将从 Microsoft Copilot 收集的文档和知识转换为结构良好、与 SharePoint 兼容的 Markdown 文件。当用户拥有来自 Copilot 的内容（摘要、研究、会议记录、流程步骤）并希望为 SharePoint 站点、wiki 或知识库生成格式化页面时使用。触发器包括“据此创建 Markdown 文件”、“为 SharePoint 设置格式”、“将其编写为知识库文章”、“将此 Copilot 输出转换为页面”，或者当用户粘贴 Copilot 生成的内容并要求对其进行记录时。
在 Claude 知识图库中搜索过去的问答会话、概念和开发人员知识。当您需要从以前的对话中查找信息、回忆以前如何完成某件事或查找存储的技术知识时使用。支持韩语和英语查询。
摄取或更新代理知识库中的代码库。首次运行从头开始引导知识库；后续运行是增量的（仅重新处理更改/新/删除的文件）。使用 Tree-sitter 进行零标记结构提取。触发“/knowledge-ingest”、“摄取此代码库”、“将其加载到知识中”、“扫描此项目”、“索引此存储库”、“更新知识”、“刷新知识”、“重新摄取”。 --- #knowledge-ingest 从代码库填充或更新代理知识。 Tree-sitter 提取结构（零 LLM 令牌），然后代理通过现有的 MCP 工具将集群提炼为知识条目 + 图边。 **首次运行**：完整摄取 — 扫描所有文件，从头开始创建条目。 **后续运行**：增量 — 仅重新处理 SHA256 更改的文件、添加新文件的条目、删除已删除文件的条目。 目标目录中的“.knowledge-ingest-cache.json”文件跟踪运行之间的状态。 ## 何时使用 - **加入新项目** — 引导知识库，以便将来的会话有上下文 - **重构后** — 重新运行以更新子系统边界和关系 - **定期刷新** — 在重大更改后重新运行以保持知识最新 - **导入文档** — PDF、架构图或外部 URL ## 何时不使用 - 单文件更改 — 只需手动编写知识条目 - 自上次摄取后没有代码更改 — 缓存将跳过所有内容（快速） no-op) ## 过程 ### 第 0 阶段 — 验证 1. 确认目标路径存在并且是一个目录。 2. 检测项目名称： - 检查 `package.json` → `name` 字段 - 检查 `Cargo.toml` → `[package] name` - 检查 `go.mod` → `module` 行 - 检查 `pyproject.toml` → `[project] name` - 回退到目录 basename 3. 检查目标目录中的 `.knowledge-ingest-cache.json`。如果找到，则加载它——这是增量运行。报告自上次摄取以来更改了多少文件。 ### 第 1 阶段 — 结构提取（零标记） 4. Loc
当用户说“更新/刷新知识图”、“图状态”、“盲点”、“CLAUDE.md 覆盖范围”或“初始化知识图”时使用。也可在接收由钩子注入的“[kg auto-trigger]”消息时使用。请勿用于常规编码任务。
将特定的知识、约束或决策捕获到 Kindex 知识图谱中。当用户说“记住这一点”、“将其添加到 kindex”或“这很重要”时使用。
当 Claude 重复犯错误、用户纠正行为、工具故障表明知识缺失或通过 /coach 命令管理学习时使用。
通过探索代码库架构来引导知识存储——在开始新的或空的项目、播种知识或运行 /bootstrap 时使用
查询 Mahdi navigator 关于 Mahdi 的知识导航器。当用户要求“询问 Mahdi”或需要此知识库中的信息时使用。
从agentic_kb知识库中搜索和检索知识。当用户请求搜索知识库、询问“我如何...”应该查阅知识库的问题、想要记录新知识或在会话开始时更新知识库子模块时使用。当用户想要用新知识更新知识库时也可以使用。当您在任务期间学习新的、可重用的知识时，知识捕获。支持 Typesense（快速全文搜索）、FAISS（语义向量搜索）和 ripgrep（精确模式匹配）。所有知识库均采用 Obsidian 格式，可以使用 Obsidian 中的网络地图轻松直观地浏览。
自我修正的MCP服务器框架，具有分层技能架构和区块链可审计性。当用户想要管理知识、发展技能、使用区块链跟踪变化、审核技能健康状况、在层之间提升知识或执行角色组装以提供决策支持时使用。 --- # KairosChain - 自我修正 MCP 服务器框架 KairosChain 提供了分层技能架构（L0/L1/L2），其中技能可以通过区块链支持的可审计性来发展、提升和自我审计。 ## 架构 ### 三层系统 - **L0（宪法/法律）**：不可变的安全规则和元治理。更改需要人工批准和完整的区块链记录。 - **L1（知识）**：以人类技能格式投射知识。使用哈希引用记录的更改。 - **L2（上下文）**：临时会话上下文。免费修改，无区块链记录。 ### 核心功能 #### 知识管理 - `knowledge_list` / `knowledge_get` - 浏览和阅读 L1 知识技能 - `knowledge_update` - 通过区块链记录创建、更新或删除 L1 知识 - `context_save` - 保存会话工作的临时 L2 上下文 #### 技能演变 - `skills_evolve` - 提出并应用对 L0 技能定义的更改（需要人工批准） - `skills_rollback` - 使用区块链进行版本管理快照和回滚功能 - `skills_promote` - 通过可选的 Persona Assembly 提升各层之间的知识（L2→L1、L1→L0） #### 区块链可审计性 - `chain_status` / `chain_verify` - 检查和验证区块链完整性 - `chain_history` - 查看技能转换、知识更新和状态提交 - `chain_record` - 将数据记录到区块链 - `state_commit` - 创建所有层的快照以实现可审核性 #### 健康与安全-`技能 s_audit` - 跨层审核知识健康状况（冲突、过时、危险模式） - `tool_guide` - 动态工具发现和工作流程建议 #### Persona Assembly - 使用 pe 的多视角决策支持
智能技能知识门户。将任务分配给正确的知识，而不将所有技能加载到上下文中。在执行任何编码任务之前必须先咨询 — 调用 search_skills MCP 工具从 100 多个索引技能中检索相关专业知识，涵盖 Swift、SwiftUI、并发、测试、架构、性能和安全性。
LLM 编译的知识库管理器。当用户使用 wiki 目录、提及知识库管理、在带有 wiki 的项目中询问知识问题、想要摄取/编译/查询/lint 知识或使用 /wiki 命令时激活。当用户说“wiki”、“知识库”、“摄取”、“编译 wiki”、“添加到 wiki”、“搜索 wiki”或在包含 .wiki/ 的目录中或当 ~/wiki/ 存在时询问事实问题时也会激活。
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：
