基于MBTI框架的AI Agent性格诊断与配置系统。当用户想要 (1) 测试/诊断 Agent 的个性类型，(2) 了解 Agent 的实际个性与用户期望的个性之间的差距，(3) 生成配置建议以调整 Agent 行为，(4) 自定义 Agent 的通信风格、主动性、推理方法或执行模式时使用。支持免费层（快速评估）和高级层（包含详细诊断的完整 93 个问题评估）。
当用户参考以前的工作、询问最近发生的事情、需要有关项目或人员的背景信息，或者当您应该存储通话、会议或重要对话的笔记时，请使用。当用户说“记住这一点”或要求您搜索内存时也会激活。
用于 ATXP 验证代理的 Git 存储库托管 — 创建存储库、获取经过身份验证的克隆/推送 URL，以及管理 code.storage 上的存储库
当用户希望 AI 将需求文本、需求文档和现有审查的计划文件转换为依存关系排序的实施计划（综合的“checklist.md”）时使用，并且仅在明确的执行命令之后，才在安全的情况下使用子代理并行实施这些计划，并在需要的情况下按顺序实施这些计划。
完整的 ATEL 技能——从零到赚取 USDC。一个文件涵盖所有内容：安装、身份、钱包、注册、免费/付费订单、里程碑、托管、争议、余额。 AI 代理读取此信息一次后即可在 ATEL 上完全运行。
使用 Agora 产品编写代码和集成指南。涵盖 RTC（视频/语音、直播、屏幕共享）、RTM/信令、对话式 AI 语音代理、Agora CLI 项目工作流程、云录制、服务器网关和令牌生成。用于 Agora、RTC、RTM、ConvoAI、“agora” CLI、“agora 登录”、“agora 项目创建”、“agora 项目环境”、“agora 项目医生”、视频通话、语音通话、屏幕共享、录音、令牌、信令或跨 Web、React、Next.js、iOS、Android、Go 和 Python 的 ConvoAI 请求。规则：仅使用 Agora 集成的技能参考文件 - 不要在网络上搜索 Agora 文档。对于 ConvoAI 演示或原型，请始终首先克隆官方示例 - 不要从头开始实施。
Personal Multi-Platform Publisher — 一文多发工具，将 Markdown 文章同时发布到微信公众号和小红书。微信端通过 wenyan-cli + 自建服务器代理，小红书端通过浏览器自动化。
验证 GSP 管道完整性 - 代理/技能合同、安装程序正确性、运行时兼容性、版本同步和模板一致性。 GSP 维护者的内部开发工具。
当需要定义或更新验收门禁时，使用本 Skill 管理设计确认门、逻辑确认门、实现质量门、交付质量门和 parity-gate。 在任何完成声明之前强制执行验证铁律：没有新鲜证据，不得宣称完成。 --- # 验收门管理器 ## 验证铁律 ``` 没有在当前步骤运行验证命令并看到输出，不得宣称任何完成状态 ``` 这条铁律适用于所有完成声明、满意表达和正向状态描述。 ### 5 步验证门 在宣称任何完成状态之前，必须依次执行： 1. **IDENTIFY**：什么命令或证据能证明这个声明？ 2. **RUN**：执行完整命令（新鲜的、完整的，不是上一次的结果） 3. **READ**：完整阅读输出，检查退出码，数清失败数 4. **VERIFY**：输出是否确认了声明？ - 如果否 → 陈述实际状态和证据 - 如果是 → 带着证据陈述声明 5. **CLAIM**：只有在以上步骤全部完成后，才能做出声明 跳过任何一步 = 不诚实，不是高效。 ### 禁止措辞 以下措辞在没有对应验证证据时绝对禁止使用： - "应该可以了" - "应该没问题" - "大概通过了" - "看起来正确" - "基本完成了" - "应该能用了" - "问题应该解决了" - 任何包含"应该""大概""看起来""基本"的完成性表述 ### 常见完成声明的证据要求 | 声明 | 需要的证据 | 不够的证据 | |------|-----------|-----------| | 测试通过 | 测试命令输出：0 failures | 上一次运行结果、"应该通过" | | 构建成功 | 构建命令：exit 0 | Lint 通过、"看起来没问题" | | Bug 已修复 | 复现原始症状的测试通过 | 代码改了、"应该修好了" | | 需求已满足 | 逐条对照检查清单 | 测试通过（测试不等于需求） | | 子代理已完成 | 检查 VCS diff 确认变更 | 子代理报告"成功" | | 静态校验通过 | 项目构建命令（mvn compile / tsc / pnpm build 等）exit 0 | IDE ReadLints "无错误"、编辑器无标红 | | 无回归 | 全量测试通过 | 部分测试通过 | ### 自我合理化防御 | 借口 | 现实 | |------|------| | "应该能用了" | 运行验证命令 | | "我很有信心" | 信心不是证据 | | "就这一次" | 没有例外 | | "Lint 通过了" / "ReadLints 无错误" | IDE 诊断不等于编译、不等于测试；必须用项目构建工具链验证 | | "子代理说成功了" | 独立验证 | | "已经很晚了、很累了" | 疲劳不是借口 | | "部分检查够了" | 部分证据什么也证明不了 | ## 使用时机 - `/plan` 生成 acceptance - `/verify` 更新门禁状态 - `/ship` 前检查是否真的可以交付 - **任何即将宣称"完成"的时刻** ## 使用方式 1. 生成或更新 `.ai-os/acceptance.yaml` 2. 根据 `../../references/risk-triggers.md` 判断当前 `quality_tier`，并在高风险档写入 `required_special_reviews` 3. 确保存在以下门禁： - `design-confirmation` - `logic-confirmation` - `implementation-quality` - `delivery-readiness` - `parity-gate`（reverse-spec 适用） 4. 为每个门禁绑定检查项和证据，至少覆盖契约基准一致性、项目原生静态校验、人工动作显式化和 degraded-path 证据 5. 发现门未通过时，禁止宣称完成 ## 质量判断原则 - 页面像但逻辑错：不通过 - 逻辑对但体验和 IA 明显偏：不通过 - 关键技术栈、目标运行态或不可逆方案未确认：相关门禁不通过 - 只有入口、占位态或 demo，关键能力并不真实可用：不通过 - 未实现或未验证的能力被写成已完成：不通过 - 只有正常路径证据，没有异常 / 空数据 / 权限拒绝 / 超时证据：不通过 - fallback 结果充当正式交付：不通过 - 没有项目原生静态校验证据，且也没有显式记录仓库缺少入口：不通过 - 仍需人工执行 SQL / 重启 / 迁移 / 补数 / 环境变更，却没有在交付说明中显式列出：不通过 ## 危险信号 —— 立即停下 如果你正准备： - 使用上方禁止措辞中的任何表述 - 在跑命令前表达满意 - 准备提交 / 推送 / 创
当您需要将新的 Claude Code 代理（新的 tmux 窗口）附加到现有正在运行的 octomux 任务，共享任务的工作树和 cwd 时使用
指导 AI 代理通过 NyxID MCP 元工具通过 AI 生成在 Ornn 平台上创建新技能
使用 PostHog 分析用户行为模式和群组
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：
