- 📄 SKILL.md
tdd-guard
为当前项目设置或更新 TDD Guard。检测测试框架,安装或更新匹配的报告器,并配置或迁移其配置以匹配当前规范。
为当前项目设置或更新 TDD Guard。检测测试框架,安装或更新匹配的报告器,并配置或迁移其配置以匹配当前规范。
通过了解规范、重现故障、实施修复并验证其工作原理来分析和修复 A2A 传输兼容性套件 (TCK) 问题。
使用 pull_request_template.md 模板从规范文件创建功能请求的 GitHub Pull 请求。
在准备根据 API 规范(OpenAPI/Swagger、GraphQL SDL 架构或 gRPC 原型文件)使用 Hadrian 进行自动化授权测试时使用,无需 Burp 流量或源代码。生成兼容 Hadrian 的 auth.yaml 和 Roles.yaml 文件。
架构、生成和验证代理技能。强制实施规范和最佳实践。在必须创建或更新代理技能时随时使用。
仅当用户遇到专门基于 Afro.tools 规范的失败集成时才使用此技能 — 用户正在集成其规范存在于 Afro.tools 注册表中的提供商(Paycard、LengoPay、Djomy、Wave、NimbaSMS 等),并且遇到错误的状态代码、身份验证错误、Webhook 失败、意外响应字段或运行时错误。不要激活通用调试、非 afrotools 提供程序或不基于 Afro.tools 规范的集成。此技能可以诊断问题是否是规范错误、缺失的陷阱或未记录的 API 更改。 --- # Afro.tools — 调试技能 当此技能激活时,获取受影响的提供程序和功能的规范,然后系统地将其与用户的实现进行比较以找到差距。 ## 工作流程 1. 从错误、代码片段或用户描述中识别提供程序 slug 和功能。 如果不清楚就问——不要猜测。 2. 获取规范: ``` afrotools.get_spec({provider: "<slug>",capability: "<capability>" }) ``` 3. **首先检查陷阱。** 大多数集成失败直接映射到记录的陷阱。在寻找其他地方之前先阅读每个条目。 4. 根据规范交叉检查实现: - **Auth** - 正确的字段名称、位置(标头与正文)、格式字符串 - **Endpoint** - 正确的方法和 URL、正确位置的路径参数 - **字段名称** - 提供者字段通常是非标准的(例如“paycard-amount”,而不是“amount”);将用户的有效负载与“input_schema”进行比较 - **状态值** - 枚举区分大小写(例如,LengoPay 使用“SUCCESS”,而不是“success”); Paycard 上的“代码:0”表示“已找到”,而不是“已付款” - **Webhook** - 立即返回 HTTP 200,仅在回调时无法满足要求,某些提供商需要 HTTPS 5. 清楚地表达诊断: - 引用相关的规范字段或陷阱 - 显示代码的作用与规范的要求 - 提供最小的更正片段
归档已关闭/已修复的 issues,提取经验教训并同步更新 CLAUDE.md 和 spec/global。 当用户说"归档 issue"、"archive issues"、"清理已修复的 issue"、 "归档已关闭的 issue"、"整理一下 issues"、"把修好的 issue 归档了"时触发。 也适用于用户想要清理 spec/issues/ 目录或将已解决问题归档的场景。 如果 spec/issues/ 中有 Fixed/Closed/Done 状态的 issue 积压,应主动建议使用此 skill。 --- # issue-archive: Issue 归档与问题领域沉淀 将 `spec/issues/` 中已解决的 issue 归档到 `spec/archive-issues/`,从每个 issue 中提炼**问题领域认知**(而非零散 TRAP),更新到对应的 domain 文件。 ## 归档条件 通过 Grep 扫描 `spec/issues/` 中所有 issue 的 `**状态**` 字段: | 状态模式 | 归档 | 说明 | |---------|------|------| | `Fixed`(含 `Fixed + Verify`、`Fixed(待用户验证)`) | 是 | 已修复 | | `Closed` | 是 | 已关闭 | | `Done` | 是 | 已完成 | | `Open`、`Open (搁置)` | 否 | 仍需处理 | | `Partial`、`Reopen` | 否 | 未完全解决 | 如果扫描结果为空(没有可归档的 issue),直接报告并结束。 ## 工作流程 ### 阶段一:扫描 1. 用 Grep 在 `spec/issues/` 中搜索 `**状态**` 行 2. 按上述规则筛选可归档 issue 3. 输出清单(标题 + 状态),直接进入归档 ### 阶段二:领域识别与认知提炼 逐个 Read 可归档的 issue 文件,执行: **步骤 1:识别所属领域** 从 issue 的标题、涉及文件、问题描述中识别属于哪个领域: - `message-pipeline` — 消息渲染、事件处理、视图模型 - `agent` — ReAct 循环、工具系统、LLM 适配 - `tui` — TUI 渲染、交互、面板 - `mcp` — MCP 连接、工具桥接 - `storage` — 持久化、数据库 - `compact` — 上下文压缩 - `token-tracking` — Token 追踪 - `langfuse` — 可观测性 - 等等(参考 `spec/global/domains/` 现有列表) **如果领域不存在**,创建新的 domain 文件 `spec/global/domains/<domain>.md`,使用标准模板: ```markdown # <领域名称> 领域 ## 领域综述 <一句话概括这个领域的核心职责> ## 核心流程 (后续通过 issue 归档逐步填充) ## 技术方案总结 | 维度 | 选型 | |------|------| (后续通过 issue 归档逐步填充) --- ## 相关 Feature ``` 同时在 `spec/global/index.md` 的领域索引表中追加该领域。 **步骤 2:关键词提取** 从 issue 中提取 2-4 个**搜索关键词**,用于快速索引。关键词应选择: - 技术术语:`HashMap 顺序`、`Prompt Cache`、`BaseMessage vs MessageViewModel` - 错误模式:`缓存失效`、`维度混淆`、`并发竞争` - 涉及概念:`reasoning_content`、`parking_lot::RwLock`、`RebuildAll` **步骤 3:提炼领域级认知** 不是记录零散的 TRAP,而是提炼**领域理解**: - **问题本质**:这类问题的根本原因是什么?(如 "HashMap 非确定性顺序导致缓存前缀不稳定") - **通用模式**:以后遇到类似问题应该如何思考?(如 "所有需要跨进程复用的序列化内容必须保证顺序稳定") - **架构影响**:这个修复对整体架构有什么启示?(如 "统一 RebuildAll 路径消除了增量更新的复杂度") - **技术决策**:这个 issue 背后代表了一个什么样的技术选型? - **CLAUDE.md 链接标记**:此 issue 是否需要在 CLAUDE.md 中添加内联链接?(仅高价值 TRAP 标记 `link: true`) **提炼模板**(写入临时文件): ```markdown ##
担任首席业务分析师(经验 8 年以上),弥合战略与执行之间的差距。擅长使用 Gherkin (BDD)、BPMN 2.0 和严格的需求工程标准将模糊的愿景转化为严格的技术规范。
分析从访谈中收集的需求,发现歧义,生成结构化规范,并建议实施方法
将 Lousy Agents 规范或总体规划转换为史诗和任务的结构化 Beads (bd) 依赖关系图。当被要求“将计划转换为问题”、“从规范创建珠子”、“填充珠子”、“计划绘制图表”或“将规范分解为任务”时使用。
创建完整数字产品文档的专业指南:MVP 范围、PRD 和 SPEC。每当用户想要定义、规划或记录数字产品、启动想法、功能或系统时,即使它只是提到“我想创建一个产品”、“帮助我规划这个”、“我需要一个 PRD”、“我想编写一个规范”、“我有一个应用程序的想法”、“我如何构建这个”、“帮助我考虑范围”或任何变体,都可以使用此技能。当用户呈现产品提示并要求细化、审查或扩展时也适用。该技能可生成包含市场分析、堆栈决策、数据建模、业务规则、路线图、用户流程、模块规范和序列图的专业技术文档。 它总是一次生成一个文档,在进入下一个文档之前请求批准:MVP Scope → PRD → SPEC → CLAUDE.md。 --- # istofel_project_plan 生成数字产品技术和战略文档的专业技能。按强制顺序生成四个文档: 1. **MVP 范围** — 技术和战略概述 2. **PRD** — 详细的产品要求 3. **SPEC** — 技术实施规范 4. **CLAUDE.md** — AI 代理的自定义会话上下文 **经验法则:** 一次生成一份文档。在每一篇文章结束时,明确询问用户是否想要继续下一篇文章。切勿跳过步骤。 --- ## 一般原则
AI 编码工作流程的持续规范管理。当用户明确提及规格、锻造或结构化规划时,请使用此技能:说“锻造”、“锻造规格”、“为 X 编写规格”、“创建规格”、“将 X 计划为规格”、“恢复”、“我在做什么”、“规格列表/状态/暂停/切换/激活”、“实现规格”、“实现 N 阶段”、“实现所有阶段”、“生成 openapi”或退出计划模式(建议保存为规格)。当会话开始时存在“.specs/”目录时也会触发。不要触发一般功能请求、编码任务或未提及规格或锻造的问题 - 这些是正常的编码任务,而不是规格管理。 --- # Spec Mint Core 将临时计划转变为通过深入研究和迭代访谈构建的结构化、持久的规范。 规范包含阶段、任务、验收标准、注册表、简历上下文、决策日志和偏差日志。它们位于项目根目录的“.specs/”中,并与任何可以读取 Markdown 的 AI 编码工具一起使用。是否提交“.specs/”是存储库策略。尊重“.gitignore”以及用户对跟踪与仅本地规范状态的偏好。 ## 关键不变量 1. **单文件策略**:将此工作流程保留在一个“SKILL.md”文件中。 2. **规范路径**: - 注册表:`.specs/registry.md` - 每个规范文件:`.specs/<id>/SPEC.md`、`.specs/<id>/research-*.md`、`.specs/<id>/interview-*.md` 3. **权威规则**:`SPEC.md` frontmatter 具有权威性。注册表是一个用于快速查找的非规范化索引。 4. **活动规范规则**:一次仅针对一个活动规范。 5. **解析器策略**:使用尽力而为的解析,并提供明确的警告和修复指导,而不是对格式错误的行进行硬故障。 6. **进度跟踪是神圣的**:完成任何任务后,立即更新 SPEC.md(复选框、`←当前`标记、阶段标记)和registry.md(进度计数、日期)。然后重新读取这两个文件以验证编辑是否正确。在未更新这两个文件的情况下,切勿移至下一个任务。
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: