- 📁 agents/
- 📄 android-chrome-192x192.png
- 📄 android-chrome-512x512.png
- 📄 apple-touch-icon.png
clawdi-onboarding
将本机连接到 Clawdi Cloud 的首次设置演练。
将本机连接到 Clawdi Cloud 的首次设置演练。
opskat CLI 用于资产管理和远程操作(SSH、SQL、Redis、文件传输)。使用场合:管理服务器资产、执行远程命令、编写 opsctl 脚本/自动化或使用批准/授予/会话工作流程。还触发:部署到服务器、服务器诊断/故障排除、跨队列的批量操作、数据库查询、服务器之间的文件传输、服务器清单/发现。
该插件是 OpenClaw 和 LycheeMem 之间的瘦适配器。它不会取代 `memory-core`,不会声明 `plugins.slots.memory`,并且不会重复 LycheeMem 算法。
适用于 AI 代理的反检测浏览器自动化 CLI。当用户需要通过机器人检测、验证码或反机器人块与网站交互时使用,包括导航页面、填写表单、单击按钮、截屏、提取数据、测试 Web 应用程序或自动执行任何需要绕过指纹检查的浏览器任务。
当编码任务执行繁重、重复或跨越多个文件时使用,并且 Claude 应该在 Codex CLI 执行机械工作时进行监督。典型的触发器包括批量编辑、样板生成、具有清晰模式的大型重构、测试脚手架和其他大量标记的编码任务。请勿用于架构、根本原因调试、安全判断或不明确的产品决策。
确保此 dotfiles 存储库跨 macOS (Intel/ARM)、Ubuntu 和 Fedora 的跨平台兼容性。检测并自动修复硬编码路径、特定于平台的假设、包可用性问题和测试覆盖范围差距。在添加功能、更新配置、碰撞 Nix flake 或调查特定于平台的错误时使用。关键词:跨平台、兼容性、macOS、Linux、Ubuntu、Fedora、平台、可移植性、Nix flake、Docker 测试、CI
为 RAG 系统提供分块策略。生成块大小建议(256-1024 个标记)、重叠百分比 (10-20%) 和语义边界检测方法。验证语义一致性并评估检索精度/召回指标。在构建检索增强生成系统、矢量数据库或处理大型文档时使用。
创建 Java + Spring Boot 项目:Web 应用程序、使用 Vue.js 或 Angular 或 React 或 vanilla JS、PostgreSQL、REST API 和 Docker 的全栈应用程序。在创建 Spring Boot 项目、设置 Java 微服务或使用 Spring 框架构建企业应用程序时使用。
秘書から始める仮想組織スキル。 3ステップで即運用開始。部署は必要に応じて自然に増える。
🇺🇸 AI 产品全球发布手册 — 来自 Manus 和 Devin 等病毒产品的经过实战检验的策略。完整的 Product Hunt 推出 SOP、KOL 推广、UGC 增长策略。 🇨🇳 AI 产品全球发布剧本 — 基于 Manus、Devin 等。包容且完整的 Product Hunt SOP、KOL 协作、UGC 长期策略。 🇯🇵 AI 产品全球发布指南 — 基于 Manus 和 Devin 等病毒产品的实际经验。包括 Product Hunt 发布 SOP、KOL 推广和 UGC 增长策略。 🇰🇷 AI 产品搜寻 SOP、KOL 협업、UGC 포함。
调整设计以适应不同的屏幕尺寸、设备、环境或平台。实现断点、流体布局和触摸目标。当用户提到响应式设计、移动布局、断点、视口自适应或跨设备兼容性时使用。
代理的 CLI 参考 — 如何领取任务、记录进度、提交审核
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: