- 📄 SKILL.md
conventions
在编写、审查或验证 Claude Code 插件工件时使用 - 检查 frontmatter 架构、挂钩事件名称、命名约定、提示结构或参考语法。由 NLPM 评分器和检查器代理加载以进行模式验证。
在编写、审查或验证 Claude Code 插件工件时使用 - 检查 frontmatter 架构、挂钩事件名称、命名约定、提示结构或参考语法。由 NLPM 评分器和检查器代理加载以进行模式验证。
研究 Claude Code 的自动化技能。从想法到可提交论文的完整流程。技能:/lit-review、/novelty-check、/experiment、/analyze-results、/write-paper、/research(协调器)、/setup。
AI 代理和 LLM 开发技能指南,包括 RAG、多代理系统、提示工程、记忆系统和上下文工程。
使用 OfferPilot 技能包进行简历优化、中国首创的京东适配诊断、有针对性的简历以及 Claude Code 风格存储代理中的求职信。触发简短的意图,例如“按照 Offerpilot 优化简历”、“用 Offerpilot 做 JD 匹配”或“/offerpilot ...”。
从克劳德代码中提取的生产级代理开发方法。涵盖工具设计、系统提示、权限与安全、多代理编排、通证经济、内存/状态、可扩展性的7维框架。支持架构设计、实施指导、代理审核。触发“代理设计”、“构建代理”、“人工智能代理”、“工具设计”、“系统提示架构”、“代理审查”、“多代理”或任何代理开发问题。
将目录路径添加到 Claude Code 沙箱写入白名单
通过基于文件的桥接执行 Unity 编辑器命令(运行测试、编译、获取日志、刷新资源、播放/暂停/单步)。自动激活 Unity 相关任务。需要在 Unity 项目中安装 com.mxr.claude-bridge 包。
查找并终止消耗 CPU 资源的孤立 Claude Code CLI 进程。适用于 macOS 和 Linux 系统。
创建、编辑、验证和测试存储在“$ZDX_HOME/automations/*.md”中的 ZDX 自动化。当用户要求添加或修改自动化文件、重复作业、计划提示或 YAML-frontmatter 自动化定义时使用。
使用 OpenTelemetry - 配置收集器、设计管道、检测应用程序、实施采样策略、管理基数、保护遥测数据、排除可观察性问题、编写 OTTL 转换、制定生产可观察性架构决策或设置 AI 编码代理的可观察性(Claude Code、Codex、Gemini CLI、GitHub Copilot 等)
在管理 AI Hub 帐户、API 密钥、余额、使用情况或 API 端点时使用。当用户在上下文中说“AI Hub”、“添加 AI 积分”、“创建 API 密钥”、“检查 AI 使用情况”、“自动充值”、“AI Hub 端点”、“AI Hub 基本 URL”、“如何使用 AI Hub API”、“LLM API”、“AI API”、“OpenAI 兼容”、“Anthropic API”、“GPT”、“Claude”、“Gemini”、“DeepSeek”或“Grok”时使用泽布尔。
审核 Claude Code CHANGELOG.md 中与插件相关的更改。构建 FLOW 的集成表面模型,获取新的变更日志条目,分类为采用/删除/调整,并为已批准的项目提交问题。
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: