以交互方式创建和改进 Claude Code 子代理 — 根据描述搭建新代理，完善现有代理定义，调整 frontmatter、工具、模型和提示。触发器：创建代理、新代理、克劳德代码代理、创建子代理、改进代理、更新代理、修复代理描述、重构代理、代理 Frontmatter、代理提示、脚手架代理。
通过模式验证和注册表集成来引导座席个性创建
使用由六名专家审阅子代理组成的团队来审阅架构决策记录 (ADR)，并生成 PDF 和 PPTX 幻灯片形式的综合报告。每当用户要求审查、批评、审计或获取有关 ADR、架构决策、设计文档或 RFC 的反馈时，无论输入是 Markdown 文件、.docx 文档还是粘贴文本，都可以使用此技能。即使用户没有明确说出“ADR”也会触发；诸如“审查此架构决策”、“批评此设计文档”或“对此进行审查小组”之类的短语也应该调用此技能。
通过 local-mcp 和一个固定的 UXC 链路连接到本机板演示。当用户想要通过浏览器 WebMCP 检查或编辑 board.holon.run 上的共享板或本地板实例时使用。
针对单人公司冲刺的创始人模式产品审查。
AI代理的认知引擎：将文件索引为原子命题和实体图，跨4个加权维度（相似性、时间性、重要性、频率）检索，自动反映见解，自动检测和解决矛盾，对每个功能进行全面参数控制。
kc_job_radar 求職雷達遙控指令。觸發詞：寫信、整理雷達、搜尋職缺、評估雷達、刷新追蹤。
员工代理生命周期管理系统。使用代理/目录员工代理时使用 - 启动、停止、监视或将任务分配给在 tmux 会话中运行的 Dev/QA 代理。完全独立于CAO，仅使用tmux + Python。
当用户提供一个或多个微信或小红书链接，并希望将解析后的笔记保存到特定的本地路径而不依赖于 Obsidian 插件 UI 时使用。该技能通过捆绑的脚本将存储库的导入功能包装为直接代理工具，包括批量导入、frontmatter 生成、媒体下载和 JSON 结果报告。
本指南适用于 AI 代理（Claude 等）帮助新用户交互设置 Reacher。按顺序完成每个步骤，并在需要时询问用户输入。
使用 Pydantic AI 构建 AI 代理——工具、功能、结构化输出、流媒体、测试和多代理模式。当用户提到 Pydantic AI、导入 pydantic_ai 或要求构建 AI 代理、添加工具/功能、流输出、从 YAML 定义代理或测试代理行为时使用。
开始 CRISP 产品探索会议 — C 阶段（澄清）
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：
