- 📄 SKILL.md
claudie-mailbox
通过API与Claudie的私人邮箱系统交互。当用户想要注册邮箱、登录、检查新邮件、阅读对话线程、向 Claudie 发送消息或重置邮箱密码时使用。在提及“Claudie”、“邮箱”、“向 Claudie 发送消息”、“检查邮件”或“Claudie 的邮箱”时触发。
通过API与Claudie的私人邮箱系统交互。当用户想要注册邮箱、登录、检查新邮件、阅读对话线程、向 Claudie 发送消息或重置邮箱密码时使用。在提及“Claudie”、“邮箱”、“向 Claudie 发送消息”、“检查邮件”或“Claudie 的邮箱”时触发。
Lint oosh CLI 错误和警告注释。使用 /oosh-lint <cli> [module] 检查注释语法、标志类型、变量命名和结构问题。提供 --fix 用于自动更正。当用户想要验证或修复 oosh 注释时触发。
生成完整的 Pebble 智能手表表盘、构建 PBW 工件并在 QEMU 模拟器中进行测试。在创建表盘、Pebble 应用程序、动画显示、钟面时使用。生成可立即安装的 PBW 文件并在模拟器中运行它们。
将当前的 Claude Code 分析作为加密签名、带时间戳、Rekor 记录的证据包发布到 civicaitools.org 证据注册表。当用户刚刚完成公民数据分析(通常使用 Socrata 和/或 Data Commons MCP 工具)并说出诸如“将此作为证据发布”、“签署此分析”、“发布到 civicaitools.org”或“使其成为可验证的包”时调用。
为 AI 代理友好的代码库设置和改进工具工程(AGENTS.md、docs/、lint 规则、评估系统、项目级提示工程)。触发条件:AI 代理的新/空项目设置、AGENTS.md 或 CLAUDE.md 创建、利用工程问题、使代理在代码库上更好地工作。当用户感到沮丧或抱怨代理质量时也会触发 - 例如“代理一直忽视约定”、“它从不遵循指令”、“为什么它一直做 X”、“代理坏了”——因为代理输出不佳几乎总是表明存在缺陷,而不是模型问题。涵盖:上下文工程、架构约束、多智能体协调、评估、长期运行的智能体利用以及智能体质量问题的诊断。
通过 Node-RED、YAML 或自定义集成将流行 API 连接到 Home Assistant 的参考指南。涵盖身份验证、端点和完整的工作示例:能源 API(Tibber、Nordpool)、天气(SMHI、OpenWeatherMap、yr.no)、运输(SL、Trafikverket、Resrobot)、智能家居云(Shelly、Tuya、Philips Hue、IKEA)和全球 API(OpenAI、Spotify、Google Calendar、Telegram、GitHub)。每当用户提到他们想要连接到 Home Assistant 的特定外部服务、API 或数据源时,请使用此技能 - 即使他们没有说“API”。
用于 QA 测试和网站测试的快速无头浏览器。导航任何 URL、与元素交互、验证页面状态、比较操作之前/之后的差异、获取带注释的屏幕截图、检查响应式布局、测试表单和上传、处理对话框以及断言元素状态。每个命令约 100 毫秒。当您需要测试功能、验证部署、测试用户流程或提交带有证据的错误时使用。当被要求“在浏览器中打开”、“测试网站”、“截取屏幕截图”或“dogfood this”时使用。
根据 Markdown 新闻文档生成 HTML 周报,扫描更新配置,并同步更新 README 文档
Claude Pulse 的健康检查 — 验证依赖项、数据库、挂钩和最近的跟踪活动
设计完整的 API 合约,涵盖端点、身份验证、速率限制、错误处理、重试、断路器和幂等性。当用户提及“api 合约”、“api 设计”、“端点”、“webhook”、“REST”、“GraphQL”、“OpenAPI”、“设计 API”时激活。
>-
通过人工智能支持的多语言摘要和电子邮件传送,从多个来源(arXiv 等)获取、分类和总结论文。
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: