每日精选skills数量
3,909 3,920 3,927 3,966 4,007 4,057 4,069
04/07 04/08 04/09 04/10 04/11 04/12 04/13
♾️免费开源 🛡️安全无忧

导入技能

pierreb-devkit pierreb-devkit
from GitHub 数据与AI
  • 📄 SKILL.md

create-module

通过复制规范的“tasks”模块模板来创建新的功能模块。在向应用程序添加新模块、从头开始构建新域区域或生成新功能的样板时使用。

0 21 13天前 · 上传 详情页 →
zeabur zeabur
from GitHub 数据与AI
  • 📄 SKILL.md

zeabur-ai-hub

在管理 AI Hub 帐户、API 密钥、余额、使用情况或 API 端点时使用。当用户在上下文中说“AI Hub”、“添加 AI 积分”、“创建 API 密钥”、“检查 AI 使用情况”、“自动充值”、“AI Hub 端点”、“AI Hub 基本 URL”、“如何使用 AI Hub API”、“LLM API”、“AI API”、“OpenAI 兼容”、“Anthropic API”、“GPT”、“Claude”、“Gemini”、“DeepSeek”或“Grok”时使用泽布尔。

0 17 7天前 · 上传 详情页 →
yipng05-max yipng05-max
from GitHub 数据与AI
  • 📄 SKILL.md

analytic-memo

分析备忘录(Analytical Memo)生成工具。研究者在编码过程中或编码后,直接 说出脑子里的想法——一个编码、一段资料、一个困惑、一个"这里有什么"的感觉—— skill 自动生成结构化的分析备忘录并保存为 Markdown 文件到本地。 适用于主题分析(TA)、扎根理论(GT)及一切质性研究方法。 与 memo-coach 的区别:analytic-memo 由 AI 代写分析内容; memo-coach 由研究者自己写,AI 只负责追问(专用于程序化扎根理论)。 当用户提到"写备忘录""记录分析思路""写 memo""分析笔记""帮我记下这个想法" "这个编码有点意思""这里好像有什么""这个值得记录" "这个受访者说的很奇怪",或在编码/主题分析过程中表达任何需要捕捉的分析直觉时触发。 --- # 分析备忘录(Analytical Memo) 分析备忘录是质性研究中捕捉分析动能的核心工具。Charmaz(2014)将备忘录定义为 研究者与数据之间持续进行的智识对话,而非填写分类表格的形式操作。 此 skill 的设计原则:**研究者只管说出想法,工具负责追问和结构化**。 ## 启动:获取必要信息 触发后,只需收集两项信息(其余由 skill 自动判断): 1. **触发内容**:用户输入的编码片段、类属名称、原始资料段落、初步想法或困惑 (直接使用用户的原始表述,不要要求用户重新整理或分类) 2. **保存路径**(可选):若未提供,默认保存到 `~/Documents/research-memos/` 若用户在之前对话中已提供研究背景(研究主题、研究问题),直接沿用,不重复询问。 --- ## 内部识别逻辑(对用户不可见) 根据用户输入,自动判断分析方向,**不向用户暴露这个判断过程**: **→ 概念深化**(输入是单个编码或类属,附带描述或疑问) 追问:这个概念的核心含义和边界是什么?在哪些条件下更显著或消退? 与已有理论概念有何联系或张力?它暗示了什么理论主张? **→ 关系假设**(输入涉及两个或以上概念,且包含关系词:关系、影响、导致、联系、之间) 追问:这个关系的性质是什么(因果、条件、并行、对立)? 数据中有哪些直接证据?在什么情境下成立或不成立(边界条件)? **→ 负面案例**(输入包含反差信号:但是、例外、不符合、反而、奇怪、矛盾、和别人不一样) 追问:这是真正的反例,还是揭示了边界条件? 是否需要修订现有类属或理论假设?修订方向是什么? **→ 反身性**(输入包含研究者自我指涉:我觉得、我担心、我是否、我的立场、我注意到自己) 追问:研究者的哪种预设或情绪可能影响了这段分析? 这个反思对理论抽样或研究设计有什么启示? **→ 综合展开**(输入混合多种信号,或信号不明确) 先用一句话锚定这段想法的核心,再沿最主要的分析方向展开。 --- ## 发展阶段判断(参考 Birks, Chapman & Francis, 2008) 根据用户描述的研究进展,在文件 frontmatter 中自动标注阶段: - `preliminary`:研究者处于开放编码早期,想法贴近数据、印象式 - `interim`:开始跨类属思考,建立概念间联系 - `advanced`:涉及核心类属、理论命题或整体理论框架 判断依据: - "刚开始编码"/"第一份访谈" → preliminary - 提到多个类属的关系/"开始看到模式" → interim - 提到核心类属/"理论框架"/"饱和" → advanced - 无法判断 → 留空,不强行填写 --- ## 备忘录生成 按以下结构生成分析内容(对话中展示,同时写入文件): ### 文件 frontmatter ```yaml ---

0 20 13天前 · 上传 详情页 →
pierreb-devkit pierreb-devkit
from GitHub 数据与AI
  • 📄 SKILL.md

create-module

通过复制规范的“tasks”模块模板来创建新的功能模块。在向应用程序添加新模块、从头开始构建新域区域或生成新功能的样板时使用。

0 20 13天前 · 上传 详情页 →
Manavarya09 Manavarya09
from GitHub 数据与AI
  • 📄 SKILL.md

cost-estimate

在开始任务之前估算任务的成本。分析任务复杂性、预测令牌使用情况并比较所有 Claude 模型的成本。当用户说“估计成本”、“这将花费多少”、“成本估计”或“/成本估计”时使用。

0 19 12天前 · 上传 详情页 →
darkroomengineering darkroomengineering
from GitHub 数据与AI
  • 📄 SKILL.md

ask

来自 Oracle 的专家指导和建议。在以下情况下使用: - 用户对最佳实践有疑问 - 用户需要架构指导 - 用户询问“我应该做什么”、“我应该如何”、“建议” - 需要专家对方法的意见 - 用户对决策不确定

0 17 9天前 · 上传 详情页 →
ThepExcel ThepExcel
from GitHub 数据与AI
  • 📁 .claude-plugin/
  • 📁 assets/
  • 📁 references/
  • 📄 SKILL.md
  • 📄 SOURCES.md

deep-research

击败普通网络搜索的快速研究 - 在搜索具体内容之前发现存在的内容(横向扫描),在几天/几周内捕获最新版本(新近度脉冲 + 上游供应链),并运行并行查询以实现多角度覆盖。适合日常研究和当前信息问题。当用户请求研究、比较或“X 上的最新消息”时使用。对于需要假设检验、COMPASS 审核、红队或完整报告的高风险决策 → 使用 /deep-research-pro。

0 19 14天前 · 上传 详情页 →
solanabr solanabr
from GitHub 数据与AI
  • 📄 backend-async.md
  • 📄 deployment.md
  • 📄 SKILL.md

solana-dev

Solana 开发的统一技能中心。通往外部子模块技能(solana-foundation、sendai、solana-game、trailofbits、cloudflare、qedgen、colosseum)和本地技能的路由。渐进式披露——只阅读您需要的内容。

0 17 10天前 · 上传 详情页 →
dev-five-git dev-five-git
from GitHub 数据与AI
  • 📁 .changepacks/
  • 📁 .github/
  • 📁 crates/
  • 📄 .gitignore
  • 📄 AGENTS.md
  • 📄 Cargo.lock

vespertide

以 JSON 格式定义数据库架构并生成迁移计划。在为基于 Vespertide 的项目创建或修改数据库模型、定义具有列、约束和 ENUM 类型的表时,请使用此技能。

0 18 13天前 · 上传 详情页 →
wjllance wjllance
from GitHub 数据与AI
  • 📁 openclaw/
  • 📁 references/
  • 📄 _meta.json
  • 📄 package.json
  • 📄 README.md

standx-cli

StandX 交易所的加密货币交易 CLI v0.7.0。当用户需要执行以下操作时使用:(1) 查询加密货币市场数据(价格、订单簿、k线、资金费率),(2) 管理交易订单(创建、取消、查看),(3) 检查账户余额、头寸和交易历史记录,(4) 通过 WebSocket 传输实时市场数据,(5) 管理杠杆和保证金设置,(6) 监控实时仪表板,(7) 查看投资组合摘要。支持BTC、ETH、SOL、XRP等交易对。

0 17 11天前 · 上传 详情页 →

Skills文件组织结构基本样例(仅作参考)

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

SKILL.md 内容要求

├─ ⭐ 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)

为什么选择 SkillWink?

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。

AI 语义搜索 关键词检索 版本更新 多维排序 开放标准 评论交流

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。

常见问题解答(FAQ)

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。

1,什么是Agent Skills?

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。

2,Skills是怎么运行的?

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。

3,我该怎么快速找到想要的技能?

推荐 3 种方式组合使用:

  • 语义搜索:用一句自然语言描述你想解决的问题;
  • 多维筛选:按分类/标签/作者/语言/许可证过滤;
  • 排序对比:按下载、点赞、评论、最近更新等维度排序,快速筛出“更可能好用”的技能。

4,SkillWink 支持哪些导入方式?

  • 上传归档文件导入:.zip / .skill 一键导入(推荐)
  • 上传skills文件夹
  • 从GitHub仓库导入

注:以上导入方式文件大小控制在10M之内。

5,在Claude / Codex 等系统中如何是使用?

常见路径如下(不同系统略有差异,以你本机为准):

  • Claude Code:~/.claude/skills/
  • Codex CLI:~/.codex/skills/

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”。

6,一个技能能不能被多个工具一起用?

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。

7,这些skills使用安全吗?

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。

8,为什么我导入后“没有生效”?

最常见原因是这几类:

  • 放错目录(路径不对、层级多了一层)
  • SKILL.md 缺字段或格式不规范(名称/入口/依赖不完整)
  • 依赖未安装(Python/Node/CLI 工具缺失)
  • 工具未重新加载技能(某些环境需要重启/刷新)

9,SkillWink 会不会收录重复或低质量技能?

我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前:

  • 重复技能:看差异点(更快/更稳定/更强主题能力)
  • 低质量技能:我们会定期清理低质量skills