- 📁 references/
- 📄 SKILL.md
langfuse
通过 Langfuse MCP 调试 AI 跟踪、查找异常、分析会话并管理提示。在调试 AI 管道、调查错误、分析延迟、管理提示版本或设置 Langfuse 时使用。触发“langfuse”、“跟踪”、“调试 AI”、“查找异常”、“出了什么问题”、“为什么慢”、“数据集”、“评估集”。
通过 Langfuse MCP 调试 AI 跟踪、查找异常、分析会话并管理提示。在调试 AI 管道、调查错误、分析延迟、管理提示版本或设置 Langfuse 时使用。触发“langfuse”、“跟踪”、“调试 AI”、“查找异常”、“出了什么问题”、“为什么慢”、“数据集”、“评估集”。
全面分析 BigQuery 使用模式、成本和查询性能
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互时使用,包括导航页面、填写表单、单击按钮、截屏、提取数据、测试 Web 应用程序或自动执行任何浏览器任务。触发器包括“打开网站”、“填写表单”、“单击按钮”、“截取屏幕截图”、“从页面抓取数据”、“测试此 Web 应用程序”、“登录网站”、“自动执行浏览器操作”或任何需要编程 Web 交互的任务的请求。
在 Databricks Apps 平台上构建应用程序。当要求创建仪表板、数据应用程序、分析工具或可视化时使用。在开始实施之前调用。
代码覆盖率分析工具。这些工具有助于分析和可视化测试执行的代码覆盖率、将覆盖率数据上传到 Neo4j 以及显示覆盖率统计信息。可用工具:运行覆盖率、展示覆盖率。
分析实验——通过交叉运行比较对结果进行深入分析
询问特定的 AI 模型(codex、gemini、grok、perplexity、claude)进行重点分析或第二意见
系统架构和设计思维——需求分析、组件设计、数据建模、扩展策略和权衡分析。在以下情况下使用:“设计这个系统”、“架构的用途是什么”、“X 的权衡”、“我们应该如何架构”、“系统设计”、“API 设计”、“数据模型”、“服务边界”、“架构文档”、“创建 ADR”。当设计思维完成后,这项技能就会交给 /ship:write-docs 来编写设计文档。注意:这不适用于视觉设计(使用/ship:视觉设计)或实施规划(使用/ship:设计)。 --- # 架构设计 在将系统设计决策写下来之前,请仔细思考。这项技能是关于**思考**——需求、组件、权衡、边界。当设计准备就绪时,您必须调用`Skill("write-docs")`来编写设计文档——不要内联编写文档。 ## 扩展到复杂性 并非每个决策都需要全部 5 个阶段。将深度与决策相匹配: - **小**(单一组件,明确的约束) - 第 1 阶段简要,第 2 阶段,第 5 阶段。跳过深入研究和扩展。 - **中**(多组件,一些未知)- 所有 5 个阶段,但保持每个阶段简洁。 - **大型**(新系统、重大未知因素、跨团队)——全部 5 个阶段的全面深入,带有图表和明确的负载估计。 ## 危险信号 **从不:** - 跳过需求收集并直接跳到解决方案 - 在不了解现有约束(技术堆栈、团队、时间表)的情况下进行设计 - 省略权衡分析 - 每个决策都有因某种原因被拒绝的替代方案 - 跳过边界部分 - 这是核心的防漂移机制 - 提出设计而不验证实际代码库的假设 - 将“我们想要的”与“存在的”混为一谈 - 明确差距 ## 第 1 阶段:需求收集在设计任何东西之前,请先了解您要解决的问题。 ### 功能要求 - 系统必须做什么?列出具体能力。 - 输入/输出有哪些
从零构建机构级三表模型(IS/BS/CF)— 完整公式联动、季度/半年/年频自适应、IFRS/US GAAP/中国准则。 触发词:三表模型、financial model、3-statement、建模、从零建模、收入预测。 ❌ 填写已有模板请用 financial-analysis:3-statements --- # 3-Statement Model — IPO / Equity Research Quality (v4.8 · Public Edition) --- ## 🚀 Quick Start — New Users **This skill builds:** A complete institutional-grade 3-statement financial model (IS / BS / CF) in Excel, with full formula linkage, zero hardcoded forecast cells, and 9-step QC validation. **Prerequisites — install before starting:** ```bash pip install openpyxl yfinance pandas pip install notebooklm # optional — only needed if you have a NotebookLM notebook ``` **How to trigger:** Just say `"建个三表模型"` / `"build a 3-statement model for [Company]"` and the skill guides you step by step. **What to prepare:** - Company ticker (e.g. `BABA`、`0700.HK`、`600519.SS`) - 数据源 - 请参阅下面的建议 - 5 个会话约 1-2 小时(每个会话都是独立的 - 随时暂停和恢复) **⚠️ 数据源指南 - 开始前阅读** |选项|设置|代币成本 |受到推崇的? | |--------|--------|------------|--------------| | **NotebookLM 笔记本**(预加载年度报告/招股说明书)|一次性 OAuth 身份验证设置 |非常低——NLM 处理 PDF;克劳德只收到答案 | ✅ 最佳路径 | | **Excel 上传**(历史 IS/BS/CF 已结构化)+ 简短的 PDF 摘录 |无 |低| ✅ 好 | | **直接PDF上传**(完整年度报告、招股说明书)|无 | 🔴非常高——一份A股年报可达200+页 | ⚠️ 专业用户:避免 | | **仅限网络**(新浪/雅虎财经后备)|无 |低| ✅ 后备| **强烈建议新用户:首先设置 NotebookLM。** 一次性身份验证流程大约需要 5 分钟,并为每个未来模型节省大量令牌消耗: ```bash pip install notebooklm # 交互运行一次 — 浏览器将为 Google OAuth 打开 python3 -c " import asyncio from notebooklm import NotebookLMClient async def auth( ): 与await NotebookLMClient 异步。
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互时使用,包括导航页面、填写表单、单击按钮、截屏、提取数据、测试 Web 应用程序或自动执行任何浏览器任务。触发器包括“打开网站”、“填写表单”、“单击按钮”、“截取屏幕截图”、“从页面抓取数据”、“测试此 Web 应用程序”、“登录网站”、“自动执行浏览器操作”或任何需要编程 Web 交互的任务的请求。
为数据科学决策包设计代理系统提示、并行架构和方法护栏。在为分析工作流创建协调器、子代理或并行代理系统时使用。涵盖反制造规则、认知谦逊、何时停止、冲突检测、不确定性报告、重试协议、提示设计原则和决策实验室运行时机制。
[UDS] 分析 AC 與測試的追蹤關係及覆蓋率
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: