- 📁 references/
- 📄 SKILL.md
3d-model-generation
使用each::sense AI 生成3D 模型。使用 PBR 纹理从文本或图像为游戏、产品、建筑、角色、车辆等创建 3D 资产。
使用each::sense AI 生成3D 模型。使用 PBR 纹理从文本或图像为游戏、产品、建筑、角色、车辆等创建 3D 资产。
使用 Netlify AI Gateway 访问 AI 模型的指南。添加 AI 功能或选择/更改 AI 模型时使用。选择型号之前必须阅读。涵盖支持的提供程序(OpenAI、Anthropic、Google)、SDK 设置、环境变量和可用模型列表。
命令运行程序 `just` 的参考。在使用“justfile”的项目中工作或当用户提到“just”或“justfile”时使用。 --- Just ==== Discovery --------- - `just --dump` 打印 justfile - `just --evaluate` 打印变量值 - `just --help` 打印详细的命令行语法帮助 - `just --list` 打印带有描述的配方 - `just --show <RECIPE>` 打印配方源 - `just --summary` 打印没有描述的配方 执行 --------- - `just` 运行默认配方 - `just <RECIPE>` 运行特定配方 - `just <RECIPE> <ARG1> <ARG2` 使用参数运行配方语法 ------ ```just
以最大令牌效率创建、优化、更新和验证 AGENTS.md 文件。当用户要求 (1) 为任何存储库创建新的 AGENTS.md 文件,(2) 优化/压缩现有 AGENTS.md 以减少令牌数量,(3) 更新/刷新 AGENTS.md 以与代码库更改同步,(4) 验证 AGENTS.md 质量和完整性,或 (5) 改进 AGENTS.md 文件以使 AI 代理更有效时使用。始终生成令牌高效、精简的输出,重点关注可操作的命令和模式,同时保持与模型无关的语言。
使用 Nia AI 索引和搜索代码存储库、文档、研究论文、HuggingFace 数据集、本地文件夹、Slack 工作区、Google Drive、X (Twitter) 和软件包。包括身份验证引导、Oracle 自主研究、GitHub 实时搜索、Tracer 代理、依赖性分析、上下文共享、代码顾问、文档代理、数据提取、文件系统操作和通用连接器。
通过 ADB 自动进行 Android UI 树调试。当应用程序阻止 UI 检查或可访问性节点丢失时使用;收集 uiautomator 转储、重点窗口信息和 logcat 层次结构转储以进行分析。
个人预算和财务规划技能。在以下情况下使用:(1) 按类别或时间段分析支出模式,(2) 比较预算与实际支出,(3) 计算储蓄率,(4) 预测现金流,(5) 规划具有税务意识的财务决策。工具:用于预算/交易数据的actual-mcp,用于投资组合上下文的ghostfolio-mcp。 --- # 个人预算## 工具映射|任务| MCP 服务器 |关键工具| |------|------------|------------| |交易历史、余额、预算 |实际预算| `交易(操作=“列表”)`,`帐户(操作=“列表”)`,`预算(操作=“月”|“月”)` | |类别细分 |实际预算| `analytics(操作 =“spending_by_category”)`、`category(操作 =“groups_list”)` | |投资余额和分配|鬼影-MCP | `get_portfolio_summary`、`get_portfolio_positions` | |净资产计算|两者 |实际(现金/债务)+ Ghostfolio(投资)| ## 支出分析 ### 类别细分 1. 使用带有日期范围过滤器的“transaction(operation="list")` 提取目标期间的交易 2. 按类别分组 — 报告绝对金额和占总支出的百分比 3. 标记超出预算分配的类别 4. 将结果显示为排名表:类别|预算|实际 |方差|占总数的百分比 ### 月度趋势 1. 提取 3-6 个月的交易数据 2. 计算每个类别的每月总计 3. 计算每月变化(绝对值和百分比) 4. 标记持续增长的类别(连续 3 个月以上增长) 5. 区分经常性/固定费用(租金、保险、订阅)和可变费用(杂货、餐饮、娱乐) ### 异常检测 - 标记单个交易 >类别平均交易规模的 2 倍 - 标记当月支出超过过去 3 个月平均支出 > 25% 的类别 - 标记前几个月未见过的新收款人(潜在的新订阅)## 预算与实际差异分析
运行竞争分析——深入分析、景观分析、综合分析或监控。
升腾(Ascend)推理生态开源代码仓库智能问答专家旨在为 vLLM、vLLM-Ascend、MindIE-LLM、MindIE-SD、MindIE-Motor、MindIE-PyMotor、MindIE-Turbo 以及 msModelSlim (MindStudio-ModelSlim) 等仓库提供专家级且易于理解的解释。在处理升腾(Ascend)推理生态相关项目的用户询问时,务必触发此技能(Skill),可解答使用方法、部署流程、支持模型、支持特性、系统架构、配置管理、调试、测试、故障排查、性能优化、定制开发、源码解析以及其他技术问题。支持中英文双语回复,并可借助 deepwiki MCP 工具检索仓库知识库,生成具备上下文感知且基于证据的回答。 Ascend inference ecosystem open-source code repository intelligent question-and-answer (Q&A) expert. Provide expert-level yet comprehensible explanations for repositories such as vLLM, vLLM-Ascend, MindIE-LLM, MindIE-SD, MindIE-Motor, MindIE-PyMotor, MindIE-Turbo, and msModelSlim (MindStudio-ModelSlim). 在解决与这些升腾推理生态系统项目相关的用户询问时,请使用此技能,包括使用、部署过程、支持的模型、支持的功能、系统架构、配置管理、调试、测试、故障排除、性能优化、定制开发、源代码分析以及有关这些项目的任何其他技术问题等主题。支持中英文回复。使用 deepwiki MCP 工具查询存储库知识库并生成上下文感知、基于证据的响应。
分析、机器学习或质量保证。涵盖ETL、仓储、
当用户想要优化人工智能搜索引擎的内容、被法学硕士引用或出现在人工智能生成的答案中时。当用户提到“AI SEO”、“AEO”、“GEO”、“LLMO”、“答案引擎优化”、“生成引擎优化”、“LLM 优化”、“AI 概述”、“针对 ChatGPT 进行优化”、“针对困惑进行优化”、“AI 引文”、“AI 可见性”、“零点击搜索”、“我如何在 AI 中显示”时也可使用答案”、“法学硕士提及”或“针对克劳德/双子座进行优化”。每当有人希望人工智能助手和人工智能搜索引擎引用或显示他们的内容时,请使用此功能。对于传统的技术和页面 SEO 审核,请参阅 seo-audit。对于结构化数据实现,请参阅模式标记。
当用户想要有关提供商、型号、定价、政策、弃用或可能影响 Meridian 信任答案的监管变更的有限观看摘要时使用。
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: