- 📄 metadata.json
- 📄 README.md
- 📄 SKILL.md
bad-example-skill
反模式 - 显示违反自我遏制的示例(请勿复制)
反模式 - 显示违反自我遏制的示例(请勿复制)
从 KASAN/UBSAN/BUG 崩溃日志或 CVE 描述中分析 Linux 内核漏洞。执行完整的根本原因分析、可利用性评估、补丁开发和验证。每当用户提供内核崩溃日志、KASAN 报告、内核恐慌跟踪、syzbot 报告或要求分析/修补内核漏洞时,请使用此技能。当用户提及内核 CVE、内核漏洞利用分析、内核错误分类或想要了解内核错误是否可利用时也会触发。即使用户只是从 dmesg 粘贴原始堆栈跟踪,此技能也适用。 --- # 内核漏洞分析器 分析 Linux 内核漏洞的综合技能 — 从崩溃日志分类到根本原因分析、可利用性评估、补丁开发和经过验证的修复交付。 该技能是围绕**蜂巢模式子代理架构**设计的:将分析分解为并行工作流,在执行前进行规划,并跨代理协调结果。 ## 核心工作流程概述 该分析分为七个阶段。每个阶段都建立在前一个阶段的基础上,但一个阶段内的许多子任务可以通过子代理并行运行。 ````
[](https://oathe.ai/report/joylarkin/openclaw-security-news)
当单一仓库技能需要数据库依赖项时,启动工作树范围的本地服务以实现问题。
查询并分析 `data_cache` 下的市场数据(股票、指数、板块、市场元数据、strategy_watch)。支持按日期/列/条件读取实际数据行,并进行对比分析(如两日成交额变化)。
根据 WCAG 2.1 AA 进行可访问性审核。检查语义 HTML、ARIA、键盘导航、颜色对比度、屏幕阅读器兼容性。
XPR Network 区块链开发的全面知识 - 智能合约、CLI、Web SDK、DeFi、NFT 和基础设施
当仓库被 av 初始化时(检测 .git/av/av.db),使用 Aviator 的 av CLI 进行堆叠 PR 工作流程。在创建或更新堆叠分支/PR、重新堆叠、重新设置父级或可视化堆栈时应用。
当用户想要“配置 weave”、“设置 weave 项目”、“更改 weave 项目”、“设置 wandb api 密钥”、“更新 weave 设置”、“显示 weave 配置”、“更改 weave 配置”或需要读取或更新任何 Weave Claude 代码插件设置时,应使用此技能。
Run Agile Iteration Method (AIM) 1.6.1 workflows in Codex or another compatible adapter.当用户要求启动、继续、恢复、验证、安装、升级、故障排除、控制成本、选择成本控制或深度或操作 AIM 循环时使用;使用“/aim”风格的命令;提供 EPIC、模式或成本概况; mentions AIM, Agile Iteration Method, Gate A-E, Done Increment, PO, TDO, Dev, Reviewer, Cost Control, Standard, or Deep;或者希望 AI 交付工作由 AIM 1.6.1 角色、门、“.aim”运行时状态、存储库感知策略、适配器回退规则和运行时深度配置文件进行管理。
通过诊断和修复故障模式来防止 Kubernetes 幻觉:不安全的工作负载默认值、资源匮乏、网络暴露、权限蔓延、脆弱的部署和 API 漂移。在生成、检查、重构或迁移清单、Helm 图表、Kustomize 覆盖和集群策略时使用。
从本地 TeslamateCyberUI 服务器访问和分析 Tesla 车辆状态、驾驶统计数据、电池退化、SoC 历史记录和 UI 设置。将此技能用于“实时状态”、“SoC 历史记录”、“效率”、“UI 设置”或“充电历史记录”。
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: