使用 TuRBO 或 scipy 对设计参数进行黑盒优化。当用户想要优化、调整、调整大小、扫描或探索设计空间以满足规格时触发。这包括电路尺寸（W/L、偏置、无源器件）、寻找最佳工作点、最小化功率延迟或噪声功率权衡，或者需要搜索多个参数才能达到目标的任何任务。当用户说出“找到最佳尺寸”、“帮我调整这个”、“运行优化”、“什么值给我最好的 FOM”或“扫描这些参数以满足规格”等内容时也会触发。不要触发单变量参数扫描或分析计算。
在编辑 .lean 文件、调试 Lean 4 构建（类型不匹配、抱歉、无法综合实例、公理警告、 Lake 构建错误）、搜索 mathlib 中的引理、在 Lean 中形式化数学或学习 Lean 4 概念时使用。当用户请求有关 Lean 4、mathlib 或 Lakefile 的帮助时也会触发。请勿触发 Coq/Rocq、Agda、Isabelle、HOL4、Mizar、Idris、Megalodon 或其他非 Lean 定理证明器。
当用户要求审查拉取请求中的错误、希望 AI 代码审查重点关注正确性问题或运行 /bug-review 时，请使用此技能。触发 PR 审查、错误查找、代码审查、“审查此 PR”、“检查错误”、“查找此 PR 中的问题”。这是一个多通道审核工作流程，具有 5 次并行通道、多数投票、独立 Opus 验证和分辨率跟踪。还触发 /bug-review:resolve 以对合并时发现的问题是否已修复进行分类，并触发 /bug-review:report 以获取解决率统计信息。即使用户只是在 PR 分支上说“查看此内容”，也会触发此技能。
在编辑 .lean 文件、调试 Lean 4 构建（类型不匹配、抱歉、无法综合实例、公理警告、 Lake 构建错误）、搜索 mathlib 中的引理、在 Lean 中形式化数学或学习 Lean 4 概念时使用。当用户请求有关 Lean 4、mathlib 或 Lakefile 的帮助时也会触发。请勿触发 Coq/Rocq、Agda、Isabelle、HOL4、Mizar、Idris、Megalodon 或其他非 Lean 定理证明器。
在 Apex、触发器、流或元数据文件上运行 Salesforce 代码分析器。在编写或修改 .cls、.trigger、.xml 或流文件后使用。当要求扫描、lint 或检查代码质量时也可使用。
在新的 Claude Code 会话开始时使用此技能可以从上一个会话结束的地方继续。在 `.claude/reports/handoff/` 下找到最新的移交文档，读取它，然后根据实时代码库验证其声明（读取每个引用的文件，运行 `git status` / `git log --oneline`），然后报告结果并等待用户指令。将切换视为假设，而不是事实——之前的会话可能被混淆了。触发“赶上”、“赶上”、“继续工作”、“继续”、“从上一个会话继续”、“从交接处恢复”、“阅读交接”、“从参考交接开始”、“继续昨天的工作”、“从上次继续”、“准备新会话”、“准备继续”、“从我们上次停下的地方继续”、“赶上”。当用户通过引用之前的工作启动新会话时也会触发（“让我们继续我们昨天所做的事情”、“让我们继续”、“恢复身份验证重构”）并且项目中存在 `.claude/reports/handoff/` 目录。 当用户想要开始一个全新的不相关的任务，或者当他们想要阅读特定的命名文档时（直接使用 Read），不要触发。
使用结构化日志、未保存的见解检查和未决问题路由来关闭当前工作会话。在以下情况下触发：(1) 用户说“关闭”、“关闭会话”、“今天就这样”、“最终”、“完成”、“关闭会话”，(2) 用户调用 /close-session，(3) 用户以任何方式发出工作会话结束信号。不要触发：git 提交、会话中保存、没有会话关闭意图的“保存”或“关闭文件”。
对任何主题进行深入、结构化的研究——市场、产品、功能、竞争对手、问题、行业、法规或机会。每当用户想要研究、探索、调查、分析或理解某事时触发。这包括：进入新市场、评估产品或服务、探索功能、解决业务问题、竞争格局、监管研究或任何“我需要了解 X”场景。还可以触发：“调查”、“深入研究”、“探索是否”、“规划前景”、“X 有哪些选项”、“Y 在实践中如何运作”。积极触发——如果有研究意图，请使用此技能。涵盖：市场研究、竞争分析、特征探索、监管深入、产品评估、问题解决、机会评估、景观测绘。 --- # 深度研究技巧## 核心理念 大多数研究都是肤浅的。它涵盖了很容易通过谷歌搜索的内容，提供一般概述，并停留在表面。这项技能的存在远不止于此。 **交付规则：** - 绝不交付少于要求内容的 7 倍 - 目标是 10-15 倍：彻底覆盖以及用户未请求的邻近区域 - 对于 25 倍区域中的任何内容（有趣但超出范围），包括简短的指示，这样就不会隐藏任何重要内容 ** 质量标准：** 每个部分都必须通过“有经验的从业者”测试 - 在这个领域工作了 5 年的人会从这个输出中学到新东西吗？如果没有，请继续深入。表面的概述永远不能作为最终的交付成果。 --- ## 步骤1：模式检测 在做其他事情之前确定研究模式。 ### 模式 A：引导（交互式） **触发时间：** 提示模糊、宽泛、不明确，或者可能走向多个截然不同的方向。或者用户明确地说“先问我问题”。 **流程：** 1. 使用问题分解技术提出 3-5 个尖锐问题（如下） 2. 提出研究计划并确认 3. 执行
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：
