- 📁 references/
- 📁 scripts/
- 📄 SKILL.md
ddd-deep-domain
DEVORQ-DDD v1.0.0 — devorq_v3 的域探索技能。编写 SPEC.md 之前的心智模型发现指南。生成包含实体、有界上下文和不变量的domain-model.json。
DEVORQ-DDD v1.0.0 — devorq_v3 的域探索技能。编写 SPEC.md 之前的心智模型发现指南。生成包含实体、有界上下文和不变量的domain-model.json。
(colcon/ament),编辑启动文件 (.launch.py),配置 QoS 或 DDS,写入 URDF/xacro,
状态机驱动的迭代规划和执行复杂的编码任务。
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
召集一个基于 CLI 的 AI 代理小组(Codex、Gemini)来审议一个问题。每个特工独立回答,然后你作为主席综合委员会的裁决。用于架构决策、代码审查、调试假设或任何需要不同观点增加价值的问题。
通过分析使用模式、参与趋势、风险信号和扩展机会来总结 B2B 帐户的健康状况。用于客户成功审核、续订准备、QBR 或帐户优先级。
BMad 自主开发 - 协调并行故事实施管道。构建依赖关系图,从 GitHub 更新 PR 状态,从待办事项中挑选故事,并通过创建 → 开发 → 审查 → PR 并行运行每个故事 - 每个故事都在自己的 git 工作树中隔离 - 使用带有新上下文窗口的专用子代理。分批循环遍历整个冲刺计划,并可选择史诗回顾。当用户说“运行 BAD”、“开始自主开发”、“自动化冲刺”、“运行管道”、“启动冲刺”或“启动开发管道”时使用。运行 /bad setup 或 /bad configure 来安装和配置模块。
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。
Nightly pipeline for integrating newly captured external article notes into Brain knowledge surfaces. Use when: 文章整合, article notes integration, nightly article sync, update article relations, topic index update, article knowledge graph, 前一天文章整理, 或 run the 02:00 article pipeline. --- # Article Notes Integration 把前一天新增或待整合的 Article Notes,转成可检索、可关联、可继续提炼的 Brain 知识输入层。 ## Purpose 这个技能负责 **文章 ingestion 之后的 nightly integration**,而不是原始外部文章采集本身。 它处理的是: 1. 扫描昨天新增或尚未 integrated 的 article notes 2. 校验并补足结构 / frontmatter / relation 状态 3. **交叉引用更新**(见下方 Cross-Reference Protocol,每次 ingest 后执行) 4. 更新 topic / domain / project 相关的轻量图谱入口 5. 生成 open questions / pattern candidates / article-derived graph signals 6. 输出高价值 article candidates,供后续 flywheel amplification 使用 ## Primary Inputs - Brain root: `{{BRAIN_ROOT}}` - Source notes: `03-KNOWLEDGE/02-WORKING/01-ARTICLE-NOTES/` - Candidate set: - 前一天新增 article notes - 或 `integration_status != integrated` 的 article notes - Read-only context: - related domain notes - `03-KNOWLEDGE/99-SYSTEM/01-INDEXES/` 下已有 topic / topic-map / open-question surfaces - `05-PROJECTS/` 下 project briefs(若能稳定识别项目) ## Required Outputs
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: