- 📄 SKILL.md
apply-findings
通过进行建议的代码更改来应用结果。应用已接受的结论,将不明确的发现升级给用户,并提供记录跳过的真正改进。当用户要求“应用结果”、“应用修复”、“应用建议”、“应用已接受的结果”、“修复结果”或“应用审核结果”时使用。
通过进行建议的代码更改来应用结果。应用已接受的结论,将不明确的发现升级给用户,并提供记录跳过的真正改进。当用户要求“应用结果”、“应用修复”、“应用建议”、“应用已接受的结果”、“修复结果”或“应用审核结果”时使用。
将编码任务委托给 Codex CLI 进行原型设计、调试和代码审查。当需要算法实现、错误分析或代码质量反馈时使用。通过 SESSION_ID 支持多轮会话。
为 Spring Data JPA 和 Hibernate 正确建模 Kotlin 持久性代码。涵盖实体设计、身份和平等、唯一性约束、关系、获取计划以及 Kotlin 特有的常见 ORM(对象关系映射)陷阱。在创建或检查 JPA (Java Persistence API) 实体、诊断 N+1 或 LazyInitializationException、放置索引和唯一性规则或防止 Kotlin 特定的错误(例如数据类实体和损坏的 equals/hashCode)时使用。
来自 list.affitor.com 的实时联盟计划数据。搜索计划、比较佣金、检查 cookie 天数、找到表现最佳的人员。在研究联属计划、比较选项或检查计划详细信息时使用。带缓存的持久守护进程 - 第一次调用启动服务器(约 2 秒),后续调用约 100 毫秒。
由 AI 驱动的自主数据提取,可导航复杂的站点并返回结构化 JSON。当用户想要从网站获取结构化数据、需要提取定价层、产品列表、目录条目或任何具有架构的 JSON 数据时,请使用此技能。在“提取结构化数据”、“获取所有产品”、“提取定价信息”、“提取为 JSON”或当用户为网站数据提供 JSON 架构时触发。比简单的抓取更强大的多页面结构化提取。
使用会话历史记录作为基本原理和总结,从当前更改创建格式良好的 git 提交;当要求提交、准备提交消息或完成分阶段工作时使用。 --- # Commit ## 目标 - 生成反映实际代码更改和会话上下文的提交。 - 遵循常见的 git 约定(类型前缀、短主题、包装正文)。 - 在正文中包括摘要和理由。 ## 输入 - 法典会议历史记录的意图和理由。 - `git status`、`git diff` 和 `git diff --staged` 用于实际更改。 - 特定于存储库的提交约定(如果有记录)。 ## 步骤 1. 阅读会话历史记录以确定范围、意图和理由。 2. 检查工作树和分阶段更改(`git status`、`git diff`、`git diff --staged`)。 3. 在确认范围后暂存预期的更改,包括新文件 (`git add -A`)。 4. 对新添加的文件进行健全性检查;如果有任何内容看起来是随机的或可能被忽略(构建工件、日志、临时文件),请在提交之前将其标记给用户。 5. 如果暂存不完整或包含不相关的文件,请修复索引或要求确认。 6. 选择与更改匹配的常规类型和可选范围(例如,`feat(scope): ...`、`fix(scope): ...`、`refactor(scope): ...`)。 7. 以祈使语气写主题行,<= 72 个字符,无句号。 8. 撰写正文,其中包括: - 关键变更摘要(变更内容)。 - 基本原理和权衡(为什么改变)。 - 测试或验证运行(如果未运行则明确注释)。 9. 使用“Codex <[email protected]>”为 Codex 附加“共同创作者”预告片,除非用户明确请求不同的身份。 10. 在 72 个字符处换行正文。 11. 使用here-doc或临时文件创建提交消息并使用“git commit -F <file>”,因此换行符是文字的(避免使用“-m”和“\n”)。 12. 仅当消息与暂存的更改匹配时才提交:如果暂存的差异包含不相关的文件或消息描述未暂存的工作,请修复索引或修改消息
在编写导入“@clack/prompts”的代码时始终使用。请咨询调试、最佳实践或修改@clack/prompts、clack/prompts、clack 提示、clack。
VCC(面向视图的对话编译器)文档。将 Claude 代码 JSONL 日志编译到自适应视图中。
创建和使用brand.yml文件,以在Shiny应用程序和Quarto文档中保持一致的品牌。在 Shiny 或 Quarto 项目中处理品牌样式、颜色、字体、徽标或企业标识时使用。涵盖:(1) 根据品牌指南创建新的 _brand.yml 文件,(2) 使用 bslib 将brand.yml 应用到 Shiny for R 应用程序,(3) 使用 ui.Theme 将brand.yml 应用到 Shiny for Python 应用程序,(4) 在四开本文档、演示文稿、仪表板和 PDF 中使用brand.yml,(5) 修改现有的brand.yml 文件,(6) 解决品牌集成问题。包括完整的规范和特定于框架的集成指南。
生成 Genkit Dart SDK 的代码并提供文档。当用户要求在 Dart 中构建 AI 代理、使用 Genkit 流程或将 LLM 集成到 Dart/Flutter 应用程序时使用。
当用户说“API 集成”、“连接 API”、“同步数据”、“数据映射”、“速率限制”或需要具有身份验证、速率限制处理和错误恢复功能的系统到系统连接器时,请使用此技能。生成具有身份验证(OAuth、API 密钥、JWT)、请求/响应映射、速率限制处理、断路器错误恢复和同步监控的 API 集成代码。请勿用于可视化 n8n 工作流程或 Webhook 接收。
通过 QVeris MCP 服务器搜索并执行第三方 API 工具,然后生成调用 QVeris REST API 的生产代码,以执行获取天气数据、股票价格或公共数据集等任务。当用户需要查找外部 API、集成 Web 服务、连接到第三方 REST 端点或从外部源检索数据时使用。
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: