- 📁 agents/
- 📄 SKILL.md
apple-dev-docs
>-
>-
检查代码中的最佳实践、错误和安全问题。
对此 monorepo 中的单个包执行结构化代码质量审查。
添加或更改任何批准提示/演示者时使用。
内功。使用 cc10x-router 执行所有开发任务。
使用 stellar-ios-mac-sdk 在 Swift 中构建 Stellar 区块链应用程序。在生成用于交易构建、签名、Horizon API 查询、Soroban RPC、智能合约部署和调用、XDR 编码/解码以及 SEP 协议集成的 Swift 代码时使用。涵盖 26 多个操作、50 个 Horizon 端点、12 个 RPC 方法和 17 个具有 Swift 异步/等待和基于回调的流模式的 SEP 实现。完整的 Swift 6 严格并发支持(所有类型的 Sendable)。
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。
查询ADReCS(药物不良反应分类系统)v3.3数据库。每当用户询问药物不良反应、药物安全性概况、ADR 分类、ADR 严重性/频率或想要在 ADReCS 中查找任何实体(药物名称、BADD 药物 ID、DrugBank ID、ATC 代码、CAS RN、PubChem CID、KEGG ID、ADR 术语、ADReCS ID、MedDRA 代码、MeSH ID)时使用。 --- # ADReCS 查询技能 通过任何实体搜索 ADReCS v3.3 记录。 按前缀自动检测类型:|输入模式 |检测为 |示例| |---|---|---| | `BADD_D00142` |不良药物 ID |精确于 drug_id 列 | | `DB00945` |药物银行 ID |通过 Drug_information 解决 | | `A02BC01` |空管代码 |通过 Drug_information 解决 | | `50-78-2` | CAS 注册号 |通过 Drug_information 解决 | | `CID2244` 或裸数字 | PubChem CID |通过 Drug_information 解决 | | `D00109`(5 位数字)| KEGG ID |通过 Drug_information 解决 | | `08.06.02.001` | ADReCS ID | ADReCS_ID 列上的子字符串 | | `10003781`(8 位数字)| MedDRA 代码 |通过 ADR_ontology 解决 | | `D######`(6 位以上数字)|主题词 ID |通过 ADR_ontology 解决 | |还有什么吗|自由文本 | drug_name 或 ADR_term 上的子字符串 | ## API |功能|输入 |返回| |---|---|---| | `load_drug_adr(路径)` | txt路径| DataFrame(药物-ADR 对)| | `load_drug_info(路径)` | xlsx路径| DataFrame(药物元数据)| | `load_adr_ontology(路径)` | xlsx路径| DataFrame(ADR 层次结构)| | `搜索(实体)` |单个实体字符串|匹配药物-ADR 行的数据框 | | `search_batch(实体)` |实体字符串列表 |字典[str,数据帧] | | `总结(点击数,实体)` |数据框+标签|紧凑的法学硕士可读文本| | `to_json(点击)` |数据框|列表[字典] | ## 用法 请参阅 `62_ADReCS.py` 中的 `if __name__ == "__main__"` 块,了解可运行示例,包括:药物名称查找、BADD 药物 ID、DrugBank ID、ADR 术语、ADReCS ID 前缀、批量搜索和 JSON 输出。 ## 数据 - **来源**:ADReCS v3.3 — [https://www.bio-add.org/ADReCS/](https://www.bio-add.org/ADReCS/) - **主要
当您需要通过 tmux 端到端地交互式测试 nori-skillsets CLI 子命令时使用,并具有完整的文件系统隔离
从 ArXiv 搜索和检索科学论文
Bug 确认和重现。在以下情况下使用:(1) 通过模型检查发现错误并且需要代码级验证,(2) 在真实系统中重现错误以确认它不是误报,(3) 评估 TLA+ 反例是否映射到真实的可触发场景。
使用此技能创建或完善学术幻灯片以及围绕它构建的演讲:构建会议演讲、论文答辩、实验室会议或纸到幻灯片的幻灯片;决定叙述弧线和幻灯片分解;改进幻灯片设计和视觉层次结构;规划排练、时间安排、问答和备用幻灯片;或生成 .pptx。当用户正在塑造演示文稿本身时就可以使用它。请勿用于撰写论文、制作独立的演讲者笔记/脚本/成绩单、制作海报、在幻灯片之外创建独立的图形/图表或构建非学术演示文稿。
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: