使用 Manifest V3 构建 Chrome 扩展的综合指南。每当用户提到 Chrome 扩展程序、浏览器扩展程序、manifest.json、内容脚本、服务工作线程（在扩展程序上下文中）、弹出窗口、侧面板、chrome.runtime、chrome.tabs、chrome.storage、chrome.scripting、后台脚本、MV3、Manifest V3 或任何 Chrome 扩展程序 API 时，请使用此技能。当用户想要将脚本注入网页、页面和后台之间通信、从内容脚本绕过 CSP、通过 Chrome 消息传递构建 RPC 层或发布到 Chrome Web Store 时也会触发。涵盖新的扩展项目以及向现有项目添加功能。不要用于特定于框架的问题。
在开发需要 AI 功能的 Node.js 后端服务或 CloudBase 云功能（Express/Koa/NestJS、Serverless、后端 API）时使用此技能。通过 @cloudbase/node-sdk ≥3.16.0 实现文本生成 (generateText)、流式传输 (streamText) 和图像生成 (generateImage)。内置模型包括hunyuan（推荐hunyuan-2.0-instruct-20251111）、DeepSeek（推荐deepseek-v3.2）、图像的hunyuan-image。这是唯一支持图像生成的 SDK。不适用于浏览器/网络应用程序（使用 ai-model-web）或微信小程序（使用 ai-model-wechat）。
探索并运行 Unity API。使用 u api 架构进行搜索，并通过 u api 调用调用任何公共静态方法。
This skill should be used when performing a structured, read-only code review of a file, module, diff, commit, or pull request, especially when the user asks to review a PR or diff, 审查一个模块或文件, 看看改动有没有问题, or coordinate multiple review perspectives from one manual entry point.
为了安全起见，在隔离的沙箱中执行命令。在运行不受信任的代码、系统命令或可能影响主机系统的操作时使用。从命令中自动检测正确的运行时（Python、Node、Rust、Go、Ruby 等）。
从数据生成 OpenChart (https://github.com/tryopendata/openchart) 图表、表格、图形和桑基规格，并指导编辑设计决策。在创建可视化、构建图表、渲染数据表、生成 VizSpec JSON、创建网络图、构建 sankey/流程图、回答有关 OpenChart 类型和编码规则的问题，或做出有关图表类型选择、颜色策略、排版、注释和编辑框架的设计决策时使用。还涵盖了超出声明性规范的情况的自定义 D3.js 信息图表。 --- # 使用 OpenChart 进行数据可视化 **核心概念：** 编写 VizSpec JSON 对象，使用 `<Chart>` / `<DataTable>` / `<Graph>` / `<Sankey>` (React/Vue/Svelte) 或 `createChart()` / `createTable()` / `createGraph()` / `createSankey()` (vanilla JS) 进行渲染。引擎进行验证、编译和渲染。 规格是纯 JSON，没有强制绘图。有关渲染引擎，请参阅 https://github.com/tryopendata/openchart。 **需要 CSS。** 必须加载 OpenChart 的样式表才能正确呈现（镶边、表格、工具提示、品牌水印）。框架导入会自动处理此问题，但 CDN/独立 HTML 需要显式 `<link>`： ```html <link rel="stylesheet" href="https://esm.sh/@opendata-ai/openchart-vanilla/styles.css"> ``` 有关详细信息，请参阅[渲染参考](references/rendering.md)。 ## 图表选择决策树 ``` 单值突出显示 -> 使用 chrome.title 作为大数字显示时间 x 轴列？ -> 1 系列：线 | 2-5 series: line + color | 6+：过滤到前 5 个分类 + 数字？ -> 排名列表：条形（水平）|定期（一月第一季度）：条形图（垂直）| 2-6 组成：arc 两个数字列？ -> 点（第三/第四暗淡的可选尺寸/颜色） 分类 + 系列 + 数字？ -> 堆叠条形图（使用系列颜色） 分布/分布？ -> circle (strip plot) Nodes + edges / network? -> 图表（力/径向/分层布局） 阶段之间的流程？ -> 桑基
生成与导体兼容的 YAML 计划。当用户请求“帮助我实施 X”、“为 X 创建计划”或要求实施指导时使用。不适用于提问、调试或代码审查。
将官方 Copilot SDK 的上游更改合并到此 Java SDK 中。
YC 办公时间 — 两种模式。启动模式：六个强制问题，揭示需求现实、现状、绝望的特殊性、最狭窄的楔子、观察和未来适应。构建者模式：针对业余项目、黑客马拉松、学习和开源的设计思维集思广益。保存设计文档。当被要求“集思广益”、“我有一个想法”、“帮助我思考这个”、“办公时间”或“这是否值得构建”时使用。当用户描述新产品创意或正在探索某些东西是否值得构建时，在编写任何代码之前主动提出建议。在 /plan-ceo-review 或 /plan-eng-review 之前使用。
通过最佳实践、安全检查和建设性反馈来执行全面的代码审查。在审查拉取请求、分析代码质量、检查安全漏洞或提供代码改进建议时使用。 --- # 代码审查分析 ## 目录 - [概述](#overview) - [何时使用](#when-to-use) - [快速入门](#quick-start) - [参考指南](#reference-guides) - [最佳实践](#best-practices) ## 概述 系统的代码审查流程，涵盖代码质量、安全性、性能、可维护性以及遵循行业标准的最佳实践。 ## 何时使用 - 审查拉取请求和合并请求 - 合并前分析代码质量 - 识别安全漏洞 - 向开发人员提供建设性反馈 - 确保编码标准合规性 - 通过代码审查进行指导 ## 快速入门
第一个具有本地语义检测功能的开源人工智能消毒器。 7层+代码块感知+LLM意图分析。捕获提示注入、反向 shell、内存篡改、编码规避、信任滥用。 v2.1 中误报率减少了 85%。零云 — 您的提示保留在您的计算机上。
百度地图 JSAPI WebGL (BMapGL)完整开发指南，覆盖地图初始化、覆盖物、图层、事件、样式、性能优化的任务，一站式开发高性能 3D 地图应用。当用户提及 BMapGL、百度地图、jsapi-gl或相关地图开发需求时自动触发。
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：
