- 📄 SKILL.md
image-generation
使用主题上下文样式结构优化图像生成提示。在生成图像、创建插图、照片、视觉资产、编辑图像或为任何图像生成模型制作提示时使用此技能。
使用主题上下文样式结构优化图像生成提示。在生成图像、创建插图、照片、视觉资产、编辑图像或为任何图像生成模型制作提示时使用此技能。
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。
这项技能通过沉浸式、研究驱动的学习体验,将用户转变为自信的行业内部人士。当用户想要快速掌握不熟悉的行业、领域、技能或领域时,应该使用它——无论是为了专业网络、投资决策、职业转型还是纯粹的好奇心。该技能将费曼技术、第一原理思维、80/20 分析与深度网络研究相结合,通过交互式抽认卡和测验生成格式精美、媒体丰富的学习笔记。触发因素包括:“帮助我了解[行业]”、“我需要快速了解[领域]”、“让我成为[领域]的内部人士”、“行业速成”、“快速掌握”、“深度学习笔记”、“/chuinb”、“/master”或任何快速获取领域专业知识的请求。 --- # 行业精通:行业速成大师 > **在数小时而不是数月内从局外人转变为局内人。** 这项技能创造了身临其境、有研究支持的学习体验,让用户感觉自己像行业资深人士。它将经过验证的学习方法与实时网络研究相结合,以提供持久的知识。 ## 核心理念 ### 三大支柱 ``` ┌────────────────────────────────────────────────────────┐ │ 行业精通 │ ├──────────────────────────────────────────────────────────┤ │ │ │ 🧠 费曼技术 ⚛️ 第一原则 │ │ “如果你不能解释“简单地把一切归结为 │ │ ,你就没有理解基本真理, │ │ 充分理解它”,然后从那里开始推理” │ │ │ │ 📊 80/20 帕累托 │ │ “20% 的知识提供 │ │ 80% 的实用价值” │ │ │ └──────────
调整设计以适应不同的屏幕尺寸、设备、环境或平台。确保在不同环境下获得一致的体验。
从内容生成专业的幻灯片图像。使用样式说明创建全面的轮廓,然后生成单独的幻灯片图像。当用户要求“创建幻灯片”、“制作演示文稿”、“生成幻灯片”或“幻灯片”时使用。
创建应用程序设计时的一般约定
生成临床决策支持 (CDS) 文件的指南:患者队列分析(生物标志物分层结果)和治疗推荐报告(GRADE 分级证据)。涵盖文件结构、执行摘要设计、证据分级(GRADE 1A-2C)、统计报告(HR、CI、生存)和生物标志物整合。在创建药物研究文件、临床指南或监管提交文件时使用。
通过后端 Skywork Image API 生成或编辑图像。用于任何图像创建、海报设计、徽标设计、视觉资产生成或图像修改请求。支持文本到图像和图像到图像的编辑,具有宽高比和分辨率控制。
通过自然对话进行技术设计协作。通过理解、探索和验证阶段适应专业水平和问题复杂性。当用户要求在实施开始之前就需要架构决策的新功能或系统集思广益时使用。
反应可扩展的组合模式。在通过布尔属性扩散重构组件、构建灵活的组件库或设计可重用的 API 时使用。触发涉及复合组件、渲染道具、上下文提供程序或组件架构的任务。包括 React 19 API 更改。
当用户想要跟踪关注者增长、了解推动新关注者的因素或分析受众发展时。当用户提到“关注者增长”、“关注者”、“受众增长”、“获得关注者”、“失去关注者”、“谁关注了我”或“增加我的受众”时也可以使用。使用 BlackTwist 关注者数据(如果有)。对于后级指标,请参阅 Performance-analyzer-sms。有关内容模式,请参阅 content-pattern-analyzer-sms。
使用 trx CLI 转录音频/视频,并通过代理更正对结果进行后处理。
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: