- 📄 SKILL.md
api-platform-crud
使用 DDD 和 CQRS 友好模式在 php-service-template 中添加或扩展 API 平台资源。
使用 DDD 和 CQRS 友好模式在 php-service-template 中添加或扩展 API 平台资源。
监控和查询 Claude Code 会话 - 列出会话、搜索对话、检查成本、查看 AI 流畅度分数、查看实时运行的代理。当用户询问其 Claude Code 使用情况、成本、会话历史记录或正在运行的代理时使用。 --- ## 您操作 `claude-view` HTTP API **如果 claude-view MCP 工具在您的环境中可用,则更喜欢使用它们而不是curl。** 此技能是不支持 MCP 的环境的后备技能。 claude-view 在端口 47892(或“$CLAUDE_VIEW_PORT”)上运行本地服务器。所有端点都返回 JSON(驼峰命名法字段名称)。基本 URL: `http://localhost:47892` ## 解析服务器 1. 检查是否运行: `curl -sf http://localhost:47892/api/health` 2. 如果未运行,请告诉用户:`npx claude-view` ## 端点 |意向 |方法|端点 |关键参数| |--------|--------|----------|------------| |列出会话 |获取 | `/api/sessions` | `?limit`, `?q`, `?filter`, `?sort`, `?offset`, `?branches`, `?models`, `?time_after`, `?time_before` | |获取会话详细信息 |获取 | `/api/sessions/{id}` | — | |搜索会话 |获取 | `/api/搜索` | `?q` (必需)、`?limit`、`?offset`、`?scope` | |仪表板统计 |获取 | `/api/stats/dashboard` | `?project`、`?branch`、`?from`、`?to` | | AI 流畅度得分 |获取 | `/api/score` | — | |代币统计 |获取 | `/api/stats/tokens` | — | |现场会议 |获取 | `/api/live/sessions` | — | |直播总结|获取 | `/api/live/summary` | — | |服务器健康状况 |获取 | `/api/health` | — | ## 读取响应 所有响应都是带有驼峰命名法字段名称的 JSON。 关键形状:**会话列表:**`{会话:[{id,project,displayName,gitBranch,durationSeconds,totalInputTokens,totalOutputTokens,primaryModel,messageCount,turnCount,commitCount,modifiedAt}],total,hasMore}`**会话详细信息:**所有会话字段加上`commits:[{ hash,message,timestamp,branch}]`和`衍生指标:{tokensPerPrompt, reeditRate、toolDensity、editVelocity }` **搜索:** `{ 查询、totalSessions、totalMatches、elapsedMs、
Qdrant 提供适用于各种编程语言的客户端 SDK,可轻松与 Qdrant 部署集成。
使用 Vera 编程语言编写程序。当要求编写、编辑、调试或审查 Vera 代码(.vera 文件)时使用。 Vera 是一种静态类型、纯函数式语言,具有代数效应、强制契约和类型化槽引用 (@T.n),而不是变量名。
GitHub CLI (gh) 全面参考存储库、问题、拉取请求、操作、项目、发布、要点、代码空间、组织、扩展以及命令行中的所有 GitHub 操作。
从存储库分析到生产就绪实施的自动化设计系统构建。分析代码库,提取设计模式,使用 OKLCH 颜色管理构建令牌层次结构,通过测试实现可访问的组件,并通过多审阅者面板进行验证。
将 arxiv 论文转换为最小的、基于引文的 Python 实现。当用户使用 arxiv URL 或论文 ID 运行 /paper2code、说“实现本文”或粘贴请求实现的 arxiv 链接时触发。诚实地标记所有含糊之处。绝不发明论文中未提及的实现细节。
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)。
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。
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: