context7-mcp
当用户询问库、框架、API 参考或需要代码示例时,应该使用此技能。激活设置问题、涉及库的代码生成或提及特定框架(如 React、Vue、Next.js、Prisma、Supabase 等)。
当用户询问库、框架、API 参考或需要代码示例时,应该使用此技能。激活设置问题、涉及库的代码生成或提及特定框架(如 React、Vue、Next.js、Prisma、Supabase 等)。
添加 /compact 命令以进行手动上下文压缩。通过转发 SDK 的内置 /compact 斜杠命令来解决长时间会话中的上下文衰减问题。仅限主要组或受信任的发件人。
当用户需要运行 GitNexus CLI 命令(例如分析/索引存储库、检查状态、清理索引、生成 wiki 或列出索引存储库)时使用。示例:\“为此存储库建立索引\”、“重新分析代码库\”、\“生成 wiki\
将环境变量从 .env 文件加载到 Node.js 应用程序的 process.env 中。在使用特定于环境的机密配置应用程序、设置本地开发环境、管理 API 密钥和数据库 URL、解析 .env 文件内容或以编程方式填充环境变量时使用。触发涉及 .env 文件、process.env、环境变量加载、十二因素应用程序配置或 Node.js 机密管理的请求。
如何使用 Adaptyv Bio Foundry API 和 Python SDK 进行蛋白质实验设计、提交和结果检索。每当用户提及 Adaptyv、Foundry API、蛋白质结合测定、蛋白质筛选实验、BLI/SPR 测定、热稳定性测定或想要提交蛋白质序列进行实验表征时,请使用此技能。当代码导入“adaptyv”、“adaptyv_sdk”或“FoundryClient”或引用“foundry-api-public.adaptyvbio.com”时也会触发。
克劳德代码教程的交互式课程级别测验。通过混合概念知识和实践知识的 8-10 个问题测试对特定课程 (01-10) 的理解。在课前使用进行预测试,在课中使用来检查进度,或在课后使用来验证掌握情况。当被要求“对我进行钩子测验”、“测试我对第 3 课的知识”、“课程测验”、“MCP 练习测验”或“我了解技能吗”时使用。
基于您现有知识并使用您的实际代码库作为示例的个性化编码教程。利用人工智能、间隔重复和测验的力量,创建一个持续的学习轨迹,随着时间的推移,该学习轨迹会不断复合。
从其链接查看 GitHub 拉取请求,阅读 PR 描述,仅在有用时在本地检查代码,并从安全和运行时安全的角度判断更改是否可以安全运行。仅在用户粘贴 PR URL 后使用。一次处理一个 PR,从概要和讨论开始,并与用户一起保留所有 GitHub 审查和合并操作。
将实验室仪器输出文件(PDF、CSV、Excel、TXT)转换为同素异形简单模型 (ASM) JSON 格式或扁平化 2D CSV。当科学家需要标准化 LIMS 系统、数据湖或下游分析的仪器数据时,可以使用此技能。支持自动检测仪器类型。输出包括完整的 ASM JSON、易于导入的扁平化 CSV 以及可供数据工程师导出的 Python 代码。常见的触发因素包括转换仪器文件、标准化实验室数据、准备上传到 LIMS/ELN 系统的数据或为生产管道生成解析器代码。
Vercel Engineering 的 React 和 Next.js 性能优化指南。在编写、审查或重构 React/Next.js 代码时应使用此技能,以确保最佳性能模式。触发涉及 React 组件、Next.js 页面、数据获取、捆绑优化或性能改进的任务。
开发 PinchTab 项目并为其做出贡献。在处理 PinchTab 源代码、添加功能、修复错误、运行测试或准备 PR 时使用。触发“在pinchtab上工作”、“pinchtab开发”、“为pinchtab做出贡献”、“修复pinchtab错误”、“添加pinchtab功能”。
当您需要询问有关代码库的问题或使用知识图理解代码时使用
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: