将 SaaS 数据（HubSpot、Stripe、Salesforce、GitHub、Slack 等）连接到 Wren Engine 进行 SQL 分析。引导用户完成整个流程：安装 dlt、选择 SaaS 源、设置凭据、将数据管道运行到 DuckDB 中，然后从加载的数据自动生成 Wren 语义项目。每当用户提到：连接 SaaS 数据、从 API 导入数据、dlt 管道、加载 HubSpot/Stripe/Salesforce/GitHub/Slack 数据、使用 SQL 查询 SaaS 数据或从 REST API 设置新数据源时，请使用此技能。当用户已经拥有 dlt 生成的 DuckDB 文件并希望从中创建 Wren 项目时也会触发。
通过 CDP 直接控制浏览器。当用户想要自动化、抓取、测试网页或与网页交互时使用。连接到用户已运行的 Chrome。
当用户询问附近的餐馆或 근처 맛집 并想要 블루리본 精选时使用。始终先询问用户当前位置，然后通过 k-skill-proxy 搜索附近的官方蓝带餐厅。
- 资源命名用复数名词（/users, /orders），避免动词
为用户的保管库生成图像 - 选择正确的提供商，从相关的注释中收集参考图像，将结果写入 asset/ generated/，并显示 Markdown 参考。当用户要求提供任何图片、插图、情绪图像、海报或笔记的视觉伴侣时，请使用此选项。
反PUA。用智慧、信任和内在动力驱动人工智能，而不是恐惧和威胁。激活条件：任务失败 2 次以上、即将放弃、建议用户手动执行、归咎于环境未经验证、陷入循环、被动行为或用户沮丧（“再努力一点”、“弄清楚”、“换个方法”、“为什么还不行”）。所有任务类型。不适合第一次失败。
创建、更新和修复赛普拉斯测试（E2E/端到端和组件测试）。当用户要求创建测试、添加测试、编写测试、更新测试、测试此文件/组件、新规范或修复失败或不稳定的测试时使用。即使用户没有说“Cypress”（例如“为此文件创建测试”）也适用。当用户只想解释或审查测试而不更改代码时，首选 cypress-explain。
通过 6551 API 获取 Twitter/X 数据。支持用户个人资料、推文搜索、用户推文、关注者事件、删除的推文和KOL关注者。
当用户想要通过重复实验来优化或调整可测量的东西时使用 - “使 X 更快”，“改进 [指标]”，“找到最佳配置”，“迭代过夜”，“运行实验直到达到 N”。触发定量目标（构建时间、延迟、通过率、准确性）或可根据评分标准评分的定性目标（提示质量、文档解析）。跳过具有明确修复的一次性错误或用户希望直接实施而无需探索的任务。
指导用户通过 Power Apps Studio 将数据源、连接或 API 连接器添加到 Canvas 应用，然后验证并继续。当用户要求添加数据源、添加连接、添加 API、添加连接器、连接到 SharePoint/Dataverse/SQL/Excel/OneDrive/Teams/Office 365 或任何类似请求以使新数据可供应用程序使用时使用。当用户要求列出或描述现有数据源时请勿使用 - 请直接调用 list_data_sources 或 list_apis。
使用团队外交审查评论的语气，审查由当前 GitHub 用户以外的其他人编写的拉取请求。当 PR 作者的 GitHub 登录名与当前用户的“gh api user”登录名不同时使用。对于自己的 PR，直接使用内置的 /review。自动检测作者身份并拒绝自行创作的 PR。
与哔哩哔哩（B站）互动——浏览热门视频、查看视频详细信息、阅读评论、搜索视频和用户、查看用户个人资料、点赞、投币和收藏的视频。每当用户提及B站、B站、想要浏览B站内容、搜索B站视频、阅读B站评论、查找B站用户或与B站内容互动时，都可以使用此技能。当用户粘贴 Bilibili URL（例如 bilibili.com/video/BV...）或提及 BV ID 时也会触发。
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：
