将您的人工智能纳入绩效改进计划。强制利用西方大型科技性能文化的言辞和结构化调试来彻底解决问题。在以下情况下触发：(1) 任务失败 2 次以上或卡在调整相同的方法； (2) 未经核实就说“我不能”，建议手工操作，或归咎于环境； （3）被动——不搜索、不看源码，只是等待； (4) 用户挫败感：“更加努力”、“停止放弃”、“搞清楚”、“再次？？？”或类似内容。也适用于复杂的调试、环境问题、配置/部署失败。所有任务类型：代码、配置、研究、写作、部署、基础设施、API。不要在首次尝试失败或执行已知修复时触发。
该插件是 OpenClaw 和 LycheeMem 之间的瘦适配器。它不会取代 `memory-core`，不会声明 `plugins.slots.memory`，并且不会重复 LycheeMem 算法。
在代码的任何逻辑单元发生更改后立即运行 vet。不要批量进行更改，不要等待被要求进行兽医检查，确保您积极主动。
仅当用户遇到专门基于 Afro.tools 规范的失败集成时才使用此技能 — 用户正在集成其规范存在于 Afro.tools 注册表中的提供商（Paycard、LengoPay、Djomy、Wave、NimbaSMS 等），并且遇到错误的状态代码、身份验证错误、Webhook 失败、意外响应字段或运行时错误。不要激活通用调试、非 afrotools 提供程序或不基于 Afro.tools 规范的集成。此技能可以诊断问题是否是规范错误、缺失的陷阱或未记录的 API 更改。 --- # Afro.tools — 调试技能 当此技能激活时，获取受影响的提供程序和功能的规范，然后系统地将其与用户的实现进行比较以找到差距。 ## 工作流程 1. 从错误、代码片段或用户描述中识别提供程序 slug 和功能。 如果不清楚就问——不要猜测。 2. 获取规范： ``` afrotools.get_spec({provider: "<slug>",capability: "<capability>" }) ``` 3. **首先检查陷阱。** 大多数集成失败直接映射到记录的陷阱。在寻找其他地方之前先阅读每个条目。 4. 根据规范交叉检查实现： - **Auth** - 正确的字段名称、位置（标头与正文）、格式字符串 - **Endpoint** - 正确的方法和 URL、正确位置的路径参数 - **字段名称** - 提供者字段通常是非标准的（例如“paycard-amount”，而不是“amount”）；将用户的有效负载与“input_schema”进行比较 - **状态值** - 枚举区分大小写（例如，LengoPay 使用“SUCCESS”，而不是“success”）； Paycard 上的“代码：0”表示“已找到”，而不是“已付款” - **Webhook** - 立即返回 HTTP 200，仅在回调时无法满足要求，某些提供商需要 HTTPS 5. 清楚地表达诊断： - 引用相关的规范字段或陷阱 - 显示代码的作用与规范的要求 - 提供最小的更正片段
通过 Source MCP 在 Acquia Source 上发布和更新远程 Canvas 页面 — 图像、道具、布局；页面 JSON 不会通过 CLI 同步到源。 --- # Acquia Source — 通过 Source MCP 的 Canvas 页面 ## 当适用时 当满足以下条件时使用此技能： 1. 目标是 **Acquia Source** Drupal/Canvas 站点（请参阅 [`AGENTS.md`](../../../AGENTS.md) 中的主机名信号和 **`CANVAS_SITE_URL`**）。 2. 工作是在 **远程** 站点上的 **Canvas 页面**（创建页面、放置组件、更新布局/道具、发布），而不是仅限本地的 Workbench 预览。 ## 不要对远程页面使用 Canvas CLI **`canvas push`/`canvas pull` 目前不支持将页面 JSON 同步到远程 Acquia Source 环境或从远程 Acquia Source 环境同步。** 不要指示用户依赖该租户的 CLI 页面同步。 - **组件：**当用户要求推送组件源时，继续使用 Canvas CLI (`npx canvas push`) 和 [`canvas-component-push`](../canvas-component-push/SKILL.md) 推送 **JavaScript 组件**。 - **页面：** 在配置的服务器上使用 **源 MCP 工具**。 ## 图像和媒体（页面不进行 CLI 同步） 因为 **`canvas push` / `canvas pull` 不会将页面 JSON** 同步到 Acquia 源，**存储库 `pages/*.json` 中没有任何内容会自动在远程站点上提供文件或图像道具。** 本地页面规范可能使用 HTTPS 占位符、`placehold.co` 或示例路径，以便 **Workbench** 渲染；这些价值观作为遥远的事实来源并不可靠。将图像处理视为 **仅限远程** 的关注点： ### 该怎么做 1. **发现 prop 形状** — 每个组件的 `component.yml` 定义如何对图像字段进行建模（`image`、`heroImage`、嵌套对象等）。 更新服务器上的实例时保持该形状。 2. **获取 Drupal 托管的媒体** - 优先选择源站点上的资产： - **上传** - 使用源 MCP（`create_media` + 签名的上传 URL 模式等 - 读取实时工具架构）。请参阅 [`acquia-source-site-build`](../acquia-source-site-build/SKILL 中的**阶段 A5**
PopKit 技能创作的参考模板。不是可运行的技能 - 位于 docs/skill-template/ 下，因此它被排除在技能扫描仪之外。在开始一项新技能或将现有技能重构为标准时使用。不要逐字复制而不替换每个<占位符>。
快速 URL 书签捕获：粘贴链接，AI 生成名称和描述，建议类别，以 Awesome-list 格式保存到 Bookmarks.md。当用户想要保存 URL 供以后使用时调用 - 没有其他上下文的裸 URL 默认为此。请勿用于：立即深入处理或总结 URL 内容（使用汇总）、保存不是 URL 的注释（使用捕获）或从头开始研究主题（使用研究）。
快速 URL 书签捕获：粘贴链接，AI 生成名称和描述，建议类别，以 Awesome-list 格式保存到 Bookmarks.md。当用户想要保存 URL 供以后使用时调用 - 没有其他上下文的裸 URL 默认为此。请勿用于：立即深入处理或总结 URL 内容（使用汇总）、保存不是 URL 的注释（使用捕获）或从头开始研究主题（使用研究）。
ADC 使用 **CSS 自定义属性** + **Tailwind v4 `@theme` 指令** + **`color-mix()`** 实现多主题、浅色/深色设计系统。不是 shadcn 默认值。不是 Next.js 模式。
每当使用 QuestDB（一种高性能时间序列数据库）时，请使用此技能。在任何提及 QuestDB、带有 SAMPLE BY、LATEST ON、ASOF JOIN、ILP 摄取或 questdb Python/Go/Java/Rust/.NET 客户端库的时间序列 SQL 时触发。当针对 QuestDB 编写 Grafana 查询、为时间序列汇总创建物化视图、使用 QuestDB 中的订单簿或金融市场数据或涉及指定时间戳或时间分区表的任何 SQL 时也会触发。 QuestDB 使用独特的时间序列关键字扩展 SQL — 标准 PostgreSQL 或 MySQL 模式将失败。在编写 QuestDB SQL 之前请务必阅读此技巧，以避免产生错误语法的幻觉。 --- # QuestDB 技能 ## 如何使用此技能 **重要 — 最小化往返：** - 不要探索库源代码（cryptofeed、questdb 等） - 不要检查库版本或验证回调签名 - 不要读取已安装的包文件来“理解 API” - 不要验证基础设施（Docker 容器、Grafana health）是否正在运行 — 相信用户的提示 - 不要单独启动 `02_ingest.py` — `03_dashboard.py` 启动它并自动验证数据 - 不要阅读本技能文件中已涵盖的主题的额外参考文件 - 请在主题适用时阅读参考文件（例如 enterprise.md 用于身份验证，grafana-advanced.md 用于复杂面板） - 不要使用任务跟踪（TaskCreate/TaskUpdate）进行简单构建 - 不要添加“sleep”命令来等待数据或检查后台进程（部署脚本处理此） - 一旦“03_dashboard.py”启动，请勿使用 Ctrl+C、重新启动或重新启动摄取过程 - 不要将 VWAP、Bollinger 或 RSI 放入单独的时间序列面板 - 它们是 OHLC 烛台面板上的 refID - 不要省略或清空 `fieldConfig.overrides` - 它们将 RSI 放在右 Y 轴 (0-100%) 上并在右轴上传播。如果没有它们，不同的尺度就会把图表压扁。 - 不要将仪表板刷新设置为“5s”——defa
在规划或编码之前探索想法、明确目标并帮助用户缩小方向。每当用户提出新功能或想法、询问“您对 X 有何看法”、说“我正在考虑构建 Y”、想要比较方法、询问如何解决问题或似乎正在探索而不是准备好执行时，请使用此选项。当用户说“集思广益”、“让我们考虑一下”、“最好的方法是什么......”时，或者任何时候正确的下一步是澄清问题并集中在一个方向上，而不是编写代码时，也可以使用它。 --- # 头脑风暴 在做任何事情之前，先问。不要跳到解决方案或实施。目标是找出用户的实际意思，揭示他们尚未说出的内容，并帮助他们集中在一个方向上。 将此视为具有动力的苏格拉底式对话：使用问题来引导思维，但不要让用户永远在选项中徘徊。 ## 从上下文开始 在提问之前，吸收对话、代码库、文档和项目状态中已经存在的上下文。不要询问您已经可以推断或直接查找的信息。 ## 引导对话
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：
