- 📄 SKILL.md
initializing-vertical-flywheel
当用户要求从自然语言上下文初始化域飞轮时使用,特别是当环境详细信息不完整或与执行假设混合时。
当用户要求从自然语言上下文初始化域飞轮时使用,特别是当环境详细信息不完整或与执行假设混合时。
在实现功能之后、在声明阶段完成之前、在审查 AI 生成的代码时或当代码感觉过于复杂时使用。当您注意到文件中存在重复模式、函数超过 40 行、嵌套超过 3 层或抽象只有一个实现时,也可以使用。涵盖重复、死代码、过度设计和 AI 特定的膨胀模式,例如详细错误处理和冗余类型检查。
任务后学习捕获和知识推广。当任务或冲刺完成、用户说“完成”、“完成”、“总结”或检查所有验收标准时自动调用。当用户说“运送它”时不要调用 - 这会触发 /ship-test-ensure。
通过诊断和修复故障模式来防止 Terraform/OpenTofu 幻觉:身份流失、秘密暴露、爆炸半径错误、CI 漂移和合规性门间隙。在生成、审查、重构或迁移 IaC 以及构建交付/测试管道时使用。
根据官方人类学/技能规范测试任何特工技能并对其进行评分。当您需要检查技能存储库或 SKILL.md 文件是否符合代理技能标准、审核技能质量、获取合规性分数或接收具体改进建议时,请使用此技能。当用户说“检查我的技能”、“测试此技能”、“我的技能是否符合规范”、“对我的技能进行评分”、“检查我的 SKILL.md”、“我的技能是否正确”、“检查我的技能”、“测试这个技能”、“这个技能符合规范吗”、“给我的技能打分”等内容时触发,或者当他们提供技能目录或 SKILL.md 文件的路径并希望对其进行审核时触发。
创建具有通过 check-pr-title CI 验证且格式正确的标题的 GitHub 拉取请求。在创建 PR、提交更改以供审核或用户说 /pr 或要求创建拉取请求时使用。
漂移文档到代码的锚约定。在编辑受漂移文档绑定的代码、更新文档、使用drift.lock或漂移检查报告陈旧锚点时使用。
在创建或修改用户可见的任何 UI 元素、查看 HTML 标记、添加交互元素或 Lighthouse 可访问性降至 90 以下时使用。
Dafny 代码模式和 lemmafit 应用程序参考。在编写或编辑 .dfy 文件、定义状态机(Model、Action、Inv、Init、Step)或 Dafny 验证失败且需要修复错误时使用。涵盖 AppCore 模块模式和常见错误。
使用内存中的历史检查数据分析端点延迟趋势。检测缓慢退化、峰值与持续问题,并计算基线偏差。 --- 使用情景记忆的延迟趋势分析技能。 ## 何时激活 在将当前延迟与历史数据进行比较或当用户询问端点的性能趋势时使用此技能。 ## 方法 ### 1. 收集历史记录
This skill should be used when performing a structured, read-only code review of a file, module, diff, commit, or pull request, especially when the user asks to review a PR or diff, 审查一个模块或文件, 看看改动有没有问题, or coordinate multiple review perspectives from one manual entry point.
当用户需要为复杂的 B2B 销售构建基于帐户的一切 (ABX) GTM 策略时,应使用此技能。在为帐户数少于 500 个、交易金额超过 10 万美元且销售周期超过 6 个月的公司制定 ABM 策略、ICP 评分、消息传递架构、产品发布或管道加速时使用。
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: