- 📄 SKILL.md
vnx-orchestration
这是无头 T0 编排器的扩展参考。
这是无头 T0 编排器的扩展参考。
遵循 Diátaxis 框架(教程、操作指南、参考和解释页面)创建、构建和审查技术文档。当用户需要编写或重新组织文档、构建教程与操作指南、构建参考文档或 API 文档、创建说明页面、在 Diataxis 文档类型之间进行选择或改进现有文档结构时使用。触发术语包括:文档结构、Diátaxis、教程与操作指南、组织文档、用户指南、参考文档、技术写作。
编写、审查、调试和解释 PLECS 仿真中自定义控制块的 PLECS C 脚本代码。每当用户询问 C 脚本、想要在 PLECS 中实现自定义块、需要 PLECS 宏(InputSignal、OutputSignal、ContState、DiscState、ZCSignal 等)帮助、询问采样时间配置、状态变量、过零检测、用户参数或需要将控制器 C 代码移植到 PLECS 仿真中时,请使用此技能。即使用户只是提到“PLECS block”、“custom block”、“C-Script”或“cscript”也会触发。 --- # PLECS C 脚本技能 您是 PLECS C 脚本自定义控制块方面的专家。当此技能处于活动状态时,生成正确的、结构良好的 C 脚本代码,并与 PLECS 求解器干净地集成。有关完整的宏参考,请参阅 [references/macros.md](references/macros.md)。 有关完整的示例,请参阅 [references/examples.md](references/examples.md)。如果用户正在编辑或生成 `.plecs` 文件,请加载 [references/plecs-file-format.md](references/plecs-file-format.md) 和 [references/cscript.plecs](references/cscript.plecs) 以获取完整的文件格式和工作参考模型。(注意:如果不需要或直接编辑,请勿生成 .plecs 文件) --- *始终阅读全部进行更改之前,本文档 SKILL.MD 的行数。* # C 脚本体系结构 ## 块设置参数 这些参数在编写任何代码之前在 C 脚本块对话框的 **设置** 选项卡中进行配置。 ### `输入数量` 定义输入端口的数量和宽度。 |价值|效果| |---|---| | `n`(标量整数)|接受标量信号的单输入端口 | | `[n1, n2, ...]`(向量)|多个输入端口;端口“i”接受宽度“ni”的信号| `-1` |动态调整大小:宽度由连接信号决定 | > **格式注意:** 在 PLECS 对话框中,接受逗号分隔 (`[2, 3]`) 和空格分隔 (`[2 3]`)。在 `.plecs` 文件内,使用空格分隔的形式(例如 `"[2 3]"`)。
Runway 公共 API 的完整参考:模型、端点、成本、限制和类型
涵盖云、人工智能和 SaaS 技术支出的专家 FinOps 指导。包括 AI 成本管理、GenAI 容量规划、人性化计费、AWS(EC2、Bedrock、储蓄计划、CUR、承诺策略)、Azure(预订、储蓄计划、AHB、OpenAI PTU、投资组合流动性)、GCP(Vertex AI、计算引擎、BigQuery)、标签治理、SaaS 管理(SAM、许可证优化、SMP、影子 IT)、AI 编码工具(Cursor、Claude Code、Copilot、 Windsurf、Codex)、ITAM、Databricks、Snowflake、OCI 和 GreenOps。用于有关技术成本、承诺投资组合管理、规模调整、成本分配、SaaS 扩张、AI 开发工具支出或将支出与业务价值联系起来的任何查询。由 OptimNow 构建。 --- # FinOps - 专家指导 > 由 OptimNow 构建。立足于实际的企业交付,而不是抽象框架。 --- ## 如何使用此技能此技能涵盖云、AI、SaaS 和相关技术支出领域。对于每个查询,首先阅读“references/optimnow-methodology.md” - 它定义了应用于所有响应的推理哲学。然后加载与查询匹配的域引用。 ### 域路由 |查询主题 |负载参考| |---|---| | AI 成本、LLM 推理、代币经济学、代理成本模式、AI 投资回报率、AI 成本分配、GPU 成本归因、RAG 线束成本 | `references/finops-for-ai.md` | | AI投资治理、AI投委会、阶段关卡、增量资金、AI价值管理、AI实践运营 | `references/finops-ai-value-management.md` | | GenAI 容量规划、预置容量与共享容量、流量形状、溢出、吞吐量单位 | `references/finops-genai-capacity.md` | | AWS 计费、EC2 规模调整、RI、储蓄计划、承诺策略、投资组合流动性、分阶段采购、CUR、Cost Explorer、EDP 协商、RDS 成本管理、数据库承诺 | `references/finops-aws.md` | | AWS Bedrock 计费、Bedrock 预置吞吐量、模型单位定价、Bedrock 批量推理 | `参考
api-change-safe 技能参考
../../../技能/zio-reference/SKILL.md
通过比较参考和优化输出来验证 GPU 内核的正确性。在验证优化或修改的内核是否与参考实现匹配时使用。
故意损坏固定装置;引用了不存在的命令
扩散模型的实用工程:架构、训练、推理、内存优化。用于具有扩散模型的任何任务:设计或修改架构(UNet/DiT/Flow/Flux)、调度器/采样器的选择和配置、附加训练(LoRA/DreamBooth/完全微调)、内存优化(AMP/检查点/ZeRO/FSDP/量化)、文本编码器的替换或融合(CLIP/Qwen)、使用扩散器、调试扩散管道、质量评估(FID/CLIPScore/LPIPS)、潜扩散、VAE、引导/CFG、整流流、稳定扩散、SDXL、通量。在训练生成模型、文本到图像管道、ControlNet、多编码器融合、WebDataset 时询问有关 GPU 内存的问题时也可使用。 --- # 扩散工程技能 ## 快速定位 最影响质量/速度/成本的三个工程决策是: 1. **扩散在哪里** → 像素(昂贵)或潜在空间(LDM/SD 系列 - 实用) 2. **降噪器的骨干** → UNet(经典,更简单)或 Transformer/DiT/Flow(缩放更好) 3. **采样控制** → 调度程序、步骤数、guiding_scale - 通常提供的不仅仅是编辑网络 --- ## 参考文件 - 按任务读取 |主题 |文件 |何时阅读 | |---|---|---| |架构和数据流| `references/architectures.md` | DDPM/SDE/LDM/DiT/Flux/VAE/SDXL,管道图| |调度程序和指导| `references/samplers.md` | DDIM/Euler/Heun/DPM-Solver/PNDM、CFG、预测类型 | |培训和进修| `参考文献/training.md` |损失/目标、LoRA/DreamBooth/full FT、超参数 | |内存和分布| `引用/内存.md` | AMP、检查点、ZeRO、FSDP、量化、FP8 | |文本编码器和数据 | `references/encoders-data.md` | CLIP/Qwen/多编码器、标记化、数据管道 | |评估和故障排除 | `references/eval-debug.md` | FID/CLIPScore/LPIPS、典型故障和修复、许可证 | --- ## 快速清单“我正在构建/修改 diffusio n» - [ ] **Backbo
分析代码库并生成动画 HTML 架构报告 - 漂亮的定制可视化效果,带有交互式动画图表,显示系统如何工作。每当用户要求“可视化代码库”、“解释架构”、“生成图表”、“显示代码如何流动”、“创建架构图”、“动画数据流”、“直观地解释此存储库”、“向我展示其工作原理”或“生成架构报告”时,请使用此技能。 --- # Codebase Visualizer 分析代码库并生成带有动画流程图的漂亮、独立的 HTML 架构输出。 ===================================================================== 输出模式 ======================================================================= /archflow → 完整架构报告(默认) /archflow-diagram → 仅动画图(传统、独立) /archflow-slides → 幻灯片演示 ======================================================================= 工作流程 — 完整报告(默认:/archflow) ======================================================================= 1. 分析 阅读references/analysis.md → 扫描代码库 阅读references/layouts.md → 决定图表布局模式 2. 思考(编码前确定视觉方向) 阅读references/design-system.md → CSS 模式库 阅读references/libraries.md → 字体、Mermaid、CDN 导入 阅读references/design-qa.md → 质量门
当用户要求“检查 Slack”、“分类我的 Slack”、“检查我的消息”、“Slack 摘要”、“我在 Slack 上错过了什么”或调用 /slack 或 /messages 时,应该使用此技能。扫描 Eric 的 Slack 工作区以查找最近的消息、私信、话题和提及 - 按优先级分类,并提供回复起草。参考 porres-family-assistant 了解联系人上下文。 --- # Slack 分类技能 ## 概述 扫描 Eric 的 Slack 工作区以查找最近的消息,将其分为三个优先级,并为紧急项目提供草稿回复。该技能反映了电子邮件分类模式,但适用于 Slack 基于渠道的线程通信模型。该技能不维护自己的联系数据——它从 porres-family-assistant 技能中读取作为人员上下文的规范来源。 ## 可用的 Slack MCP 工具 Slack 连接器 (https://mcp.slack.com/mcp) 提供以下工具: |工具|目的| |------|---------| | `slack_read_channel` |阅读特定频道的最新消息 | | `slack_search_public_and_private` |在所有可访问的渠道中搜索 | | `slack_search_users` |按姓名或电子邮件查找用户 | | `slack_search_channels` |按名称或主题查找频道 | ## 步骤 0 — 加载上下文(运行时引用) 在扫描之前,从家庭助手读取这些文件以建立优先上下文: |文件 |它提供什么 | |------|-----------------| | `共享/技能/porres-family-assistant/references/family-members.md` |姓氏 — 有助于识别家庭成员的个人信息 | | `共享/技能/porres-family-assistant/references/email-aliases.md` |别名路由 — 电子邮件/Slack 身份重叠 | **仅加载这两个。**不要加载 insuran ce、医疗或金融,除非特定消息需要该上下文。 还可以从此技能加载“references/workspace-config.md”以进行通道优先级映射(一旦 Eric 配置了它)。 ## 步骤 1 — 扫描工作区 使用 Slack MCP 工具收集最近的活动。并行运行这些搜索:
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: