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。
当用户要求“搜索代码”、“在文件中查找”、“grep for”、“查找模式”、“搜索代码库”、“查找引用”、“查找用法”、“搜索函数”、“查找定义 X 的位置”或需要在目录树中搜索文件内容时，应使用此技能。提供有关使用 search_code MCP 工具进行快速索引代码搜索的指南。
跨 Claude Code、AI Studio 和 Gemini CLI 搜索、恢复和分析 AI 会话历史记录。当用户要求“查找上周的文件”、“搜索会话”、“压缩后恢复上下文”、“AI 做了什么”、“将会话导出到 Markdown”、“查找更正”、“分析会话质量”、“从过去的错误中改进 CLAUDE.md”或“将 AI 错误转化为规则”时使用。包含会话搜索、文件恢复、修正检测、自我改进工作流程。
使用 Qryma API 搜索具有多种输出格式的网络。当用户想要搜索网络、查找有关特定主题的信息、说“搜索”、“查找”、“查找信息”、“网络搜索”或需要从互联网快速得到答案时，请使用此技能。支持用于提高可读性的 Markdown 格式、用于结构化数据的 JSON 以及类似 Brave 搜索的格式。
使用 OpenSearch 构建搜索应用程序并查询日志分析数据。当用户提到 OpenSearch、搜索应用程序、索引设置、搜索架构、语义搜索、向量搜索、混合搜索、BM25、密集向量、稀疏向量、代理搜索、RAG、嵌入、KNN、PDF 摄取、文档处理或任何相关搜索主题时，请使用此技能。还可用于日志分析和可观察性 — 当用户想要设置日志摄取、使用 PPL 查询日志、分析错误模式、设置索引生命周期策略、调查跟踪或检查堆栈运行状况时。即使用户说日志分析、Fluent Bit、Fluentd、Logstash、syslog、traceId、OpenTelemetry 或日志分析而不提及 OpenSearch，也可以激活。
使用“gh” CLI 与 GitHub 交互。使用“gh pr”、“gh run”、“gh 工作流程”、“gh 搜索”和“gh api”进行 PR、CI、搜索和高级查询。
空投项目评估 — 基于 v3 门槛+加权模型（发币意愿/风险 门槛检查 → 筹码/链上/竞争/成本 加权评分） 百分制 × 系数，输出档位判定（Sprint/中等维护/低保维护）。 输出格式对齐 P-xxx 空投评估模板。Triggers on "空投评估", "airdrop evaluation", "项目评分", "airdrop scoring", "空投分析", "evaluate airdrop", or "P-xxx". --- # Airdrop Evaluation (v3) 基于门槛+加权评分框架对空投项目进行综合评估，输出 P-xxx 格式报告。 ## Data Source Priority ### Layer 1: MCP - **coingecko** — 代币信息（如已发币） - **dune** — 链上数据（交易指标、用户增长、手续费、供需分析、KPI 汇总） ### Layer 2: Chrome CDP - `defillama.com/protocol/{protocol}` — TVL 趋势、协议数据 - 官网、文档、Discord ### Layer 3: Web Search - 融资背景、团队信息、社区规模、积分机制、官方公告、竞品信息 ## Workflow ### Step 1: Project Identification + Document Collection - 解析项目名称 - 查找官网、文档、社交媒体链接 - 确认项目状态（是否已发币、是否有积分系统） - **主动询问用户是否有项目相关文档**（白皮书、tokenomics、积分规则等） - 用户提供 → 优先作为评分依据，按文档性质标注置信度 - 官方公告/白皮书/合约文档 → ◆ - 多源交叉验证的分析 → ◇ - 单一来源未验证 → ○ - 用户没有 → 继续自动拉取 ### Step 2: Auto-Fetch Data 自动拉取可获取的数据： - coingecko: 代币信息（如已发币） - dune: 链上数据 - 日度交易指标（交易次数、交易量 USD、手续费 USD、Unique Takers/Makers） - 用户增长（新增用户、7日均值、累计用户） - 协议收入/手续费趋势 - 供需背离分析（供给侧 vs 需求侧指标趋势对比） - 汇总 KPI（总交易量、总交易数、总手续费、总用户数、峰值日、WoW 变化） - defillama: TVL 趋势（Chrome CDP） - Web Search: 融资轮次、估值、团队背景、积分机制细节、社区规模、竞品信息 （URL 未知时先 Web Search 取 URL 再 Chrome CDP 访问，Web Search 无法找到 URL 则直接 Web Search 摘要兜底） ### Step 3: Gate Check (门槛检查) 预填"发币意愿"和"风险等级"评分 + 依据 + 置信度标注： | 门槛维度 | 建议分数 | 系数 | 依据 | 置信度 | |---------|---------|------|------|-------| | 发币意愿 | X | ×Y | [data] | ◆/◇/○ | | 风险等级 | X | ×Y | [data] | ◆/◇/○ | **明确标注为建议评分，等待用户确认或调整。** - 用户确认后： - 任一维度 < 3 → 输出"放弃"精简报告，**流程终止** - 两项都 ≥ 3 → 记录系数，进入 Step 4 ### Step 4: Weighted Scoring (加权评分预填 + 用户确认) 预填四个加权维度评分建议： | 维度 | 权重 | 建议分数 | 依据 | 不确定性 | 置信度 | |------|------|---------|------|---------|-------| | 筹码获取 | 30% | X | [data] | [unknowns] | ◆/◇/○ | | 链上健康度 | 25% | X | [data] | [unknowns] | ◆/◇/○ | | 竞争定位 | 25% | X | [data] | [unknowns] | ◆/◇/○ | | 单位成本 | 20% | X | [data] | [unknowns] | ◆/◇/○ | **明确标注为建议评分，等待用户确认或调整。** 用户可以补充自己的判断依据。 ### Step 5: Calculate + Report (计算 + 生成报告) - 计算最终分 - 档位判定（含降档规则） - 催化剂表格（如有） - 按模板输出报告 ## Output Template — Gate
使用官方 Brave Search MCP 服务器执行互联网搜索。当用户要求使用 Brave 进行搜索、需要图像/视频/新闻/本地搜索或想要 Brave 的注重隐私的索引时使用。
搜索、鉴定和充实个人和公司。每当用户想要按头衔、公司、地点、资历或受众查找专业人士、候选人或 KOL 时，请使用此技能；通过电子邮件、电话或 LinkedIn 丰富已知联系人；研究公司的行业、资金、技术堆栈或招聘活动；查找某人的联系信息；寻找招聘候选人；生成 B2B 潜在客户列表；或对人员或组织进行背景网络研究。即使用户没有明确地说“搜索”或“丰富”，也可以触发此技能——任何提及寻找联系人、采购、勘探、查找个人或公司或收集商业情报的内容都应该激活它。 --- # Lessie — 人员搜索和丰富 ## 设置
使用 CoinPaprika 搜索和分析加密货币市场数据。当用户搜索代币、询问价格、请求市场概况或通过合约地址查找代币时激活。
多引擎 AI **WEB 搜索**工具 — 不适用于代码库搜索。使用greedy_search 进行高质量的网络研究，其中训练数据可能陈旧或单引擎结果不足。通过浏览器自动化搜索 Perplexity、Bing、Google。无需 API 密钥。
编写 ast-grep 规则以执行结构代码搜索和分析的指南。当用户需要使用抽象语法树 (AST) 模式搜索代码库、查找特定代码结构或执行简单文本搜索之外的复杂代码查询时使用。当用户要求搜索代码模式、查找特定的语言结构或查找具有特定结构特征的代码时，应该使用此技能。
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：
