12,777
个开源Skills
免费获取 · 一键下载即用
✅ AI语义搜索 & 关键词搜索
✅ 在线讨论 & 社区互动
✅ 版本更新 & 多维排序
✅ SKILL.md 开放标准
导入技能
上传 skills 归档文件(zip/.skill)
▾
导入
📁 captured/
📁 references/
📁 scripts/
📄 SKILL.md
This skill should be used when the user asks to "check CLI schema", "sync CLI version", "check for new CLI options", "update bundled CLI", "compare SDK structs", "check schema drift", "align message structs", "verify CLI compatibility", or mentions CLI compatibility, schema alignment, or wants to ensure the SDK matches the current Claude CLI. Consolidates schema checking, options validation, and version management into a single workflow.
📁 agents/
📁 assets/
📁 references/
📄 SKILL.md
用“系统工程 + 工程控制论 + 总体设计(GDA)”的方法做软件工程闭环控制。 适用:真实代码库中的 bugfix、feature、refactor、性能、迁移、事故复盘、测试设计、架构审计、门禁验证。 尤其适合:问题复杂、跨模块、需要最小可验证变更、需要离线/在线双层验证、需要防止“测试全绿但真实环境失败”的任务。 不适用:纯知识问答、翻译、创作、一次性聊天建议、无需验证的单句结论。 --- # Cybernetic Systems Engineering(CSE) 把软件开发当作一个**闭环控制系统**来做: - **被控对象(Plant)**:代码库 + 运行时环境 + 依赖 + 数据 + 测试系统 - **控制器(Controller)**:你(Agent)+ 你的计划、策略、节奏控制 - **传感器(Sensors)**:测试、构建日志、运行日志、指标、复现脚本、审计文档 - **执行器(Actuators)**:代码修改、配置变更、依赖升级、回滚、文档更新、测试补强 - **参考输入(Reference)**:需求、issue、验收标准、SLO/SLA、业务边界 - **输出(Output)**:实际行为(通过/失败测试、运行结果、性能数据、门禁结果) - **误差(Error)**:参考输入与输出之间的差距 - **扰动(Disturbance)**:环境差异、并发、flake、脏状态、真实 schema 漂移 - **时滞(Delay)**:慢测试、CI 排队、真实环境依赖、发布窗口 本 skill 的目标不是“让你会用控制论术语”,而是让你在复杂工程任务中: 1. 先建立正确的观测与误差定义 2. 再用最小控制输入减少误差 3. 用分层验证防止振荡与假收敛 4. 用总体设计视角控制复杂性 ## 项目级控制拓扑 CSE 不只处理“当前这一条任务怎么修”,还要先回答“这个项目由谁控制、在哪一层控制、跨模块如何协调”。 从控制层级看,CSE 默认同时存在两套闭环: - **任务级闭环** - 面向单个 issue、单次 patch、单轮验证 - 关注最小控制输入、最小 failing case、分层验证 - **项目级控制拓扑** - 面向多模块、多团队、多阶段演化 - 关注总体设计部、控制结构、跨模块协调、边界冻结与升级路径 如果只建立任务级闭环,而没有项目级控制拓扑,常见结果是: - 单个 patch 看起来正确,但把复杂性偷偷转移到别的模块 - 局部验证通过,但共享接口、共享状态或共享基础设施被无意破坏 - 每个人都在改“自己眼前那一层”,但没有人对整体误差负责 因此在以下场景,必须先补项目级控制拓扑,再进入具体修复: - 改动跨 2 个及以上模块、服务或语言边界 - 需要同时改代码、配置、schema、运行流程中的两类以上对象 - 任务会影响共享接口、共享状态、共享基础设施或统一门禁 项目级控制拓扑至少要回答四个问题: 1. **总体设计部在哪里** - 谁负责维护项目级参考输入、关键边界和最终裁决 2. **控制结构是什么** - 本次问题主要落在哪些层,哪些层只能观测,哪些层允许施加控制输入 3. **跨模块协调怎么发生** - 哪些模块存在强耦合,改动会沿什么路径外溢,谁需要被显式通知或升级 4. **哪些边界先冻结** - 哪些接口、schema、门禁口径在本轮不能被顺手改写 ### 控制面 / 数据面 / 状态面 为了避免“看起来只是改一行代码,实际上改穿了整个系统”,复杂任务开始前必须先识别本次改动主要落在哪一面: - **控制面** - 负责决定系统如何调节自己 - 典型对象:限流、重试、熔断、路由、灰度、回滚、门禁、调度策略 - **数据面** - 负责承载真实业务流量和核心处理路径 - 典型对象:请求处理、任务执行、核心计算、主链调用、用户可见结果 - **状态面** - 负责保存共享事实、恢复锚点与跨节点一致性 - 典型对象:数据库、schema、缓存、队列、事件日志、检查点、幂等键 默认要求: 1. 先标出本次改动的**主落点**在哪一面 2. 再标出会被连带影响的次级面 3. 如果一次改动同时触碰两面以上,必须显式写出复杂性是如何转移的 一个典型例子: - 把重试、限流从业务代码下沉到 mesh 或统一网关 - 不是“复杂性消失了” - 而是复杂性从数据面转移到了控制面 - 把会话、任务进度或幂等信息从应用内存迁到 Redis / 数据库 - 不是“状态更简单了” - 而是状态复杂性从节点内部转移到了状态面 如果主落点都判断不清,默认先不要改实现,而是先补控制结构说明。 ### 复杂性转移账本 复杂性不会凭空消失,只会被下沉、上浮或转移到别处。 因此每次声称“系统更简单了”时,都应
创作者贡献榜
1
暂无数据
--
2
暂无数据
--
3
暂无数据
--
4
暂无数据
--
5
暂无数据
--
6
暂无数据
--
7
暂无数据
--
8
暂无数据
--
9
暂无数据
--
10
暂无数据
--
11
暂无数据
--
12
暂无数据
--
13
暂无数据
--
14
暂无数据
--
15
暂无数据
--
16
暂无数据
--
17
暂无数据
--
Skills文件组织结构基本样例(仅作参考)
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
SKILL.md 内容要求
├─ ⭐ 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)
为什么选择 SkillWink?
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。
AI 语义搜索
关键词检索
版本更新
多维排序
开放标准
评论交流
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。
常见问题解答(FAQ)
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。
1,什么是Agent Skills?
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。
2,Skills是怎么运行的?
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。
3,我该怎么快速找到想要的技能?
推荐 3 种方式组合使用:
语义搜索:用一句自然语言描述你想解决的问题;
多维筛选:按分类/标签/作者/语言/许可证过滤;
排序对比:按下载、点赞、评论、最近更新等维度排序,快速筛出“更可能好用”的技能。
4,SkillWink 支持哪些导入方式?
上传归档文件导入:.zip / .skill 一键导入(推荐)
上传skills文件夹
从GitHub仓库导入
注:以上导入方式文件大小控制在10M之内。
5,在Claude / Codex 等系统中如何是使用?
常见路径如下(不同系统略有差异,以你本机为准):
Claude Code:~/.claude/skills/
Codex CLI:~/.codex/skills/
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”。
6,一个技能能不能被多个工具一起用?
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。
7,这些skills使用安全吗?
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。
8,为什么我导入后“没有生效”?
最常见原因是这几类:
放错目录(路径不对、层级多了一层)
SKILL.md 缺字段或格式不规范(名称/入口/依赖不完整)
依赖未安装(Python/Node/CLI 工具缺失)
工具未重新加载技能(某些环境需要重启/刷新)
9,SkillWink 会不会收录重复或低质量技能?
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前:
重复技能:看差异点(更快/更稳定/更强主题能力)
低质量技能:我们会定期清理低质量skills