- 📁 examples/
- 📄 .gitignore
- 📄 changelog.json
- 📄 CONTRIBUTING.md
section-11
基于证据的耐力训练协议(v11.34)。在分析训练数据、回顾训练、生成训练前/训练后报告、规划训练、回答训练问题或提供耐力训练建议时使用。在回答任何训练问题之前,请务必读取或获取运动员 JSON 数据。
基于证据的耐力训练协议(v11.34)。在分析训练数据、回顾训练、生成训练前/训练后报告、规划训练、回答训练问题或提供耐力训练建议时使用。在回答任何训练问题之前,请务必读取或获取运动员 JSON 数据。
使用本地 Notion CLI (notion-cli-agent) 通过 shell 查询、创建、更新和管理 Notion 页面和数据库。在与 Notion 工作区交互、查询数据库、创建或更新页面、管理任务、读取内容块或对 Notion 数据运行批量/批量操作时使用。优于 Notion MCP 或 API 调用。
完整的 CoinGecko Solana API 集成,用于代币价格、DEX 池数据、OHLCV 图表、交易和市场分析。用于构建交易机器人、投资组合跟踪器、价格源和链上数据应用程序。
当用户想要将 GitHub 存储库中的一项或多项技能添加到 kilo-marketplace 时,应使用此技能。它处理解析 GitHub URL、克隆技能目录以及使用源元数据更新 SKILL.md frontmatter。
适用于数据中心和云的 Bitbucket CLI。当用户需要管理 Bitbucket 中的存储库、拉取请求、分支、问题、Webhook 或管道时使用。触发器包括“bitbucket”、“bkt”、“拉取请求”、“PR”、“存储库列表”、“分支创建”、“Bitbucket 数据中心”、“Bitbucket 云”、“密钥环超时”。
构建人工智能和机器学习产品决策,包括模型选择、数据要求、评估框架和负责任的人工智能考虑因素。在构建 AI 支持的功能、评估 LLM 集成、设计 AI 产品或评估 AI 准备情况时使用。触发“AI 产品”、“LLM 功能”、“AI 画布”、“AI 构建”、“AI 集成”、“AI 驱动”、“机器学习功能”。
实施前红队分析。当计划具有高风险、关键路径或逆转成本高昂时使用。在编写代码之前挑战计划——发现边缘情况、安全漏洞、可扩展性瓶颈、错误传播风险和集成冲突。在计划时发现缺陷(比实施后便宜 10 倍)。
通过 Langfuse MCP 调试 AI 跟踪、查找异常、分析会话并管理提示。在调试 AI 管道、调查错误、分析延迟、管理提示版本或设置 Langfuse 时使用。触发“langfuse”、“跟踪”、“调试 AI”、“查找异常”、“出了什么问题”、“为什么慢”、“数据集”、“评估集”。
Aster Futures API v1/v2/v4 的账户、余额、持仓、杠杆、保证金类型、逐仓保证金、现货-期货转账。在读取/更新余额、头寸或转账时使用。签署;请参阅 aster-api-auth-v1。优先选择实时的用户数据流。
使用spec-gen对项目运行完整的静态分析并总结结果——架构、调用图、主要重构问题和重复代码。无需法学硕士。
全面分析 BigQuery 使用模式、成本和查询性能
全球情报中心。三部门架构(政治/金融/科技),具有跨部门因果链分析、市场异常检测和德尔塔引擎。从 Google 新闻、雅虎财经、RSS、黑客新闻和搜索引擎收集。
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: