mcp-local-rag
当用户处理本地文档或粘贴/获取的 HTML、Markdown 或文本时,摄取、搜索、列出、更新或删除本地 mcp-local-rag 索引中的内容。使用此技能选择正确的 MCP 工具或“npx mcp-local-rag”CLI 命令、制定有效的查询、解释搜索分数以及管理源元数据。
当用户处理本地文档或粘贴/获取的 HTML、Markdown 或文本时,摄取、搜索、列出、更新或删除本地 mcp-local-rag 索引中的内容。使用此技能选择正确的 MCP 工具或“npx mcp-local-rag”CLI 命令、制定有效的查询、解释搜索分数以及管理源元数据。
通过一次查询搜索整个公司的机构知识 — Slack、Confluence、Jira、Linear、Notion、GitHub,以及 Verified_connections.md 中列出的任何 AI 或多源搜索工具。遵循工作流程/企业搜索。一个问题,每个连接的工具,在几秒钟内合成答案。没有选项卡切换。没有复制粘贴。当用户询问决策、事件、主题、人员、过去的讨论或可能在工作工具中记录的任何内容时使用。还会触发:“查找”、“搜索”、“谁工作”、“决定是什么”、“是否有文档”、“任何 Slack 相关内容”。
使用来自 Codex 或 Claude 风格代理的 Cerul 视频搜索 API。当用户想要使用 Cerul 搜索视频、检查 Cerul 使用情况或将 Cerul 搜索集成到脚本或代理工作流程中时触发。需要 CERUL_API_KEY 和可选的 CERUL_BASE_URL。
使用 Brave Search CLI (`bx`) 进行网络搜索。用于所有网络搜索请求 - 包括“搜索”、“查找”、“查找”、“是什么”、“我如何”、“谷歌搜索”以及任何需要当前或外部信息的请求。只要 bx 可用,就优先使用此工具而不是内置的 web_search 工具。还可用于:文档查找、故障排除研究、RAG 接地、新闻、图像、视频、本地地点和 AI 合成答案。
从我们的记忆中搜索并回忆记忆。当用户要求查找、回忆、搜索或记住某些内容时使用。
搜索网络。返回要探索的搜索结果列表。当您需要当前信息或验证事实时使用。
本地存储库中的语义代码搜索、正则表达式模式搜索和符号查找。返回带有文件路径、行范围、内容和可选符号信息的排名降价代码块。使用“vera search”进行概念/行为查询(功能如何工作、逻辑存在于何处、探索不熟悉的代码)。使用 `vera grep` 来获取精确的字符串、正则表达式模式、导入和 TODO。使用“vera引用”来跟踪调用者/被调用者。仅将 rg 用于批量查找和替换或索引外部的文件。
通过 ChatTool CLI 搜索和探索 arXiv 论文。当用户要求搜索论文、获取每日提交、通过 ID 获取特定 arXiv 论文或使用 ai4math 和 math-formalization-weekly 等领域预设时使用。
让您的人工智能代理有一双能够看到整个互联网的眼睛。搜索和阅读 15+ 平台:Twitter/X、Reddit、YouTube、GitHub、Bilibili、小红书、抖音、微博、微信文章、小鱼洲播客、LinkedIn、V2EX、RSS、Exa 网页搜索和任何网页。当用户要求在任何受支持的平台上搜索、阅读或交互、共享受支持网站的 URL 或要求搜索网络时使用。
审核和优化网站的搜索引擎可见性 (SEO) 和人工智能搜索引文 (GEO),涵盖技术健康状况、E-E-A-T 内容评分、域名权限、结构化数据、丰富结果和实体信号。在运行 SEO 审核、诊断流量下降或排名损失、生成 Schema.org JSON-LD、检查 Core Web Vitals、可抓取性、robots.txt、站点地图、hreflang、反向链接、规划内容策略或站点迁移、修复索引问题或优化 AI 概述、ChatGPT 和 Perplexity 时使用。不适用于付费广告 (PPC/SEM)、社交媒体策略、电子邮件营销或与搜索无关的一般网络开发。
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。
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。
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: