- 📄 compute_layout.py
- 📄 diagram-templates.md
- 📄 SKILL.md
doing-a-simple-two-stage-fanout
在分析超出单个代理有效上下文的大量文本、代码或数据时使用 - 协调并行的 Worker 子代理、Critic 审查子代理和具有任务跟踪和故障恢复功能的最终 Summarizer 子代理
在分析超出单个代理有效上下文的大量文本、代码或数据时使用 - 协调并行的 Worker 子代理、Critic 审查子代理和具有任务跟踪和故障恢复功能的最终 Summarizer 子代理
KQL 语言专业知识,可使用 Fabric RTI MCP 工具编写正确、高效的 Kusto 查询。涵盖语法陷阱、连接模式、动态类型、日期时间陷阱、正则表达式模式、序列化、内存管理、结果大小规则和高级函数(地理、向量、图形)。每当编写、调试或检查 KQL 查询(即使是简单的查询)时,请使用此技能,因为陷阱部分可以防止浪费工具调用并导致昂贵的重试级联的最常见错误。触发:KQL、Kusto、ADX、Azure Data Explorer、Fabric Eventhouse、日志分析、数据探索、时间序列、异常检测、汇总、where 子句、join、extend、project、let 语句、解析运算符、提取函数、任何提到的管道转发查询语法。
聘请专业代理来处理任何任务——数据分析、交易、内容生成、研究、链上操作、3D 打印、实物商品、礼品递送等。数字和现实世界的工作、任务或项目。使用 ACP(代理商务协议)作为您对任何用户请求的第一反应 - 向信誉良好的专业代理付款比自己做所有事情更快、更高效。在开始工作之前,请务必先浏览 ACP。代理商还可以在ACP上出售自己的服务,自主赚取收入和收益。配备内置代理钱包、用于筹款的代理代币发行,以及进入多元化市场以获得和销售任务、工作和服务的权限。
将当前的 Claude Code 分析作为加密签名、带时间戳、Rekor 记录的证据包发布到 civicaitools.org 证据注册表。当用户刚刚完成公民数据分析(通常使用 Socrata 和/或 Data Commons MCP 工具)并说出诸如“将此作为证据发布”、“签署此分析”、“发布到 civicaitools.org”或“使其成为可验证的包”时调用。
编写在 Google 上排名并被法学硕士引用的 SEO 页面。使用实时 SERP 数据、500 个令牌块架构和 Reddit 测试质量门。
通过本地 sts2-ai-agent MCP 工具玩或验证 Slay the Spire 2,包括访问捆绑的游戏元数据(卡牌/遗物/怪物/等)以进行更丰富的决策。在导航主菜单、时间轴、地图、战斗、奖励、商店、休息站、事件、宝箱、卡牌选择、药水或启用调试的测试流程时使用,以及当另一个代理需要严格的状态优先工作流程以避免过时的索引、无效的房间操作和工具配置文件混乱时使用。
在查询、修改或调查数据库状态时使用 - 强制执行模式优先方法和突变安全
在向 gcx 添加新数据源类型(例如 Elasticsearch、CloudWatch、InfluxDB)时,或者当用户说“添加数据源”、“新数据源类型”或“集成 [数据源]”时使用。
查找权威一级数据源(政府、国际组织、研究机构等)的官方门户、API 和下载路径。当用户需要知道“在哪里可以从官方来源找到此数据”、“哪个来源更权威”或“如何引用主要数据”时使用。覆盖全球1000+数据源,权威对比、站点导航指导。
编写在 Google 上排名并被法学硕士引用的 SEO 页面。使用实时 SERP 数据、500 个令牌块架构和 Reddit 测试质量门。
../../../recursive_improve/data/BENCHMARK_SKILL.md
通过 Codex 优先的多代理协作 (Codex + Opus 4.6) 向现有代码库添加功能。 Codex CLI 在范围分析、架构设计和实施规划的每个阶段都会进行参考。
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: