- 📁 references/
- 📄 SKILL.md
contribute-review
当需要将具有领域知识(陷阱、基准测试、强制问题、评分校准)的 GitHub 问题集成到技能的参考/文件中时使用。阅读问题,转换为正确的格式,检查矛盾,创建 PR。运行为:/contribute-review #123 或 /contribute-review 扫描。
当需要将具有领域知识(陷阱、基准测试、强制问题、评分校准)的 GitHub 问题集成到技能的参考/文件中时使用。阅读问题,转换为正确的格式,检查矛盾,创建 PR。运行为:/contribute-review #123 或 /contribute-review 扫描。
在最终确定任何面向公众的设计、文档或功能之前,请确定受众、他们搜索的内容以及他们最迫切需要的内容。在创建 README 部分、命名存储库、编写描述或设计面向用户的界面时使用。
遵循 Diátaxis 框架(教程、操作指南、参考和解释页面)创建、构建和审查技术文档。当用户需要编写或重新组织文档、构建教程与操作指南、构建参考文档或 API 文档、创建说明页面、在 Diataxis 文档类型之间进行选择或改进现有文档结构时使用。触发术语包括:文档结构、Diátaxis、教程与操作指南、组织文档、用户指南、参考文档、技术写作。
LimaCharlie 的完整适配器生命周期助手。支持外部适配器(云管理)、云传感器(SaaS/云集成)和本地 USP 适配器。从本地文档和 GitHub usp-adapters 存储库动态研究适配器类型。创建、验证、部署适配器配置并对其进行故障排除。处理解析规则(Grok、正则表达式)、字段映射、凭证设置和多适配器配置。在设置新数据源(Okta、S3、Azure 事件中心、系统日志、Webhook 等)、排除摄取问题或管理适配器部署时使用。
从 docs/data/templates.json 检索客户服务模板,填充变量,并按平台、行业和场景生成准备发送的电子商务支持回复。
当用户想要用现有的项目知识引导大脑时使用 - 阅读 ADR、功能规范、UX 文档、提交历史记录、回顾教训和错误模式,以在磁盘上已有工件的项目上播种机构记忆。也可用于在管道外进行大量工作后进行增量补水。触发“水合大脑”、“引导大脑”、“种子记忆”、“大脑初始化”、“填充大脑”、“导入历史记录”。
通过发现回顾、模式选择、WebFetch 规范获取、知识增量规则、技能锻造判断 + 技能锻造命中质量门创建新的 SKILL.md。触发器:创建技能、编写技能、新技能、SKILL.md、构建技能。
由 AI 驱动的 API 文档生成工具,可从源代码自动生成全面的 API 文档,包括 OpenAPI/Swagger 规范、Postman 集合以及带有示例和身份验证详细信息的 Markdown 文档。
审核所有 Claude 内存和文档文件的陈旧性、符号准确性和上下文预算。
具有验证要求的错误查找器。分析 VCS 更改或特定文件中的错误、边缘情况和安全漏洞。从知识数据库 (MCP) 加载项目上下文(如果可用)。每个发现都需要代码证明。没有假设,只有经过验证的知识。
在 Claude 知识图库中搜索过去的问答会话、概念和开发人员知识。当您需要从以前的对话中查找信息、回忆以前如何完成某件事或查找存储的技术知识时使用。支持韩语和英语查询。
在完成复古功能工作、实施和测试通过后、创建 PR 之前使用。关键词:场景测试、全新安装、复古文档更新。
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: