当用户要求从 git 历史记录生成每周报告、处理文档链接、使用 URL 描述更新 Markdown 文件或提及“生成周报”、“处理文档链接”、“更新 docs.md”时，应该使用此技能。通过从 git 提交或源文件中提取 URL、生成简洁的中文描述并将其组织到 Markdown 表中，自动生成每周报告。
使用 Workers、Pages 和相关平台服务将应用程序和基础设施部署到 Cloudflare。当用户要求在 Cloudflare 上部署、托管、发布或设置项目时使用。
交互式调试模式，可生成假设、使用运行时日志检测代码，并通过人机交互验证迭代修复错误。仅针对难以诊断的错误；在这些情况下，请提醒用户调试模式可用，并且切勿主动激活此技能。
具有 PII 匿名化功能的通用法律文档处理器。匿名→工作→去匿名化。模式：MEMO（法律分析）、REDLINE（跟踪合同变更）、SUMMARY（简要概述）、COMPARISON（比较两个文档）、BULK（最多 5 个文件）。支持 .docx 和 .pdf 输入。触发：合同审查、风险分析、合规性检查、GDPR 审查、条款分析、跟踪变更、红线、“匿名”、“pii 屏蔽”。如果用户上传合同/NDA/DSAR/HR 文档 - 使用此技能。如果用户说“跳过 pii”或“不要匿名”- 跳过匿名并直接工作。
当用户说出以下任何内容时立即触发：“设计这个”、“计划实施”、“计划这个”、“我们应该如何构建”、“实施计划”、“在编写代码之前”、“设计功能”、“弄清楚如何构建”。一旦了解了所需的行为，也可用于实现设计：在创建功能、构建组件、添加功能或修改行为之前。不要跳过此技能并直接开始编码 - 如果出现触发短语，即使自动模式处于活动状态，也要路由至此处。请勿用于开放式产品头脑风暴或模糊要求；首先使用规格。在设计获得批准之前没有代码。
AI 代理的电子邮件收件箱 - 创建地址、发送和接收电子邮件、管理线程
自动标注尺寸：使用 Ray-Casting 或 BoundingBox 方法，在平面视图中自动建立房间、走廊、MEP 设备的尺寸标注。触发条件：使用者提到标注、尺寸、dimension、annotation、净宽、净高、measurement、自动标注、批次标注。工具：create_dimension_by_ray、create_dimension_by_bounding_box、get_room_info。
当用户想要跟踪关注者增长、了解推动新关注者的因素或分析受众发展时。当用户提到“关注者增长”、“关注者”、“受众增长”、“获得关注者”、“失去关注者”、“谁关注了我”或“增加我的受众”时也可以使用。使用 BlackTwist 关注者数据（如果有）。对于后级指标，请参阅 Performance-analyzer-sms。有关内容模式，请参阅 content-pattern-analyzer-sms。
设计和创建AI代理包——清单格式、目录结构、文件写入工作流程
在创建或修改自定义代理行为的 OpenCode 规则（.md/.mdc 文件）时使用。当用户想要创建规则、编纂重复指令、跨会话保留指导或将规则范围限制到特定文件、提示、环境或工作流程时触发。
通过自退火循环构建经过验证的网络研究流程。设定研究目标，生成搜索步骤，针对样本公司进行测试，对准确性进行评分，然后迭代直至 90% 以上。在创建新的研究工作流程、构建粘土代理/代理提示或系统化任何网络研究任务时使用。
使用命令驱动的工作流程和扩展引用在 Plugin Playground 中引导和迭代 TypeScript/TSX JupyterLab 插件以进行插件开发。
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：
