免费获取 · 一键下载即用
Heurist 技能市场的管理操作。当用户要求在 Heurist 市场中添加、摄取、批准、拒绝、删除、更新或列出技能时，请使用此技能。还可以触发检查上游更改、更新外部 API 依赖项、更新指标（星星/下载）、重新摄取技能或任何市场数据库管理任务。工作目录是 heurist-agent-framework。始终使用 uv run python 来运行脚本。
API、数据库、使用具有干净架构的 FastAPI 进行身份验证的后端专家（存储库/服务/路由器模式）
用“系统工程 + 工程控制论 + 总体设计（GDA）”的方法做软件工程闭环控制。 适用：真实代码库中的 bugfix、feature、refactor、性能、迁移、事故复盘、测试设计、架构审计、门禁验证。 尤其适合：问题复杂、跨模块、需要最小可验证变更、需要离线/在线双层验证、需要防止“测试全绿但真实环境失败”的任务。 不适用：纯知识问答、翻译、创作、一次性聊天建议、无需验证的单句结论。 --- # Cybernetic Systems Engineering（CSE） 把软件开发当作一个**闭环控制系统**来做： - **被控对象（Plant）**：代码库 + 运行时环境 + 依赖 + 数据 + 测试系统 - **控制器（Controller）**：你（Agent）+ 你的计划、策略、节奏控制 - **传感器（Sensors）**：测试、构建日志、运行日志、指标、复现脚本、审计文档 - **执行器（Actuators）**：代码修改、配置变更、依赖升级、回滚、文档更新、测试补强 - **参考输入（Reference）**：需求、issue、验收标准、SLO/SLA、业务边界 - **输出（Output）**：实际行为（通过/失败测试、运行结果、性能数据、门禁结果） - **误差（Error）**：参考输入与输出之间的差距 - **扰动（Disturbance）**：环境差异、并发、flake、脏状态、真实 schema 漂移 - **时滞（Delay）**：慢测试、CI 排队、真实环境依赖、发布窗口 本 skill 的目标不是“让你会用控制论术语”，而是让你在复杂工程任务中： 1. 先建立正确的观测与误差定义 2. 再用最小控制输入减少误差 3. 用分层验证防止振荡与假收敛 4. 用总体设计视角控制复杂性 ## 项目级控制拓扑 CSE 不只处理“当前这一条任务怎么修”，还要先回答“这个项目由谁控制、在哪一层控制、跨模块如何协调”。 从控制层级看，CSE 默认同时存在两套闭环： - **任务级闭环** - 面向单个 issue、单次 patch、单轮验证 - 关注最小控制输入、最小 failing case、分层验证 - **项目级控制拓扑** - 面向多模块、多团队、多阶段演化 - 关注总体设计部、控制结构、跨模块协调、边界冻结与升级路径 如果只建立任务级闭环，而没有项目级控制拓扑，常见结果是： - 单个 patch 看起来正确，但把复杂性偷偷转移到别的模块 - 局部验证通过，但共享接口、共享状态或共享基础设施被无意破坏 - 每个人都在改“自己眼前那一层”，但没有人对整体误差负责 因此在以下场景，必须先补项目级控制拓扑，再进入具体修复： - 改动跨 2 个及以上模块、服务或语言边界 - 需要同时改代码、配置、schema、运行流程中的两类以上对象 - 任务会影响共享接口、共享状态、共享基础设施或统一门禁 项目级控制拓扑至少要回答四个问题： 1. **总体设计部在哪里** - 谁负责维护项目级参考输入、关键边界和最终裁决 2. **控制结构是什么** - 本次问题主要落在哪些层，哪些层只能观测，哪些层允许施加控制输入 3. **跨模块协调怎么发生** - 哪些模块存在强耦合，改动会沿什么路径外溢，谁需要被显式通知或升级 4. **哪些边界先冻结** - 哪些接口、schema、门禁口径在本轮不能被顺手改写 ### 控制面 / 数据面 / 状态面 为了避免“看起来只是改一行代码，实际上改穿了整个系统”，复杂任务开始前必须先识别本次改动主要落在哪一面： - **控制面** - 负责决定系统如何调节自己 - 典型对象：限流、重试、熔断、路由、灰度、回滚、门禁、调度策略 - **数据面** - 负责承载真实业务流量和核心处理路径 - 典型对象：请求处理、任务执行、核心计算、主链调用、用户可见结果 - **状态面** - 负责保存共享事实、恢复锚点与跨节点一致性 - 典型对象：数据库、schema、缓存、队列、事件日志、检查点、幂等键 默认要求： 1. 先标出本次改动的**主落点**在哪一面 2. 再标出会被连带影响的次级面 3. 如果一次改动同时触碰两面以上，必须显式写出复杂性是如何转移的 一个典型例子： - 把重试、限流从业务代码下沉到 mesh 或统一网关 - 不是“复杂性消失了” - 而是复杂性从数据面转移到了控制面 - 把会话、任务进度或幂等信息从应用内存迁到 Redis / 数据库 - 不是“状态更简单了” - 而是状态复杂性从节点内部转移到了状态面 如果主落点都判断不清，默认先不要改实现，而是先补控制结构说明。 ### 复杂性转移账本 复杂性不会凭空消失，只会被下沉、上浮或转移到别处。 因此每次声称“系统更简单了”时，都应
阿里云 AnalyticDB for MySQL 运维诊断助手。支持集群信息查询、性能监控、慢查询诊断、运行中SQL分析、表级优化建议等。当用户提到 ADB MySQL、AnalyticDB、慢查询、SQL 诊断、集群性能、查询RT、BadSQL、数据库优化、表分析、分区诊断、数据倾斜等话题时，应该使用该 Skill。即使用户没有明确说"使用 Skill"，只要涉及 ADB MySQL 相关的运维、诊断或监控问题，也应主动使用。
DolphinDB 时序数据库完整技术文档与最佳实践。包含1490个技术文档 + 3份官方白皮书。涵盖数据库设计、流计算、量化回测、函数查询等全场景。
NestJS 后端开发规范与模块架构。用于开发 Nest-admin 后端、新增接口、修改控制器、编写 Service、配置权限、数据库迁移时参考。
提供 7 阶段功能开发工作流（需求理解、代码探索、澄清问题、架构设计、实施、质量审查、总结）。适用于新功能实施、API/数据库/服务架构设计、代码重构和多模块开发。当用户提出功能开发、架构设计或代码重构需求时触发。
Celery 异步任务派发和管理技能，支持跨平台部署（Windows/Linux/macOS）。提供独立的技能环境自动配置、命令执行任务、延时调度、任务监控等功能。适用场景：(1) 异步执行命令或脚本，(2) 延时或定时执行任务，(3) 任务队列管理和监控，(4) 分布式任务处理。内置跨平台兼容处理，自动检测系统类型并适配配置。**三个必要服务**：Redis/Memurai、Celery Worker、Flower 监控都是必要的，任何一个未运行都应该自动启动。**AI 助手自动启动服务**：派发任务前自动检查并启动未运行的任何服务，无需用户手动干预。使用前需先安装 Redis/Memurai（Windows）。
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：
