使用 GitButler 提交、推送、分支和管理版本控制。用于：提交我的更改、检查更改的内容、创建 PR、推送我的分支、查看差异、创建分支、暂存文件、编辑提交历史记录、压缩提交、修改提交、撤消提交、拉取请求、合并、存储工作。替换 git - 使用“但是”代替 git commit、git status、git push、git checkout、git add、git diff、gitbranch、git rebase、git stash、git merge。涵盖所有 git、版本控制和源代码控制操作。
将供应商/openclaw 更新到特定提交，通过 AI 审查重放 EasyClaw 的供应商补丁堆栈、重建、测试并确定每个补丁是否仍然属于其中。当要求升级、更新或将供应商/openclaw 固定到新版本或提交哈希时使用。
当用户要求“提交”、“创建提交”或“git 提交”时，应该使用此技能。它为 Ansible 集合内容（角色、模块、插件）创建具有 FQCN 范围的常规提交。
使用有用的描述性消息修改最后一次 git 提交。当您想要重写提交消息、修改提交描述或改进最后的提交消息时使用。
暂存、起草和执行常规提交。当您想要在工作流程中的任何点提交更改时（在编写计划文档之后、TDD 中期、修复审核结果之后或任何临时更改之后），请使用此命令。检查 git 状态，帮助您决定暂存什么内容，起草包含类型、可选任务范围和描述的常规提交消息，然后在您确认后执行。
使用会话历史记录作为基本原理和总结，从当前更改创建格式良好的 git 提交；当要求提交、准备提交消息或完成分阶段工作时使用。 --- # Commit ## 目标 - 生成反映实际代码更改和会话上下文的提交。 - 遵循常见的 git 约定（类型前缀、短主题、包装正文）。 - 在正文中包括摘要和理由。 ## 输入 - 意图和理由的会话历史记录。 - `git status`、`git diff` 和 `git diff --staged` 用于实际更改。 - 特定于存储库的提交约定（如果有记录）。 ## 步骤 1. 阅读会话历史记录以确定范围、意图和理由。 2. 检查工作树和分阶段更改（`git status`、`git diff`、`git diff --staged`）。 3. 在确认范围后暂存预期的更改，包括新文件 (`git add -A`)。 4. 对新添加的文件进行健全性检查；如果有任何内容看起来是随机的或可能被忽略（构建工件、日志、临时文件），请在提交之前将其标记给用户。 5. 如果暂存不完整或包含不相关的文件，请修复索引或要求确认。 6. 选择与更改匹配的常规类型和可选范围（例如，`feat(scope): ...`、`fix(scope): ...`、`refactor(scope): ...`）。 7. 以祈使语气写主题行，<= 72 个字符，无句号。 8. 撰写正文，其中包括： - 关键变更摘要（变更内容）。 - 基本原理和权衡（为什么改变）。 - 测试或验证运行（如果未运行则明确注释）。 9. 在 72 个字符处换行正文。 10. 使用here-doc或临时文件创建提交消息，并使用“git commit -F <file>”，以便换行符是文字的（避免使用“-m”和“\n”）。 11. 仅当消息与暂存的更改匹配时才提交：如果暂存的差异包含不相关的文件或消息描述未暂存的工作，请在提交之前修复索引或修改消息。 ## 输出 - 使用 `git commit` 创建的单个提交，其消息反映了会话。 ## 模板类型和范围为示例
按照项目约定创建 git 提交。
从 git diff 生成清晰、常规的提交消息。在编写提交消息、审查分阶段更改或准备发布时使用。
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：
