- 📁 references/
- 📄 SKILL.md
stripe-best-practices
>-
>-
当用户要求创建、更新、重新生成或刷新 USAGE.md 或任何源自 BDD 场景的项目使用手册时使用。每当用户提到 USAGE.md、“使用文档”、“使用手册”、“用户手册”或“面向用户的功能文档”时,就调用此技能。在对“tests/e2e/features/*.feature”(新功能文件、大型场景重写、新标签)进行大量更改后主动使用,因为 USAGE.md 会发生漂移。该技能为每个功能文件并行生成一个快速 Haiku 代理,以提取面向用户的使用模式,然后综合按用户关注点分组的连贯 USAGE.md,包括常见问题解答和故障排除部分。
为任何不兼容的 CCC 更改(新的/删除的/修改的服务文件、cron 更改、配置更新)创建新的部署/迁移/NNNN_*.sh 迁移文件。每当您添加、删除或有意义地更改deploy/systemd/、deploy/launchd/或deploy/crontab-acc.txt中的文件时调用,或者每当更改需要对已部署的节点执行操作以保持最新状态时调用。 --- 您正在添加 CCC 部署迁移。迁移是“deploy/migrations/”中的编号 shell 脚本,每个代理节点仅运行一次,并在“~/.ccc/migrations.json”中进行跟踪。 ## 步骤 1 — 收集背景信息
贡献者工具 - 跟踪 CC 更改日志,提取自上次检查以来的新版本,分析对插件的影响(重大更改、机会、弃用)。定期运行或在发布之前运行。不是分布式插件的一部分。
使用 playwright-cli 和 Chromium 直观地验证 Web UI 更改。在每个工作树的唯一端口上启动开发服务器,导航到受影响的页面,截取屏幕截图并检查控制台错误。完成任何 Web 仪表板功能、错误修复或 UI 更改后使用。
通过 SciMiner 公开的泛 ADMET(药代动力学和药效学)、理化、代谢、口服生物利用度、共晶体、pKa 以及相关分子特性预测工作流程。
Slurm HPC 集群助手,为高校学生/教师定制。支持本地(集群上)和远程(集群外)两种使用模式。 TRIGGER 当用户: - 提到 slurm、sbatch、squeue、scancel、salloc、srun、sinfo 等 Slurm 命令 - 提到 hpc 集群、slurm 集群、超算、计算节点、作业调度系统 - 想要查看分区/节点状态、队列情况、GPU 可用性 - 需要提交/取消/查看作业 - 需要申请交互式资源或运行命令 - 需要生成或修改 slurm 作业脚本 - 需要上传/下载文件到 HPC 集群 - 需要连接公共集群、实例或本地集群节点 --- # Slurm 集群助手 跨平台 Slurm HPC 集群管理工具,采用 `server + client + skill` 架构。 --- ## 最小执行协议 ### Step 0:优先使用 Rust 使用: ```bash slurm-client --help ``` 禁止把 Python CLI 当作默认入口。当前 skill 的主链路只应使用 Rust server/client。 若直接执行 `slurm-client` 出现“找不到命令”,立刻改为显式路径重试(例如 `~/.local/bin/slurm-client`),不要继续盲跑后续命令。 ### Step 1:先看本机 server 每次会话开始先执行: ```bash slurm-client server ensure --json ``` ### Step 2:检查连接 ```bash slurm-client connection list --json ``` 然后快速检查现有会话(优先复用活跃会话): ```bash slurm-client session summary --json ``` 分流: - 没有连接:读 `references/workflow_init.md` - 一个连接:直接记录其 `connection_id` - 多个连接:按用户意图选 `cluster`、`instance` 或 `local` - 若存在 `resource-node` 连接,先查看其 `health_state`,优先复用 `online` 状态连接 ### Step 3:按 6 类任务执行 1. 资源查看 ```bash slurm-client status --connection <connection_id> --gpu --json slurm-client find-gpu --connection <connection_id> --json slurm-client partition-info --connection <connection_id> --json ``` 2. 作业管理 ```bash slurm-client jobs --connection <connection_id> --json slurm-client submit --connection <connection_id> <script> --json slurm-client log <job_id> --connection <connection_id> --json slurm-client cancel <job_id> --connection <connection_id> --json slurm-client alloc --connection <connection_id> -p <partition> --json slurm-client run --connection <connection_id> <command>... --json ``` `alloc` 执行规则(必须遵循): - 用户明确要“现在申请/直接申请/申请这张卡”时,必须使用 `--execute` - 禁止只返回 `salloc` 规划命令后让用户手动执行 - 只有在用户明确要求“先看命令不执行”时,才允许不加 `--execute` - 用户提到“抢占xx / 抢占显卡 / 抢占 A100”时,默认解释为:`alloc --preempt --execute` - `--preempt` 模式会自动使用 tmux 运行 `salloc` 并在分配后 `sleep infinity` 保活,避免会话断开导致资源被释放 3. 文件传输 ```bash slurm-client upload <local> <remote> --connection <connection_id> --json slurm-client download <remote> <local> --
在存储库中设置工作台、配置代理适配器 (.workbench/agents.yaml)、管理配置文件 (profile.yaml) 或对代理调度进行故障排除时使用
使用 create-seed CLI 和模板注册表搭建新项目。从内置模板、GitHub 模板路径或本地模板创建新项目以及验证或生成模板注册表时使用。
通过 scraper MCP 服务器使用 Perplexity API 进行人工智能驱动的网络搜索和推理。当使用人工智能合成搜索网络、通过引用进行研究、执行复杂的推理任务或回答需要实时信息的问题时调用。为不同的查询类型提供两种工具。
用于跟踪门进度、先决条件和结果的管道状态管理。由所有门代理用来协调管道执行。
使用clawflow 设计和运行声明式代理工作流程。当用户要求创建工作流、自动化、管道或流时使用。
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: