设置、验证和重新配置 llm-wiki 技能套件。当用户说 /wiki-config、要求“设置我的 wiki”、“配置 wiki”、“初始化 wiki 配置”、提到“页面结构问题”、“标题错误”、“架构问题”、“缺少模板”、“页面模板”、要求“wiki 帮助”、“wiki 是如何工作的”或“解释 wiki 技能”时，或者当任何 wiki 技能报告丢失或无效的配置、架构或模板文件夹时使用。拥有 wiki 系统的交互式配置流程、模式管理和模板管理。
指导您逐步定义 Honeydew 实体的计算属性（维度）。涵盖 SQL 表达式构建并通过 MCP 工具推送到 Honeydew。
当用户询问“人工智能是否会影响我的工作”、“我的角色是否面临人工智能的风险”、“人工智能对我的职业生涯产生影响”、“我的工作会自动化吗”、“人工智能将如何改变我的角色”、“我的角色是否不会受到自动化影响”、“我是否应该担心人工智能”或“人工智能正在取代哪些工作”时，应该使用此技能。对用户当前或目标角色在未来 12 个月内是否面临重大 AI 中断进行实时研究评估，然后提供坦率的评估以及 6 个月的缓解计划。
使用 ical CLI 从终端管理 macOS 日历事件和日历。事件和日历的完整 CRUD。支持自然语言日期、重复规则、警报、交互模式、导入/导出 (JSON/CSV/ICS) 和多种输出格式。当用户想要通过命令行与 Apple 日历交互、自动化日历工作流程或围绕 macOS 日历构建脚本时使用。
完整的应用商店优化 (ASO) 工具包，用于研究、优化和跟踪 Apple App Store 和 Google Play Store 上的移动应用性能
您可以使用“cintel”——一个竞争情报工具包。当用户询问竞争对手、竞争分析、战斗卡、定位、定价情报、功能比较或任何与了解另一家公司正在做什么相关的信息时，请使用此工具。
将现有的 find-XXXX SKILL.md 转换为预处理器 Python 脚本，更新 config.yaml 并删除旧的 SKILL.md。涵盖基于外部引用字符串和基于 LLM_DECOMPILE 的发现模式。
使用 tw-easing-gradients 将 Tailwind CSS 线性渐变替换为平滑的缓动渐变。将 bg-gradient-to-* 升级、创建褪色背景或平滑颜色过渡时使用。
用于长时间无人值守运行的自主多批次开发代理。制定计划，将其分解为冲刺规模的批次，通过测试和基于 PR 的审查来实施，并记录压实恢复的所有内容。当用户说“过夜运行”、“我要离线”、“实施这个计划”、“没有我的情况下继续运行”、“不要停止”、“我早上会回来”、“端到端运行”或任何自主执行的指示时使用。也可以在引导一个新项目进行夜间运行时使用 - 该技能从模板生成生存指南和执行日志。
优化任何 GitHub 存储库，以获得最大的星星、流量、关注者和可发现性。将 README 重写为高转化率登陆页面，其中包含 SEO 优化的标题、shields.io 徽章、星号/关注 CTA、关键字丰富的描述和主题、人性化文案和作者归属。包括明星成长知识库，其中包含发布策略、渠道手册和投资回报率排名。当用户说“优化 GitHub”、“改进我的仓库”、“GitHub SEO”、“优化 README”、“获得更多星星”、“改进我的 GitHub”、“让仓库变得更好”、“打磨 GitHub”、“github-优化”、“/github-优化”、“如何获得星星”、“启动策略”、“推广我的仓库”时使用。
AI视频和音频摘要器。总结 YouTube 视频、Bilibili 视频、播客、TikTok、Twitter/X、小红书以及任何在线视频或音频。当用户想要总结视频、提取文字记录/字幕、获取逐章摘要或快速理解视频内容时使用。
MinerU 文档提取 CLI，可通过 MinerU API 将 PDF、图像和网页转换为 Markdown、HTML、LaTeX 或 DOCX。支持无令牌闪存提取以实现快速启动、通过表格/公式识别进行精确提取、网络爬行、批处理和管道工作流程。
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：
