使用 Google TimesFM 基础模型进行零样本时间序列预测。在预测任何单变量时间序列（销售、传感器读数、股票价格、能源需求、患者生命体征、天气或科学测量）时使用此技能，无需训练自定义模型。支持具有动态和静态外生变量的基本预测和高级协变量预测 (XReg)。在加载模型之前自动检查系统 RAM/GPU，在处理之前验证数据集拟合，支持 CSV/DataFrame/数组输入，并返回具有校准预测间隔的点预测。包括一个预检系统检查器脚本，必须在首次使用之前运行，以验证机器可以加载模型并处理您的特定数据集。
从文本中删除人工智能生成的文字痕迹。在编辑或审阅文本时使用，使其听起来更自然、更人性化。基于维基百科的综合“人工智能写作的标志”指南。检测并修复模式，包括：夸大的象征意义、促销语言、肤浅的分析、模糊的归因、破折号过度使用、三法则、人工智能词汇、被动语态、否定平行和填充短语。
当用户要求“测试工具”、“运行集成测试”、“使用真实 API 验证功能”、“使用真实模型调用进行测试”、“运行代理循环测试”、“验证端到端”或需要使用实际 LLM 调用在真实代码库上验证 OpenHarness 功能时，应使用此技能。
在写作、计划、继续、修复、修改或跑马拉松/“疯狂写作”/自动延续模式时使用，适用于具有重复人物、多条情节、持续的世界规则、逐章连续性需求或特定风格约束的中国长篇小说。
具有 Web 工作台的自主小说写作 CLI 代理 (InkOS Studio) - 用于创意小说写作、小说生成、风格模仿、章节延续/导入、EPUB 导出、AIGC 检测和同人小说。母语英语支持，具有 10 个内置英语类型配置文件（LitRPG、Progression Fantasy、Isekai、Cultivation、System Apocalypse、Dungeon Core、Romantasy、Sci-Fi、Tower Climber、Cozy Fantasy）。还支持中国网络小说类型（玄幻、仙侠、都市、恐怖等）。多代理管道、两阶段编写器（创意 + 结算）、33 维审计、代币使用分析、创意简述输入、结构化日志记录（JSON Lines）、多模型路由、自定义 OpenAI 兼容提供商支持以及用于可视化图书管理、章节回顾、实时写作进度、市场雷达和分析的 InkOS Studio Web UI。
Twilio 语音和视频 Android SDK 开发指南。在构建本机 Android 调用应用程序、配置 FCM 推送通知、集成 ConnectionService、管理 Android 音频设备、设置 Gradle 依赖项、处理运行时权限或在 Android 模拟器上进行测试时使用。
当用户要求“制作游戏”、“构建游戏”、“生成游戏”，或者想要从自然语言描述生成或更新完整的 Godot 游戏时，应该使用此技能。 --- # 游戏生成器 — Orchestrator 从自然语言生成和更新 Godot 游戏。 ## 功能 当到达管道阶段时，从 `${CLAUDE_SKILL_DIR}/` 读取每个子文件。 |文件 |目的|何时阅读 | |------|---------|--------------| | `visual-target.md` |生成参考图像 | Pipeline start | | `decomposer.md` |分解为任务DAG | After visual target | | `scaffold.md` |建筑+骨架| After decomposition | | `资产规划器.md` | Budget and plan assets | If budget provided | | `asset-gen.md` |资产生成 CLI 参考 |生成资产时 | | `rembg.md` | Background removal |仅当资产需要删除透明度时 | | `task-execution.md` |任务工作流程+命令|第一个任务之前 | | `怪癖.md` |戈多陷阱|编写代码之前 | | *（godot-api 技能）* | C# Godot syntax ref |当不确定 C# Godot 语法时 | | `scene-generation.md` |场景构建者 |目标包括 .tscn | | `test-harness.md` |验证脚本|测试线束前| | `capture.md` |截图/视频|捕获前| | `视觉质量保证。 MD` |视觉 QA（分叉技能）|捕获后| | `android-build.md` | APK 导出 |用户请求Android | ## 管道 ``` 用户请求 | +- 检查 PLAN.md 是否存在（继续检查）| +- 如果是：读取 PLAN.md、STRUCTURE.md、MEMORY.md -> 跳到任务执行 | +- 如果否：继续使用下面的新管道 | +- 生成视觉目标 -> reference.png + ASSETS.md（仅限艺术指导） +- 分析风险 + 定义验证标准 -> PLAN.md +- 设计架构 -> STRUCTURE.md + project.godot + 存根 | +- 如果提供预算（并且 ASSETS.md 中没有资产表）： | +- 规划和生成资产 -> ASSETS.md + 使用资产分配更新了 PLAN.md | +- 向用户显示简明的计划摘要（风险任务（如果有）、主要构建
Analyze stocks and companies using financial market data. Get company profiles, technical insights, price charts, insider holdings, and SEC filings for comprehensive stock research.
在使用 MCP 做前端 JavaScript 逆向时使用，适用于签名链路定位、页面观察取证、本地补环境复现、VMP 类插桩分析、AST 去混淆与证据化输出。
用于 OpenClaw 代理的本地、防崩溃持久内存。默认情况下支持 SQLite。语义搜索、项目、范围、自动捕获。安装或更新后，运行： palaia doctor --fix 完成设置。
Codex 的战略研究伙伴。当用户想要集思广益研究方向、评估想法、评估项目策略或从模糊主题进行结构化构思会议以追求/停止/终止决策时使用。
McKinsey顾问式问题解决系统。从商业问题出发,通过假设驱动的结构化分析方法,生成McKinsey风格研究报告和PPT。融合Problem Solving方法论、MECE原则、Issue Tree拆解、Hypotheses形成、Dummy Page设计、智能数据收集和专业PPT生成能力。
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：
