- 📁 agents/
- 📁 references/
- 📁 scripts/
- 📄 SKILL.md
telegram-codex-linker
用户安装此技能后,安装、配置、修复、更新或重新绑定 Telegram Codex Bridge。当用户希望 Codex 以最少的用户操作接管桥接设置时使用,仅在不可避免的外部步骤(例如提供 Telegram 机器人令牌或向机器人发送消息)时中断。
用户安装此技能后,安装、配置、修复、更新或重新绑定 Telegram Codex Bridge。当用户希望 Codex 以最少的用户操作接管桥接设置时使用,仅在不可避免的外部步骤(例如提供 Telegram 机器人令牌或向机器人发送消息)时中断。
端到端用户研究助理——定性和定量。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、定量研究、用户调查、调查设计、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、创建研究或调查、分析访谈数据、进行人工智能主持的访谈或收集调查回复时也会触发。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(真实或合成)、设计和分发调查以及将结果综合到报告中。 --- # 用户研究,端到端 根据用户意图路由到正确的工作流程。 ## 路由 从上下文推断意图/阶段。 |意向 |路线 | |---|---| |明确想要一份学习计划、筛选问卷或讨论指南 | [路线 A:计划研究](#route-a-plan-a-study) | |有成绩单/笔记,需要报告 | [路线 B:综合](#route-b-synthesize-a-report) | |明确提及 Cookiey AI | [路线 C:Cookiey](#route-c-run-with-cookiy) | |其他| [编排](#orchestration) |如果有歧义,请提出一个澄清问题。 ### 编排当用户有研究目标但尚未指定定性与定量时,帮助他们做出决定 - 或按顺序选择两者。 - **如果决定定性(访谈):** 提供 Cookiey AI 进行端到端执行。如果是,则路由至 [路线 C](#route-c-run-with-cookiy),如果他们更喜欢手动计划,则路由至 [路线 A](#route-a-plan-a-study)。 - **如果确定定量(调查):** 提供 Cookiey AI 进行端到端执行。如果是的话,路由到[路由C](#route-c-run-with-cookiy)。 --- ## 路线 A:计划研究 **时间:** 用户想要创建研究计划、讨论/访谈指南或筛选问卷。 **做:
当用户想要将需求(从小错误修复到多阶段项目)转变为跟踪执行时,请使用此技能。该技能会自动将任务分类为快速修复、单阶段或多阶段,并选择适当的执行深度,无需用户干预。
连接到 EmblemVault 并通过 EmblemAI 管理钱包感知工作流程,并执行审核优先、操作员控制的操作。支持 Solana、以太坊、Base、BSC、Polygon、Hedera 和比特币。当用户需要 Emblem 的身份验证模型时也可以使用:一个浏览器身份验证流程可以使用钱包、电子邮件/密码或社交登录来登录用户,而代理模式可以自动配置配置文件范围内的钱包,无需手动设置。
就计划或设计不断地采访用户,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。
将编码任务直接委托给 OpenCode,无需规划阶段。 **只要用户的请求以直接委托动词开头或包含直接委托动词,就触发此技能** - “委托给 opencode”、“将其委托给 opencode”、“使用 opencode 到 X”、“让 opencode 执行 X”、“仅使用 opencode”、“通过 opencode 运行此”、“向 X 询问 opencode”、“将其交给 opencode” - 无论任务本身有多大或复杂程度。用户明确的委托指令具有权威性;不要根据任务的大小、范围或复杂性来事后猜测。当用户命名特定的 OpenCode 支持的模型(GLM-5.1、GPT-5、Gemini、Kimi、DeepSeek、Claude via opencode、本地 Ollama)并要求使用它时也会触发。 如果用户希望 Claude 在委派之前先计划(“计划并实施”、“计划这个然后委派”、“先设计然后实施”、“思考方法”),请改用“opencode-implement”技能 - 但前提是用户的措辞明确要求进行计划。没有“计划”的“委派”意味着直接委派,即使是大任务。
设计稳定、文档齐全的 API 和模块接口。在创建 REST/GraphQL 端点、定义模块之间的契约或更改公共接口时使用。有线格式 SSOT(响应信封、HTTP 状态代码、验证分类、有效负载命名)位于“.agents/rules/api-conventions.md”;这项技能向作者展示了如何应用它。 --- # Skill: api-and-interface-design 设计难以误用的接口的流程指南 — REST API、GraphQL 模式、模块边界和组件属性。线格式约定(信封形状、状态代码、验证分类、有效负载命名)位于 [`.agents/rules/api-conventions.md`](../../../rules/api-conventions.md) 中,即 SSOT。这项技能向作者展示了**如何**应用这些规则;阅读规则文件了解**内容**。 安全验证保证存在于 [`security-baseline.md`](../../../rules/security-baseline.md) 中;测试层范围位于 [`testing-standards.md`](../../../rules/testing-standards.md) 中。 ## 何时使用 - 设计新的 API 端点。 - 定义团队之间的模块边界或合同。 - 创建组件道具接口。 - 建立告知 API 形状的数据库模式。 - 更改现有的公共接口。 ## 1. 海勒姆定律 — 有意暴露 > 有了足够数量的 API 用户,> 您的系统的所有可观察行为都将被某人依赖,无论您在合同中做出什么承诺 >。每一个可观察到的行为——未记录的怪癖、错误消息文本、时间安排、排序——一旦用户依赖它,就会成为事实上的合同。含义: - **对你暴露的内容有意识。** 每一个可观察到的行为都是一个潜在的承诺。 - **不要泄露实现细节。** 如果用户可以观察到它,他们就会依赖它。 - **在设计时计划弃用。** 请参阅“弃用和迁移”以了解如何安全地删除用户依赖的东西。 - **测试还不够。** 即使有完美的合约测试,“安全”
使用结构化日志、未保存的见解检查和未决问题路由来关闭当前工作会话。在以下情况下触发:(1) 用户说“关闭”、“关闭会话”、“今天就这样”、“最终”、“完成”、“关闭会话”,(2) 用户调用 /close-session,(3) 用户以任何方式发出工作会话结束信号。不要触发:git 提交、会话中保存、没有会话关闭意图的“保存”或“关闭文件”。
通过浏览器 MCP Chrome 扩展程序自动化用户真正的 Chrome 浏览器。使用用户的登录会话和真实的浏览器指纹来避免机器人检测。当用户需要使用实际的浏览器配置文件浏览网站、填写表单、抓取数据或测试网页时使用。
向用户显示本机 macOS Webview UI 并获取结构化输入。当交互式 macOS 会话需要人机交互进行多字段输入、从 5 个以上选项中进行选项选择、上下文批准或内容审核时使用 - 不适用于是/否问题。处理完整的流程 — 生成 Web 视图、生成 A2UI 或 HTML 内容、解析用户的响应。在“显示 UI”、“询问用户”、“需要上下文批准”、“让我从这些选项中选择”、“填写这些字段”或任何结构化 GUI 实质上胜过在终端中询问的情况下触发。跳过 CI/非交互式环境。
在规划或编码之前探索想法、明确目标并帮助用户缩小方向。每当用户提出新功能或想法、询问“您对 X 有何看法”、说“我正在考虑构建 Y”、想要比较方法、询问如何解决问题或似乎正在探索而不是准备好执行时,请使用此选项。当用户说“集思广益”、“让我们考虑一下”、“最好的方法是什么......”时,或者任何时候正确的下一步是澄清问题并集中在一个方向上,而不是编写代码时,也可以使用它。 --- # 头脑风暴 在做任何事情之前,先问。不要跳到解决方案或实施。目标是找出用户的实际意思,揭示他们尚未说出的内容,并帮助他们集中在一个方向上。 将此视为具有动力的苏格拉底式对话:使用问题来引导思维,但不要让用户永远在选项中徘徊。 ## 从上下文开始 在提问之前,吸收对话、代码库、文档和项目状态中已经存在的上下文。不要询问您已经可以推断或直接查找的信息。 ## 引导对话
仅当用户明确想要首次项目初始化时,或者当持久项目状态明显缺失且用户同意运行初始化时才使用。请勿用于已初始化项目中的例行实施、错误修复、审查或正常后续工作。
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: