- 📁 agents/
- 📄 SKILL.md
speak-swiftly-launchagent-setup
当用户想要在其计算机上将 SpeakSwiftlyServer 设置为每用户 LaunchAgent,或者需要安装、刷新、升级、检查、验证、故障排除或删除该后台服务时使用。该技能涵盖支持的启动代理 CLI 工作流程、插件感知的 Codex 访问预期、所需的配置文件检查、分阶段工件预期以及端到端 HTTP 和 MCP 运行状况验证。
当用户想要在其计算机上将 SpeakSwiftlyServer 设置为每用户 LaunchAgent,或者需要安装、刷新、升级、检查、验证、故障排除或删除该后台服务时使用。该技能涵盖支持的启动代理 CLI 工作流程、插件感知的 Codex 访问预期、所需的配置文件检查、分阶段工件预期以及端到端 HTTP 和 MCP 运行状况验证。
根据主题和持续时间生成结构化会议议程。
使用特定于存储库的项目管理规则、GitHub 项目板绑定和字段映射初始化 PROJECT_MANAGE.md。首次为存储库设置项目管理时使用。
使用 GitHub Next 中的代理工作流程模式创建自然语言 GitHub Actions 工作流程。
【代理】敏捷BA实践——用户故事映射、MVP定义、假设驱动开发
>-
从权威来源(DBLP、ACL Anthology、PMLR、CrossRef、arXiv)生成准确的 BibTeX 条目。每当用户需要引文、BibTeX 条目、参考书目修复或想要查找论文发表地点/是否发表时,即可使用此技能 - 即使他们没有明确表示“BibTeX”。触发条件:论文标题、arXiv ID、DOI、DBLP 键、“引用本文”、“添加到参考文献”、参考文献列表验证或任何学术引用任务。 --- # make-bib `$ARGUMENTS` — 接受 `arxiv:ID`、`doi:ID`、`dblp:KEY`、`openreview:ID`、引号中的标题或缩写。有关书目来源的工作原理及其可靠性特征的背景,请参阅“${CLAUDE_SKILL_DIR}/itation-guide.md”。 ## 原则 每条原则的存在都是因为特定类别的引用错误很常见并且事后很难发现。 **不确定时询问。** 引用涉及判断——两个相似标题中的哪一个是正确的论文,是否是研讨会或主要轨道,论文属于哪个地点。猜测错误意味着用户在他们的手稿中默默地得到了错误的引用。对于任何不明确的情况,请使用“AskUserQuestion”:多个候选人、地点不明确、来源之间的元数据冲突。 **每个条目一个来源。** BibTeX 条目中的每个字段(标题、作者、年份、地点)应来自同一来源。跨来源混合元数据(甚至是来自不同数据库的“只是作者订单”)会创建没有单一来源可以验证整个记录的条目。如果来源在某个字段上存在分歧,请按原样使用所选来源或询问用户。 **发现工具不是引文来源。** Semantic Scholar 和 Google Scholar 针对查找论文进行优化,而不是针对元数据准确性进行优化。 他们的地点名称、日期和作者格式经常包含错误。使用它们来定位论文并收集外部 ID,然后从下游权威来源获取实际的 BibTeX。 **诚实的陈述。** 将预印本引用为已发表的论文(反之亦然)是学术误传
Skill Update Team — 自动化 AI 工具研究与安装 Agent。 扫描 GitHub、Reddit、X/Twitter、YouTube、Anthropic changelog,发现新的 MCP servers、 Claude Code plugins、AI 工具,经安全检查后推荐安装。 Plugin 架构:sources / scorers / actions 均可独立扩展。 触发方式:使用 /skill-update-team 指令触发(如 "/skill-update-team"、"/skill-update-team approve <id>") --- # Skill Update Team (SUT) 你是 SUT Orchestrator。收到使用者指令后,调度 subagent 完成工具扫描、安全审查、安装。 **SUT_HOME**: `~/skill-update-team` ## 指令对照 | 使用者说 | 动作 | |---------|------| | `/skill-update-team` | → 执行 **SCAN** + **REPORT** | | `/skill-update-team report` | → 执行 **REPORT**(仅显示上次报告) | | `/skill-update-team check <id>` | → 执行 **SECURITY AUDIT** | | `/skill-update-team approve <id>` | → 执行 **APPROVE** | | `/skill-update-team reject <id>` | → 执行 **REJECT** | | `/skill-update-team defer <id>` | → 执行 **DEFER** | | `/skill-update-team rollback` | → 执行 **ROLLBACK** | | `/skill-update-team health` | → 执行 **HEALTH CHECK** | | `/skill-update-team trust <source/type>` | → 加入 auto-trust 清单 | | `/skill-update-team untrust <source/type>` | → 移除 auto-trust | | `/skill-update-team adjust-weights` | → 手动调整 scorer 权重 | | `/skill-update-team adopt-meta <id>` | → 采纳 meta discovery,自动生成 YAML plugin | --- ## SCAN 流程 ### Step 1: 准备 context 用 Bash / Read / Glob 收集以下资讯: ```bash # 日期 TODAY=$(date +%Y-%m-%d) SEVEN_DAYS_AGO=$(date -v-7d +%Y-%m-%d) THIRTY_DAYS_AGO=$(date -v-30d +%Y-%m-%d) # 已安装的 MCP claude mcp list 2>/dev/null | grep "✓ Connected" # 偏好历史(最近 20 笔) tail -20 ~/skill-update-team/state/preferences.jsonl 2>/dev/null # 已安装的 skills(列出 ~/.claude/skills/ 下的目录) ls ~/.claude/skills/ 2>/dev/null # Tech stack detection OS_VERSION=$(sw_vers -productVersion 2>/dev/null || echo "unknown") NODE_VERSION=$(node --version 2>/dev/null || echo "not installed") PYTHON_VERSION=$(python3 --version 2>/dev/null | awk '{print $2}' || echo "not installed") CLAUDE_VERSION=$(claude --version 2>/dev/null || echo "unknown") TECH_STACK="macOS $OS_VERSION / Node $NODE_VERSION / Python $PYTHON_VERSION / Claude Code $CLAUDE_VERSION" # 侦测 Fi
分析目标项目代码库并推荐安装相关的 AIE 技能。在安装、设置或将 ML 技能复制到新项目、引导 AI/ML 工作流程或跨存储库共享技能时使用。
使用此技能直接从 Claude Code 查询您的 Google NotebookLM 笔记本,以获取来自 Gemini 的基于来源、引用支持的答案。浏览器自动化、库管理、持久身份验证。通过仅文档响应大幅减少幻觉。
集成测试的技巧
扫描正在运行的 Claude 会话以查看其他代理正在做什么。当被问到“其他代理在做什么”、“检查其他会话”、“正在运行什么”、“扫描代理”、“谁在做什么”时,或者在开始新工作之前使用,以避免重叠。 --- # Agents: Scan Running Claude Sessions 运行 `scan.sh` 来检查所有运行 Claude 的 tmux 会话并报告每个会话正在做什么。 ## 用法 ```bash bash ~/.claude/skills/agents/scripts/scan.sh # 所有会话 bash ~/.claude/skills/agents/scripts/scan.sh floom # 仅 floom/* 会话 bash ~/.claude/skills/agents/scripts/scan.sh openpaper # 仅 openpaper/* 会话 ``` ## 显示内容
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: