当用户想要计划、设计或实施 A/B 测试或实验时。当用户提到“A/B 测试”、“分割测试”、“实验”、“测试此更改”、“变体副本”、“多变量测试”、“假设”、“我应该测试这个”、“哪个版本更好”、“测试两个版本”、“统计显着性”或“我应该运行此测试多长时间”时也可使用。每当有人比较两种方法并想要衡量哪种方法效果更好时，请使用此方法。有关跟踪实施情况，请参阅分析跟踪。对于页面级转换优化，请参阅 page-cro。
将编码任务委托给 Blackbox AI CLI 代理。具有内置判断功能的多模型代理，可通过多个 LLM 运行任务并选择最佳结果。需要 blackbox CLI 和 Blackbox AI API 密钥。
代表用户驱动 skvm CLI 来分析模型、AOT 编译技能、运行技能辅助任务、运行基准测试以及管理已编译的提案。当用户要求“分析”、“aot-compile”、“bench”、“运行技能”或询问 skvm 建议时触发。
指导用户构建 Snowflake Blueprint Manager 蓝图的应答文件。在以下情况下使用：用户想要创建或完成答案文件、配置蓝图或了解配置问题。触发器：创建蓝图、构建蓝图、配置蓝图、蓝图设置、填写调查问卷、设置蓝图、设置我的第一个 Snowflake 帐户、创建我的环境、建立我的平台、按照最佳实践创建我的帐户、配置我的 Snowflake 组织、设置我的 Snowflake 环境、初始化我的 Snowflake 平台、Snowflake 帐户最佳实践。
对任何代码库运行完整的质量工程审计。从代码中得出行为要求，生成规范跟踪功能测试，通过回归测试运行三遍代码审查，执行多模型规范审计（三人委员会），并生成带有 TDD 验证补丁的综合错误报告。发现仅靠结构代码审查无法发现的 35% 的实际缺陷。适用于任何语言。触发“质量手册”、“规范审核”、“三人委员会”、“适合目的”或“报道剧院”。
"thumbnail", "文章配图", "封面图", "博客配图", "ブログカバー", "블로그 커버".
检测人工智能生成的中文文本并将其人性化。 20+检测类别，句子级分析的加权0-100评分，7种风格转换（休闲/知乎/小红书/微信/学术/文学/微博），句子重组，上下文感知替换。 CNKI/维普/万方学术论文AIGC还原（知网/维普/万方AIGC检测降重），10个学术检测维度，120+学术表达替换，对冲语言注入。纯Python，无依赖。 v2.1.0
为 Discord 和 Slack 撰写一篇关于自给定日期以来存储库更改的摘要文章。分析主要的提交，按插件分组，并生成单独的平台格式的帖子。
通过小爱同学通道交互或控制小爱同学连接的设备时，可以使用该技能。
使用 Dynatrace 仪表板 - 创建、修改、查询和分析仪表板 JSON，包括磁贴、布局、DQL 查询、变量和可视化。支持仪表板创建、更新、数据提取、结构分析和最佳实践。
Build a living AI model of your crush from chat logs, photos, and social media. Runs Bayesian memory tagging, attachment-style diagnosis, and generates a personalized Skill that talks like them. | 把你的 crush 蒸馏成 AI Skill，导入聊天记录，运行贝叶斯信号分析，诊断依恋类型，并模拟对话演习。
从 data.gov.il (CKAN API) 发现、查询和分析以色列政府开放数据。当用户询问以色列政府数据、“data.gov.il”、政府数据集、CBS 统计数据或需要有关以色列交通、教育、健康、地理、经济或环境的数据时使用。支持数据集搜索、表格数据查询、分析指导。通过工作流程最佳实践增强现有的 datagov-mcp 和 data-gov-il-mcp 服务器。请勿用于机密政府数据或需要安全许可的数据。
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：
