创建和使用brand.yml文件，以在Shiny应用程序和Quarto文档中保持一致的品牌。在 Shiny 或 Quarto 项目中处理品牌样式、颜色、字体、徽标或企业标识时使用。涵盖：(1) 根据品牌指南创建新的 _brand.yml 文件，(2) 使用 bslib 将brand.yml 应用到 Shiny for R 应用程序，(3) 使用 ui.Theme 将brand.yml 应用到 Shiny for Python 应用程序，(4) 在四开本文档、演示文稿、仪表板和 PDF 中使用brand.yml，(5) 修改现有的brand.yml 文件，(6) 解决品牌集成问题。包括完整的规范和特定于框架的集成指南。
使用 Python + UV 读写哔哩哔哩（B 站）数据的技能，依赖 bilibili-api-python + aiohttp， 通过 browser_use get_cookies 自动获取 Cookie 完成认证，无需手动复制。 支持视频详情/字幕/AI总结/评论、用户主页、搜索、热门/排行榜、关注动态 Feed、 收藏夹、稍后再看、观看历史、互动操作（点赞/投币/三连）、动态发布与删除等。 当用户提到"B站"、"哔哩哔哩"、"bilibili"、"B站视频"、"B站热门"、"bilibili-hub"、 "获取B站数据"、"B站字幕"、"B站评论"、"B站收藏"、"B站动态"， 或任何需要以编程方式读写 B 站内容的场景，必须触发本技能。 --- # bilibili-hub > **改造来源**：[jackwener/bilibili-cli](https://github.com/jackwener/bilibili-cli)（Apache-2.0） > > 本技能在原仓库基础上做了以下简化与改造： > - 移除 `browser-cookie3` / `click` / `rich` / `PyYAML` / `qrcode` 依赖 > - Cookie 认证改为直接传入 `dict` 或从环境变量读取，不做浏览器自动提取 > - 移除 CLI 层（commands/）、QR 登录、formatter 等 > - 保留全部 API 方法，统一封装为同步接口（`asyncio.run`） > - 核心依赖 `bilibili-api-python`（逆向工程 B 站 API 的第三方 SDK） > - 在 Minis 环境中，Cookie 通过 `browser_use get_cookies` 自动获取 --- ## 文件结构 ``` /var/minis/skills/bilibili-hub/ ├── SKILL.md ├── pyproject.toml # bilibili-api-python + aiohttp └── scripts/ ├── __init__.py ├── exceptions.py # 6 种结构化异常 ├── payloads.py # 数据结构规范化（normalize_* 函数） └── client.py # BiliClient 核心类（全部 API 方法） ``` --- ## 认证方式 B 站 Web API 使用三个关键 Cookie： | Cookie | 说明 | |--------|------| | `SESSDATA` | 用户 Session（必填，读操作） | | `bili_jct` | CSRF Token（写操作必填：点赞/投币/发动态等） | | `DedeUserID` | 用户 ID（建议填写） | | `buvid3` | 设备 ID（建议填写，降低风控概率） | ### 方法一：browser_use 自动获取（Minis 环境首选） 1. `browser_use navigate` 打开 `https://www.bilibili.com`，确认已登录 2. `browser_use get_cookies` 获取 Cookie（原始值不出现在对话中） 3. 加载 offload env 文件： ```bash . /var/minis/offloads/env_cookies_www_bilibili_com_xxx.sh export BILI_SESSDATA="$COOKIE_SESSDATA" export BILI_JCT="$COOKIE_BILI_JCT" export BILI_USERID="$COOKIE_DEDEUSERID" export BILI_BUVID3="$COOKIE_BUVID3" ``` > **注意**：`get_cookies` 仅对当前页面域名生效，需先 navigate 到 `https://www.bilibili.com` 再调用。 ### 方法二：手动从浏览器 DevTools 获取 1. 登录 B 站，打开 DevTools → Application → Cookies → `https://www.bilibili.com` 2. 找到 `SESSDATA`、`bili_jct`、`DedeUserID` 的值 3. 存入 Minis 环境变量：`BILI_SESSDATA` / `BILI_JCT` / `BILI_USERID` ### Cookie 传入方式（三种） ```python # 方式一：
Node.js / Python 接口自动化与签名还原工程技能：对自有平台或已授权平台的 Web API 进行签名分析与接口对接， 通过 Camoufox 反检测浏览器动态调试与静态源码分析，定位并还原前端加密/签名逻辑， 使用 Node.js 或 Python 实现算法复现与自动化接口调用。 深度集成 camoufox-reverse MCP v0.8.0（C++ 引擎级指纹伪装，78 个逆向分析工具，域级 Session 档案 + 断言系统）。 擅长 JSVMP 虚拟机保护的双路径攻克：路径 A 算法追踪（Hook / 插桩 / 日志分析 / 源码级插桩四板斧， 通用对RS 5/6、Akamai sensor_data、webmssdk、obfuscator.io）、 路径 B 环境伪装（jsdom/vm 沙箱 + 浏览器环境采集对比 + 全量补丁）。 v2.6.0 新增反爬类型三分法（签名型/行为型/纯混淆）作为顶层决策框架，明确 pre_inject_hooks 与 hook_jsvmp_interpreter(mode="proxy") 对签名型反爬不可用， 引入 mode="transparent" 签名安全备选与 MCP 侧 AST 源码插桩（消除 CDN 依赖）。 v2.9.0 新增域级 Session 档案（跨任务复用反爬判定/指纹基准/Cookie 归因）与断言驱动交付体系， Phase 5 升级为断言驱动结构化交付，新增降级梯度原则防止 AI 过早放弃。
检查 Python 代码中的错误、安全问题和最佳实践
使用 torch.utils.cpp_extension.load_inline() 帮助编写 CUDA 和 HIP 内核。当用户想要在 Python 提交文件中编写本机 GPU 代码 (CUDA/HIP) 时使用。
生成持久的 .nexus-map/ 知识库，让任何 AI 会话立即了解代码库的架构、系统、依赖项和更改热点。在开始处理不熟悉的存储库、加入人工智能辅助环境、准备重大重构计划或在整个团队中启用可靠的冷启动人工智能会话时使用。生成 INDEX.md、systems.md、concept_model.json、git_forensics.md 等。需要 shell 执行和 Python 3.10+。对于主动开发期间的临时文件查询或即时影响分析，请改用 nexus-query。
通过 Cloudflare 使用公共 URL 创建和管理隔离的应用程序沙箱（Next.js、Python、PHP 等）。
跨 Python、TypeScript、Go、Java 和 .NET 开发、调试和管理时态应用程序。当用户使用 Temporal SDK 构建工作流、活动或工作人员，使用 Temporal CLI、Temporal Server 或 Temporal Cloud 调试非确定性错误、卡住的工作流或活动重试等问题，或使用持久执行概念（如信号、查询、心跳、版本控制、继续为新、子工作流或 saga 模式）时使用。
在任何项目中建立人工智能驱动的变更日志系统。创建 CHANGELOG.md，其中包含 AI 代理的 [Unreleased] 部分、Python 版本/变更日志标记脚本（CalVer 或 SemVer）以及构建/CI 集成。当用户想要添加自动化变更日志管理、人工智能友好的变更日志工作流程、版本标记或为新项目或现有项目设置变更日志系统时使用。当被要求改进现有变更日志流程时也可以使用。
每当用户想要安装、配置或使用通用版本管理器 asdf (asdf-vm) 时，请使用此技能。触发任何提及 asdf、.tool-versions 文件、管理运行时版本、在 Node.js、Python、Ruby、Go、Terraform、kubectl、Java、Erlang、Elixir 或由 asdf 管理的任何其他工具的版本之间切换。从 nvm、pyenv、rbenv、goenv、tfenv 或类似的单语言版本管理器迁移时也会触发。使用此技能可以获得 asdf 插件、asdf 安装、asdf 设置/全局/本地、垫片故障排除、Fish/Bash/Zsh shell 配置和多项目版本隔离工作流程的帮助。
Cognithor - 代理操作系统：本地优先的自治代理操作系统。 16 个 LLM 提供商、17 个通道、112+ MCP 工具、5 层内存、A2A 协议、知识库、语音、浏览器自动化、计算机使用、自我修复、自我改进。 Python 3.12+、Apache 2.0。
用于数学和文本文件的小型 Python 实用程序。
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：
