- 📄 SKILL.md
vercel-doctor
寻找减少 Vercel 账单的方法。在进行更改后运行,以在 Next.js 项目的早期捕获成本高昂的模式。
寻找减少 Vercel 账单的方法。在进行更改后运行,以在 Next.js 项目的早期捕获成本高昂的模式。
PolicyEngine 研究存储库的常见分析模式(CRFB、时事通讯、仪表板、影响研究)。对于人口层面的估计(成本、贫困、分配影响),请使用政策引擎微观模拟技能。 --- # PolicyEngine 分析 使用 PolicyEngine 创建政策影响分析、仪表板和研究的模式。 **对于人口层面的估计**(预算成本、贫困影响、分布分析),请使用 **政策引擎-微观模拟** 技能。该技能涵盖分析回购模式、可视化和家庭级计算。请参阅“MICROSIMULATION_REFORM_GUIDE.md”了解英国特定的微观模拟模式。 ## 对于用户 ### 什么是分析存储库?
将中文文本转换为中式英语——深受中国语法、词序和思维模式影响的英语,产生标志、菜单、说明和日常用语中特有的“中形英语”风格。还可以将英文文本通过中国思维的视角重新呈现,以产生中式英语。应用包含 25 项的检查表,涵盖文章错误、系词删除、主题注释结构、动词混淆、字面计算、时态扁平化等。对于幽默、创意写作、语言教育或演示 L1 迁移模式很有用。触发“/中式英语”、“拍摄中式英语”、“翻译中式英语”、“中式英语化”、“翻译成中式英语”、“让它成为中式英语”、“中式英语这个”、“中式英语”。
根据 101 次创始人访谈中的真实模式评估创业想法
设计代理本机应用程序,其中代理是具有完整工具奇偶性、原子原语和显式完成信号的一等公民。涵盖工具设计、上下文注入、代理到 UI 通信以及移动检查点/恢复模式。在构建代理系统、设计工具界面、构建代理感知 UI、实现 context.md 模式或询问“如何使我的应用程序代理原生”时使用。
分析不同实验变体的会话重播模式,以了解用户行为差异。当用户想要了解用户如何与不同的实验变体交互、识别可用性问题、比较对照组和测试组之间的行为模式或获得定性见解以补充定量实验结果时使用。
使用基于结果的错误处理、重试和断路器模式与 trembita 构建弹性、类型安全的 HTTP 集成。 --- # Trembita 技能 使用此存储库作为代理使用“trembita”实现 HTTP 客户端的实用参考。 ## 何时使用 - 为第三方 REST API 构建 TypeScript 集成。 - 添加强大的错误处理,无需异常驱动的控制流。 - 以最小的依赖性实现重试、断路器和超时。 - 通过注入 `fetchImpl` 编写可测试的 API 代码。 ## 核心模式 1. 使用 `createTrembita()` 初始化一次并处理 init `Result`。 2. 使用 client.request() 来解析 JSON 正文响应。 3. 当需要 HTTP 元数据(“statusCode”、“body”)时,使用“client.client()”。 4. 通过检查 `result.error.kind` 缩小失败范围。 5. 通过 `createRetryingFetch` 和 `CircuitBreaker` 配置添加弹性。 ## 规范参考 - `README.md` - 快速概述和安装。 - `QUICK_START.md` - 第一次成功的最短路径。 - `LEARNING_GUIDE.md` - 概念和渐进示例。 - `EXAMPLES.md` - 生产风格模式。 - `ARCHITECTURE.md` - 请求/错误流程图。 ## Agent Guardrails - 对于请求结果,更喜欢使用“Result”处理而不是“try/catch”。 - 保持端点配置明确并经过验证。 - 首选“expectedCodes”来记录可接受的 HTTP 结果。 - 使用 `client.client()` 通过状态代码进行 404/202 分支。 - 在测试中注入`fetchImpl`;避免全局获取修补。
分析克劳德代码使用中的更高级别模式。输出 (a) 带有隐喻的每月/每周图形摘要 — 生物群落水族馆 (🐋🦈🐬🐟🦐🦠)、原型 (⚙️🔬🌐🛠📝🔍🏗💬)、节奏、堆栈调色板、DORA 雷达 (CFR + 前置时间 + 推送)、摩擦(紧凑/枢轴/子代理); (b) 用于进一步分析的每会话镶木地板包(生物群落、原型、节奏、增长、里程碑、空闲间隙、子代理金字塔、紧凑模式、并行性、突发类、主题)。当用户询问每周/每月报告、会话生物群落、生产力概况、“完成了哪些工作”、会话何时成为鲸鱼、DORA 指标或想要深入了解特定会话时使用。
创建一个具有适当结构和模式的新 rsactor actor。
v1.0.27 -- 检测并修复代码库中的 Go 错误处理反模式。在审核错误处理、修复双重处理错误、删除日志和返回模式、清理日志和换行帮助程序时使用,或者当用户要求分析错误处理卫生、查找错误处理违规或确保错误处理一次时使用。涵盖检测模式、真阳性与假阳性的分类、内部与边界代码的修复策略以及验证步骤。
玩笑测试模式、反模式和质量规则
该代码库的核心约定和模式
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: