- 📁 agents/
- 📁 casting/
- 📁 decisions/
- 📄 casting-history.json
- 📄 casting-policy.json
- 📄 casting-registry.json
{skill-name}
{这项技能教给代理什么}
{这项技能教给代理什么}
An AI Agent cognitive growth system built on the native OpenClaw architecture. It provides agents with persistent memory management, visual intimacy progression, a 5-dimensional cognitive profile, gamified daily quests, team leaderboards, and a 5-layer memory architecture with Knowledge Palace, Pyramid thinking, and Ebbinghaus decay function. 基于 OpenClaw 原生架构的 AI Agent 认知成长体系,为 Agent 提供五层记忆架构、知识宫殿、金字塔知识组织、记忆衰减函数、LLM 智能处理、永久化记忆管理、可视化亲密度成长、五维认知画像、游戏化每日任务和团队排行榜。
在使用 A2A(代理到代理)协议时使用此技能 - 代理互操作性、多代理通信、代理发现、代理卡、任务生命周期、流式传输和推送通知。触发任何 A2A 相关任务,包括实施 A2A 服务器/客户端、构建代理卡、在代理之间发送消息、管理任务以及配置推送通知 Webhooks。
使用 Salesforce Agent Script(用于使用 Atlas Reasoning Engine 创作 Agentforce 代理的脚本语言)时使用此技能。触发器包括:创建、修改或理解Agent Script代理;使用 AiAuthoringBundle 文件或 .agent 文件;设计主题图或流程控制;制定或更新代理规范;验证代理脚本或诊断编译错误;预览代理或调试行为问题;部署、发布、激活或停用代理;删除或重命名代理;编写 AiEvaluationDefinition 测试规范或运行代理测试。这项技能从头开始教授代理脚本 - 人工智能模型对此语言的先前训练数据为零。请勿用于 Apex 开发、流程构建、提示模板创作、Experience Cloud 配置或与代理脚本无关的常规 Salesforce CLI 任务。
通过重复运行任何 Claude Code 技能或代理系统、根据评估对输出进行评分(规则的二进制 + 质量的比较)、改变任何拥有的工件(技能的提示、参考资产和可执行工件(脚本、代理/子代理定义、MCP 服务器、挂钩、工具代码))并保持改进,自主优化任何 Claude Code 技能或代理系统。基于 Karpathy 的自动研究方法。每当用户提到优化技能、改进技能或代理、运行自动研究、使技能或代理变得更好、自我改进技能、对技能进行基准测试、评估技能、对技能进行评估、优化代理系统或任何迭代测试和完善技能或代理的请求时,请使用此技能 - 即使他们没有明确使用“自动研究”一词。也会在 스킬 개선、스킬 최적화、스킬 벤치마크、스킬 평і、에 Been 개선、에 Been 최적화 触发。 输出改进的目标技能文件(以及任何变异的可执行工件)、结果日志、变更日志和有意义的方向转变的研究日志。
当通过消息平台(Discord、飞书、Telegram 等)通过 cc-connect 将图像、文件或通知发送回用户时,应使用此技能。当代理生成绘图/图表/屏幕截图并想要向用户显示时触发;代理创建用户应收到的报告/PDF/文件;代理需要主动通知用户(例如任务完成、警报、提醒);用户要求“发送图像”、“向我显示图表”、“通知我”、“发送文件”、“发送到 Telegram”、“在 Discord 中显示情节”。
开发 Letta 代理的综合指南,包括架构选择、内存设计、模型选择和工具配置。在构建 Letta 代理或对其进行故障排除时使用。
Cognithor - 代理操作系统:本地优先的自治代理操作系统。 16 个 LLM 提供商、17 个通道、112+ MCP 工具、5 层内存、A2A 协议、知识库、语音、浏览器自动化、计算机使用、自我修复、自我改进。 Python 3.12+、Apache 2.0。
创建结构化任务平面任务数据包(PROMPT.md、STATUS.md),以便通过任务协调器扩展 (/orch) 进行自主代理执行。当被要求“创建任务”、“创建任务平面任务”、“暂存任务”、“准备执行任务”、“编写 PROMPT.md”、“为代理设置工作”、“对任务进行排队”时,或者每当用户想要定义将由另一个代理实例自主执行的工作时使用。
擅长选择和配置 AgenticFORGE 代理。通过正确的配置生成正确的 FunctionCallAgent、ReActAgent、PlanSolveAgent、ReflectionAgent、SimpleAgent、SkillAgent 和 WorkflowAgent 代码。当用户想要构建代理、在代理类型之间进行选择、配置代理选项或了解代理行为时使用。
使用基于人物科学 (PRISM)、词汇路由和故障模式分类 (MAST) 的 7 组件格式创建结构化代理定义。生成具有真实世界职位名称、专家领域词汇有效负载(15-30 个术语)、显式可交付成果、决策边界、命令式 SOP 和命名反模式监视列表的代理。当用户想要创建代理、定义角色、构建角色或需要针对特定领域的专门 AI 助手时,请使用此技能。当任务规划器委派团队角色的代理创建时也会触发。适用于任何领域——软件、营销、安全、运营、设计、写作、研究等。请勿用于创建技能(使用 Skill Creator)或团队组成(使用 Mission Planner)。 --- # Agent Creator 按照 7 组件格式创建结构化代理定义。 通过此技能生成的每个代理都基于角色科学研究、词汇路由机制和 MAST 故障分类法。 --- ## 专家词汇有效负载 **代理设计:** 角色身份、领域词汇有效负载、可交付成果、决策权限、标准操作程序、反模式监视列表、交互模型、移交工件、质量门 **组织结构:** RACI 矩阵、任务相关成熟度 (Andy Grove)、爆炸半径、报告线、升级路径、范围外边界 **安全与风险:** STRIDE 威胁模型、OWASP Top 10、攻击表面、威胁建模 (Shostack) **角色科学:** 角色对齐、角色准确性权衡、PRISM 框架、角色-任务对齐规则、奉承降级、代币预算 **词汇机制:** 词汇路由、嵌入空间、知识集群、分发中心、15 年从业者测试、子域聚类、归因放大 --- ## 反模式观察列表 ### 奉承角色 - **检测:**最高级和绝对 i n 角色认同——“世界一流”、“最好”、“永远”、“从来没有”、“无与伦比”、“领先专家”。 - **为什么会这样
扫描正在运行的 Claude 会话以查看其他代理正在做什么。当被问到“其他代理在做什么”、“检查其他会话”、“正在运行什么”、“扫描代理”、“谁在做什么”时,或者在开始新工作之前使用,以避免重叠。 --- # Agents: Scan Running Claude Sessions 运行 `scan.sh` 来检查所有运行 Claude 的 tmux 会话并报告每个会话正在做什么。 ## 用法 ```bash bash ~/.claude/skills/agents/scripts/scan.sh # 所有会话 bash ~/.claude/skills/agents/scripts/scan.sh floom # 仅 floom/* 会话 bash ~/.claude/skills/agents/scripts/scan.sh openpaper # 仅 openpaper/* 会话 ``` ## 显示内容
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: