- 📄 SKILL.md
Clawmark
你的下一个疗程开始冷淡。不记得你建造了什么、破坏了什么、你决定了什么。您编写的每个信号都是给未来会话的一份礼物。信号越丰富,重新学习的时间就越少。
你的下一个疗程开始冷淡。不记得你建造了什么、破坏了什么、你决定了什么。您编写的每个信号都是给未来会话的一份礼物。信号越丰富,重新学习的时间就越少。
在最终确定任何面向公众的设计、文档或功能之前,请确定受众、他们搜索的内容以及他们最迫切需要的内容。在创建 README 部分、命名存储库、编写描述或设计面向用户的界面时使用。
确定性思维伙伴,挑战假设并应用心智模型来提高决策、解决问题和更清晰地思考。每当用户说“帮助我思考 X”、“挑战我的思维”、“我错过了什么”、“应用心智模型”、“唱反调”、“对这个想法进行压力测试”、“在我的计划中找出漏洞”、“帮助我在 X 和 Y 之间做出决定”、“二阶效应是什么”、“我陷入困境”、命名任何特定模型(SWOT、第一原理、倒置、事前剖析等)时,请使用此技能,或者要求对任何模棱两可、高风险或复杂的问题进行结构化推理。当用户似乎不确定、正在合理化或询问“我的想法正确吗?”时也会触发。即使是关于不平凡的话题的随意短语,例如“你觉得……怎么样”,也应该触发这项技能。 --- # Thinking Partner 确定性思维伙伴,挑战假设并应用心智模型来帮助用户更好、更清晰地思考。不是一场讲座——一场陪练。 ## 核心理念 良好的思考是一种主动的成就,而不是一种默认状态。目标不是告诉用户该思考什么,而是通过以下方式让他们“如何思考”: 1. **具有挑战性的假设** — 用户将其视为事实的表面隐藏信念 2. **应用心智模型** — 针对具体情况选择和部署正确的思维框架 3. **检测方向捕捉** — 注意思考何时服务于舒适而不是真相 4. **保持富有成效的紧张感** — 保持复杂性足够长的时间,以找到真正的洞察力 你不是一个唯唯诺诺的机器。你不是审讯者。你是一个有思想的伙伴:尊重、直接、真正好奇、愿意反驳。 ## 当这触发时 - “帮助我思考 X” - “挑战我的想法/假设” - “我错过了什么?” - “将[任何模型名称]应用于此” - “唱反调” - “对这个想法/计划进行压力测试” - “帮我在 X 和 Y 之间做出决定” - “二阶效应是什么?” - “我瘦吗?
**sgrep** 是一种语义和混合代码搜索工具,它理解您的意思,而不仅仅是您键入的内容。
阅读最近的会话上下文,推断您正在做什么,并提出具体的下一步行动。休息后恢复时使用,或说“行动”/“下一步我们应该做什么”/“从上次停下的地方继续”。确认后立即执行。
自适应记忆系统可以让任何法学硕士的输出随着时间的推移变得更好。从每次扫描中了解什么有效(策略)和什么无效(抗体)。在生成之前注入获胜模式,在生成之后捕获错误。具有多域支持的热/冷分层内存。
当用户报告应用程序中的错误、错误、崩溃、意外行为或性能问题,或要求“调查”、“调试”、“检查日志”、“查看错误”、“发生了什么”、“X 为什么失败”或“跟踪请求”时,请使用此技能。当用户粘贴错误消息或堆栈跟踪并寻求帮助时也会激活。当用户询问“我的应用程序在做什么?”、“显示我运行 X 时发生了什么”、“跟踪此流程”、“我的服务正在接收日志吗?”、“我正在测试此端点 - 我看到什么?”或任何探索性运行时问题时,也可以使用此方法。当用户想要在其应用程序中设置、配置或验证日志记录/OTLP 工具时也可使用。需要连接 Loggles MCP 工具。
用于编写 PRD 的 PRP(产品需求提示)方法。构建编码代理需求文档的最佳实践参考。 --- # PRP 方法论 — 快速参考 PRP(产品需求提示)框架是一个用于创建 PRD 的结构化过程,编码代理可以在单次传递中执行该 PRD。 ## 核心原则 PRD 必须包含实现所需的所有上下文。如果仅使用 PRD 的新 Claude 会话无法正确构建该功能,则 PRD 是不完整的。 ## 三步流程 1. **编写初始描述** — 大脑转储您想要的内容:功能、技术堆栈、约束、集成、示例、文档参考 2. **生成 PRD** — 研究代码库 + 网络,采访用户,按照基本模板生成结构化文档 3. **执行 PRD** — 清晰上下文,重新开始,仅从 PRD 实现 ## 优秀 PRD 的要素 **要做:** - 参考代码库中的特定文件和代码模式 - 编写可测试的验证标准(“无效令牌返回 401”) - 包括明确的非目标以防止范围蔓延 - 列出特定于项目的反模式 - 按依赖关系排序实施步骤(必须先存在什么) - 包括现有数据/行为的迁移策略 **不要:** - 使用模糊的验证标准(“效果很好”、“性能良好”) - 留下技术设计摘要(“使用适当的数据结构”) - 假设实施代理了解项目约定 - 将其拼写出来 - 跳过非目标部分 - 代理将无边界地过度构建 - 编写无法独立验证的步骤 ## 面试技巧 PRD 生成中最有价值的部分是面试。 目标:将假设减少到接近于零。 - 写作前至少提出 8-10 个问题 - 以 3-4 人为一组批量提问 - 根据代码库研究提供推荐答案 - 涵盖:范围、用户、技术限制、数据模型、兼容性、边缘情况、测试、反模式 - 最终问题
【该技能的作用以及何时使用】
使用此技能通过真实的受众洞察来验证和完善品牌信息、定位和口号。触发因素包括:测试品牌定位、验证标语或口号、了解品牌认知、完善使命宣言、测试品牌声音或与竞争对手区分开来的请求。使用 OriginalVoices Digital Twins (ask_twins) 了解目标受众如何解读品牌信息、什么会引起情感共鸣、什么会造成混乱以及什么会驱动品牌亲和力 - 确保品牌声明与真实的人联系,而不仅仅是内部利益相关者。
通过文件进行多代理协调。内存、线程、进度、切换。当被要求“保存进度”、“检查点”、“状态是什么”、“移交”、“我们正在做什么”或“关闭线程”时使用。
系统地裁决论文集中的分歧。对谁错了、什么取代什么以及当前最好的理解是什么做出无情的裁决。按主题集群组织,并具有可操作的替换值以供实施。
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: