当用户要求与 Blocktank LSP API 交互、“挖矿区块”、“存款 Sats”、“支付发票”、“强制关闭通道”、“创建通道订单”、“打开通道”、“估算费用”、“创建 CJIT 通道”或在 bitkit 开发期间提及“blocktank”、“regtest”、“LSP”或 Lightning 通道测试工作流程时，应使用此技能。
查看 ESP32 固件架构的 RTOS 安全性、内存管理、错误处理和嵌入式最佳实践。
为工具包技能创建触发评估设置。当用户想要测试技能的描述是否正确触发、设置评估工作区或生成技能的触发测试查询时使用。当用户说“创建评估”、“测试触发器”、“评估技能”或想要测量技能触发准确性时使用。
项目和写作的协作构思。提出澄清问题、提出角度、挑战假设，并帮助将模糊的想法细化为具体的要求或主题。在计划或起草之前探索想法时使用。
在 deno-mcp-template 项目中实现新的 MCP 提示。提供准确的文件结构、类型签名、注册步骤以及静态参数或动态完成提示的模式。在添加新提示、创建 MCP 提示或询问提示在此项目中如何工作时使用。
>-
发现单个音符的联系。将连接报告保存到活动研讨会并且不会改变 KB 文件。与音符路径或音符名称一起使用。
AI 增强的软件工程工作流程由 Addy Osmani 的方法论、Anthropic 的代理编码研究和 30 多个实际项目综合而成。支持两种协作模式——交互式结对编程和自主委派——具有结构化规划、上下文管理、战略模型选择、人员责任和持续学习。
使用 ReleaseGuard（用于 dist/ 和 release/ 输出的工件策略引擎）扫描、强化、签名和验证发布工件。
检查 ~/.claude/projects/ 中的 Claude 代码会话 JSONL 文件，以提取真实的对话遥测数据：令牌计数（输入/输出/缓存读取/缓存写入）、助理轮次计数、人工提示计数、工具使用计数、压缩边界和压缩摘要的内容。当用户询问“此会话使用了多少个令牌”、“我发送了多少个提示”、“显示此对话的统计信息”、“压缩了什么”、“压缩边界在哪里”、“内省会话”、“对 JSONL 进行脑部手术”，或者想要驻留在磁盘会话日志而不是实时上下文窗口中的任何数据点时，请使用此技能。受到 Tal Raviv 的“我想知道压缩是如何工作的”文章的启发。
微信聊天记录深度分析工具。分析1对1单聊的互动习惯、情感走势、性格画像，生成可视化图表和数据导出。当用户提到微信聊天分析、聊天记录分析、感情分析、好感度分析、追求建议、聊天统计、聊天热力图、词云、秒回率、主动性分析、聊天导出等任何与微信聊天数据分析相关的话题时，务必使用此技能。即使用户只是简单提到"分析我和某人的聊天"也要触发。
macOS 微信 CLI + 本地 HTTP 桥 — 发送消息、查询会话/联系人/聊天历史记录/朋友圈/收藏夹，并公开稳定的 HTTP 接口以进行代理集成。当用户要求“发送微信消息”、“发微信”、查询微信联系人/群组/消息、查找聊天中谁说了什么、阅读朋友圈/朋友圈、导出聊天记录或将微信连接到 Hermes / n8n / Dify / LangChain 时使用。需要 macOS (Apple Silicon) 上的微信 4.1.8 和 `wxp_act_` 激活码。一次性‘wechat init’提取DB key；无需 sudo，无需重新签名WeChat.app。
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：
