以及可选的脚本/模板/示例文件。
你可以把它理解为：给 AI 助手或工具链用的“插件说明书 + 资源包”，可被反复安装与分享。
技能系统采用“渐进式披露”策略，高效管理上下文信息，具体流程如下：
发现阶段：系统启动时，智能体仅加载各技能的名称与简要描述——信息精简，足以判断其适用场景，避免冗余加载。
激活阶段：当任务需求与某技能描述匹配时，智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段：智能体严格遵循文档指引执行操作，并按需调用关联文件或运行内置代码模块。
核心优势：该设计使智能体始终保持轻量高效，同时具备“按需扩展上下文”的能力，既保障响应速度，又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用：
注：以上导入方式文件大小控制在10M之内。
常见路径如下（不同系统略有差异，以你本机为准）：
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后，也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源，只要目标工具支持读取该格式，就能共享使用。
比如：检索类技能 + 写作类技能 + 自动化脚本，形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库（至少 2 星），并扫描基本质量指标，还有一部分是SkillWink平台的创作者独立上传的。作为使用者，在安装前应始终审查代码，对安全问题负责。
最常见原因是这几类：
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前：
