- 📁 references/
- 📄 SKILL.md
uithub-fetcher
当用户粘贴 GitHub URL 时,使用 uithub CLI 获取 GitHub 存储库内容。当用户共享 github.com 链接或需要分析存储库代码、问题或拉取请求时使用。
当用户粘贴 GitHub URL 时,使用 uithub CLI 获取 GitHub 存储库内容。当用户共享 github.com 链接或需要分析存储库代码、问题或拉取请求时使用。
当用户要求在主机上运行命令、在主机上打开应用程序、向用户发送桌面通知、列出先前批准的主机命令或管理主机上长时间运行的后台进程(守护程序)时,应使用此技能。在 /home/ai-pod/.local/bin/host-tools 中提供 host-tools 二进制文件。
用于代理和用户之间结构化通信的交互式视觉画布。在用户浏览器中打开丰富的可注释文档,用户可以在其中审阅、评论、回答问题并提交反馈。支持规划、架构审查、代码审查、发现访谈、实施摘要、提案、决策文档和解释。
不断地与用户就计划或设计进行访谈,直到达成共识,解决决策树的每个分支。当用户想要对计划进行压力测试、对其设计进行盘问或提到“盘问我”时使用。
Create low-friction coursework deliverables for general education, elective, and low-stakes college assignments, including PPT slides, short papers, reading reports, reflection essays, presentation scripts, discussion posts, and course summaries. Use this skill whenever the user mentions 水课, 通识课, 选修课, 小论文, 课程论文, 读书报告, 观后感, 汇报PPT, 课堂展示, 演讲稿, or asks to turn scattered course materials into a polished student-style deliverable. --- # Coursework Helper Skill Produce practical course deliverables from messy prompts, readings, course slides, topic requirements, and user notes. The goal is to help a busy student quickly get a usable PPT, short paper, speech script, or reflection while keeping claims grounded in provided material. ## Architecture ```text User request -> Intake: infer task type, deadline pressure, source materials, tone, and format -> Setup: index materials, check official file skills, initialize output directory -> Plan: choose deliverable path and create a lightweight outline -> Draft: produce content, slides/script, or paper -> Polish: add citations/evidence notes, fix tone, export requested formats ``` | Path | Use when | Primary output | |------|----------|----------------| | `slides` | PPT/class presentation/课堂展示/汇报 | `final_slides.md`, optional `.pptx`, speech script | | `paper` | 小论文/课程论文/读书报告/观后感/心得体会 | `final_paper.md`, optional `.docx`/`.pdf` | | `script` | 演讲稿/发言稿/答辩稿/课堂分享 | `final_script.md` | | `mixed` | User asks for PPT + paper + script, or task is ambiguous | combined deliverables | ## Startup Layer ### 1. 低摩擦摄入 尽可能多地从用户的文字和文件中进行推断。仅当缺少的答案会改变可交付成果时才询问。
与其他 LLM(Gemini、GPT、ChatGPT、Codex、o3、DeepSeek、Qwen、Grok、Mistral 等)进行对话,并将结果折叠回您的上下文中。触发时间:用户要求与另一个法学硕士或模型交谈、聊天、使用、通话或产生;用户提及 Gemini、GPT、ChatGPT、Codex、o3、DeepSeek、Claude(作为 sidecar 目标)、Qwen、Grok、Mistral 或任何非当前模型的名称;用户要求从另一个模型获得第二意见;用户希望使用不同的模型进行并行探索;用户说“sidecar”、“fork”或“fold”。
采用注重用户结果、信任、可访问性和性能的精英设计原则构建软件。在创建 UI 组件、设计用户流程、编写生产代码、检查代码质量或用户提及 UX、可访问性、性能或以信任为中心的开发时使用。
当用户报告应用程序中的错误、错误、崩溃、意外行为或性能问题,或要求“调查”、“调试”、“检查日志”、“查看错误”、“发生了什么”、“X 为什么失败”或“跟踪请求”时,请使用此技能。当用户粘贴错误消息或堆栈跟踪并寻求帮助时也会激活。当用户询问“我的应用程序在做什么?”、“显示我运行 X 时发生了什么”、“跟踪此流程”、“我的服务正在接收日志吗?”、“我正在测试此端点 - 我看到什么?”或任何探索性运行时问题时,也可以使用此方法。当用户想要在其应用程序中设置、配置或验证日志记录/OTLP 工具时也可使用。需要连接 Loggles MCP 工具。
广义自主优化循环 - 适用于用户可以测量的任何工件的软 RLVR。 Web 运行时包:按以下顺序使用内存:连接器支持、项目包、无。永远不要假设子进程访问或不受限制的本地文件。每当用户想要通过运行结构化实验、根据多维标准评估结果并从每次尝试中学习来迭代改进工件(代码、提示、文档、配置、设计、内容)时,就可以使用此技能。触发因素包括:“优化它”、“不断改进直到它变好”、“运行实验”、“自动研究”、“过夜迭代”、“尝试不同的方法并选择最好的”,或任何暗示重复评估和改进周期的请求。
生成格式为 GOST 7.32 的俄语学术报告 (.docx) - 任何俄罗斯大学(ITMO、莫斯科国立大学、圣彼得堡国立大学、MIPT、Baumanka 等)的实验室工作、实践报告、课程项目、论文、作业。每当用户要求根据 GOST、实验室工作、实践报告、课程项目、论文或任何需要正确标题页、标题、页码、图形/表格标题的俄语学生论文时,请使用此技能。即使用户只提及“实验室”或“报告”而没有提及特定大学,也可以触发此技能 - 俄语上下文(参考 ITMO / 莫斯科国立大学 / 圣彼得堡国立大学 / 大学 / GOST)就足够了。 ITMO 是默认配置文件(保留原始 itmo-report 行为);其他大学通过 UniversityProfile 获得支持。
当用户参考以前的工作、询问最近发生的事情、需要有关项目或人员的背景信息,或者当您应该存储通话、会议或重要对话的笔记时,请使用。当用户说“记住这一点”或要求您搜索内存时也会激活。
端到端用户研究助理——从规划到综合。每当用户提及用户研究、用户访谈、讨论指南、访谈指南、研究计划、定性研究、可用性研究、参与者招募、研究综合、访谈记录、研究报告、使用 AI 进行研究或明确提及 Cookiey AI 时,请使用此技能。当用户想要与客户交谈、进行发现研究、创建研究、分析访谈数据或进行人工智能主持的访谈时也会触发。涵盖整个生命周期:规划研究、创建讨论指南、通过 Cookiey 进行人工智能主持的访谈(真实或模拟),以及将原始记录合成为有证据支持的报告。 --- # Cookiey 技能 — 用户研究,端到端 此技能可根据用户需求引导您找到正确的工作流程。 共有三个核心能力,并且它们经常链接在一起。 --- ## 步骤 1:识别用户的意图 询问用户他们处于哪个阶段,或从上下文推断: |用户想要什么 |前往| |---|---| | **明确想要详细的研究计划、筛选问卷或访谈/讨论指南** - 他们特别要求创建这些工件 | [定性研究规划师](#route-a-plan-a-study) | | **综合报告** - 他们已经有了采访记录/笔记和需求分析 | [综合研究报告](#route-b-synthesize-a-report) | | **明确提及 Cookiey AI** — 他们希望使用 Cookiey 平台 | [Cookiy 人工智能平台](#route-c-run-with-cookiy) | | **有一个粗略的研究想法或已经有一个计划/指南** - 没有提到 Cookiey |问:*“您想使用 Cookiey AI 端到端地运行这项研究吗? Cookiey 可以根据您的目标生成研究计划和访谈指南,招募参与者,进行 AI 主持的访谈(或对 AI 角色的模拟访谈),并将结果综合成报告。”* 如果是,则路由至 [Cookiy AI Platform](#route-c-run-with-cookiy),或 [Qualitative Re]
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: