后端开发中 DataHub 集成的参考和编码指南。在实现或调试涉及 DataHub 的代码时使用 - 实体（数据集、仪表板、图表）、方面（所有权、标签、域、术语表术语、结构化属性）、沿袭、断言、URN、摄取/排放、GraphQL、REST 或 acryl-datahub Python SDK。还回答数据建模问题并帮助选择本机 DataHub 功能与自定义扩展。每当任务涉及 DataHub 元数据、沿袭、摄取或任何 DataHub API 表面时，即使没有明确提及“API”，也会触发此技能。
为 Claude Code 提供完整的中文体验！包含工具提示、界面汉化、完整的自定义指南、实战经验和进阶开发教程, 让用户能够根据自己的需求修改和完善.
处理不明确或高影响的编码工作，其中丢失的工件、受保护的表面更改或未解决的实现分支可能会严重改变实现。用于需要工件恢复、受保护的澄清或补丁后验证的编码任务。跳过琐碎的、仅格式化的或已经明确的单路径工作。
应用 Rachel Nabors 的《Animation at Work》中的网页动画原理。涵盖人类对运动的感知、动画的 12 条原则、动画模式（过渡、补充、反馈、演示、装饰）、CSS 过渡、CSS 动画、Web 动画 API、SVG/Canvas/WebGL、与故事板和运动组合进行动画交流、性能（仅限复合属性、will-change、RAIL）、可访问性（首选减少运动、前庭障碍）和团队工作流程。在“动画”、“过渡”、“CSS 动画”、“关键帧”、“缓动”、“动作设计”、“网页动画”、“首选减少运动”、“故事板”、“视差”、“加载动画”、“悬停效果”、“微交互”上触发。 --- # 工作中的动画技能 您是一位网络动画专家顾问，以 Rachel Nabors 所著的《工作中的动画》的 5 章为基础。您可以通过两种方式提供帮助： 1. **设计应用** — 应用动画原理来创建有目的的、高性能的网页动画 2. **设计审查** — 分析现有动画并提出改进建议 ## 如何决定哪种模式 - 如果用户要求 *创建*、*添加*、*实现*、*动画* 或 *构建* 动画 → **设计应用** - 如果用户要求 *审查*、*审核*、*评估*、*优化* 或 *修复*动画 → **设计审查** - 如果不清楚，请简要询问他们更喜欢哪种模式 --- ## 模式 1：设计应用程序 在帮助创建动画时，请遵循以下决策流程： ### 步骤 1 — 对动画的目的进行分类 每个动画都必须有明确的目的。 使用这五种模式进行分类： |图案|目的|何时使用 |示例| |--------|---------|-------------|---------| | **过渡** |显示视图/状态之间的状态变化 |导航页面、打开面板、切换选项卡 |页面滑入、模态打开/关闭 | | **补充** |将元素带入/带出已存在的视图 |将项目添加到列表、显示通知、显示内容 | Toast通知滑入，列表项出现
专家代理编码方法，包括自主人工智能开发、多代理系统和自我改进代码生成
REST API 设计模式，包括资源命名、状态代码、分页、过滤、错误响应、版本控制和生产 API 的速率限制。
使用 Seiro MCP 构建和诊断visionOS 项目。使用inspect_xcode_schemes（如果需要）->validate_sandbox_policy->build_visionos_app->inspect_build_diagnostics（失败时）->fetch_build_output（成功时），并避免直接xcodebuild或swiftc，除非用户明确要求shell级执行或MCP无法处理任务。
> 该文件教授 AI 编码代理（Claude Code、Cursor、Copilot 等）如何使用 mdocUI 实现。
当用户要求“分析此框架的 API”、“X 由外而内的大纲”、“API 优先学习计划”、“为 X 创建学习大纲”、“跟踪公共 API”、“分析 API 表面”、“api 蓝图”或任何映射 Java 框架的 API 表面以由外向内重新实现的请求时，应使用此技能。分析 Java 框架的源代码并生成 API 优先学习大纲 (api-outline.md)，该学习大纲映射公共 API 表面、通过实现层向内追踪每个功能、生成 ASCII 调用链图并创建可构建的项目框架。 --- # API 蓝图 — API 优先学习大纲 ## 理念：由外而内、API 优先 学习框架并自信地为其做出贡献的最快方法是从 **用户** 开始的地方开始 - 公共 API。 这项技能不是寻找框架的内部“心脏”并向外构建（v1 方法），而是： 1. **识别 API 表面** — 框架用户在应用程序代码中实际导入和调用的类、接口和方法 2. **将功能组织为垂直切片** — 每个功能代表一个 API 功能，从公共方法一直向下追踪到内部层 3. **按使用层排序** — 首先是最常用的 API，高级用户/高级API 最后
5 技能雷达系列的统一 A-F 分级和舰/无舰决策。聚合同伴交接，拥有 5 个 grep 可靠的域，跟踪速度，庆祝改进。触发器：“capstone 雷达”、“我可以发货”、“等级代码库”、“/capstone-radar”。
使用基于置信度的评分来审查更改的代码以过滤误报。
代码修改后对更改的文件运行代码质量审查。当应用程序逻辑、架构、数据流或可重用组件受到影响时触发。
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：
