- 📁 assets/
- 📄 SKILL.md
interdisciplinary-research
跨学科专家研究方法。描述如何从网上的信息去采集、分析最靠谱、最真实的数据并进行分析研究的方法论框架。
跨学科专家研究方法。描述如何从网上的信息去采集、分析最靠谱、最真实的数据并进行分析研究的方法论框架。
使用自然语言查询 AutoRAG-Research 管道结果。将问题转换为 SQL,安全执行(仅限 SELECT),返回格式化结果。从 configs/db.yaml 或环境变量自动检测数据库连接。用于管道比较、指标分析、令牌使用。
Barseonsaeng 增长报告 — 通过使用 AI 分析会话数据,自动生成增长报告。使用 v2 水平系统进行分析(6 轴 x 7 步,0.5 步)。用于“成长报告”、“成长分析”、“你成长了多少”、“水平检查”、“成长跟踪”、“成长”等请求。
在整个会话期间监控上下文窗口的运行状况,并利用峰值上下文质量来实现最大的输出保真度。在计划面试和意向框架代理后自动激活。在执行过程中保持活跃,并在波次自然完成或通过交接退出时干净地交接,以简化、强化和自我完善。当多步骤代理任务正在进行并且需要考虑会话连续性或上下文漂移时,请使用此技能。对于长时间运行的任务、复杂的重构或任何降级上下文会悄悄破坏输出的工作尤其重要。即使用户没有说“上下文冲浪”,也会触发 - 如果代理任务有意图地跨多个步骤运行并且计划已经制定,则此技能是实时的。 --- # Context Surfing ## 安装 ```bash npx Skills add pskoett/pskoett-ai-skills/skills/context-surfing ``` 代理驾驭峰值上下文的浪潮。当浪潮达到顶峰时,它就承诺了。当它检测到漂移时,它会干净地退出 - 保存状态,切换,并让下一个会话赶上下一波。没有全军覆没。没有僵尸会话。只有有意的、高保真的执行。 --- ## 心理模型
完整的 CoinGecko Solana API 集成,用于代币价格、DEX 池数据、OHLCV 图表、交易和市场分析。用于构建交易机器人、投资组合跟踪器、价格源和链上数据应用程序。
Ogham 共享内存的管理和维护工作流程。当用户想要清理记忆、查看知识图、检查记忆统计数据、导出大脑、在切换提供商后重新嵌入记忆或回填链接时使用。触发“清理我的记忆”、“记忆统计”、“多少记忆”、“导出我的大脑”、“导出记忆”、“查看知识图”、“重新嵌入”、“链接取消链接”、“回填链接”、“记忆健康”、“奥格姆统计”、“清理过期”、“压缩旧记忆”、“压缩记忆”或任何针对奥格姆的管理/维护请求。需要连接 Ogham MCP 服务器。 --- # Ogham 维护 您处理 Ogham 共享内存的管理任务。其中大部分都是不频繁的操作——提供商切换、批量清理、运行状况检查。 ## 可用操作 ### 健康检查 如果用户报告问题,请先运行“health_check”。 它测试数据库连接、嵌入提供程序和配置。清楚地报告发现的内容 - 如果有问题,请说明原因并提出修复建议。 ### 统计概述 运行 `get_stats` 和 `list_profiles` 向用户提供其内存的图片: - 总内存和按配置文件细分 - 热门来源(客户端正在存储的) - 热门标签(哪些类别占主导地位) - 如果用户询问性能,则通过 `get_cache_stats` 缓存统计数据 将其呈现为简洁的摘要,而不是原始 JSON。 ### 清理过期内存 1. 运行 `get_stats` 以显示存在多少内存 2. 检查是否有任何配置文件设置了 TTL(此信息来自 `list_profiles`) 3. 如果有过期内存,请在运行 `cleanup_expired` 之前告诉用户有多少内存 4. 仅在与用户确认后才运行“cleanup_expired”——删除是永久性的 ### Export 以用户想要的格式(JSON 或 Markdown)运行“export_profile”。告诉他们输出的去向以及如何使用它。如果他们想要导出特定的配置文件,请先使用“switch_profile”切换到该配置文件,导出,然后切换回来。 ### 重新嵌入所有记忆 切换嵌入后需要这个
通过 virtuoso-bridge 远程运行 Cadence Spectre 仿真:上传网表、执行、解析 PSF 结果。当用户想要从网表文件运行 SPICE/Spectre 仿真、在 Virtuoso GUI 之外进行瞬态/AC/PSS/pnoise 分析、解析 PSF 波形数据、在一台或多台服务器上并行运行多个仿真、检查仿真作业状态或提及 Spectre APS/AXS 模式时触发。还触发模拟作业、模拟取消或并行/并发模拟请求。将此用于独立网表驱动的仿真 - 对于基于 GUI 的 ADE Maestro 仿真,请使用 virtuoso 技能。
专家 Go 测试技能。创建表驱动测试,使用验证断言,模拟接口,并确保全面覆盖。
钉钉 AI 表格(多维表)操作技能。使用 mcporter CLI 连接钉钉官方新版 AI 表格 MCP server,基于 baseId / tableId / fieldId / recordId 体系执行 Base、Table、Field、Record 的查询与增删改。适用于创建 AI 表格、搜索表格、读取表结构、批量增删改记录、批量建字段、更新字段配置、按模板建表等场景。需要配置 DINGTALK_MCP_URL 或直接使用 Streamable HTTP URL。
通过 AI 查找组件数据表来分析 KiCad PCB 文件以识别电源网络。当您需要确定哪些网络是电源/接地网络以及要使用的走线宽度时使用,特别是当 KiCad 引脚类型注释丢失或不可靠时。
将此文件放入您的项目中(例如,从“CLAUDE.md”、“.cursor/rules”引用它,或将其粘贴到您的 AI 上下文中),以便您的 AI 助手知道如何帮助您使用 Oxmgr。
在处理 RenderDoc 捕获文件 (.rdc)、分析 GPU 帧、跟踪着色器、检查绘制调用或针对 GPU 捕获运行 CI 断言时,请使用此技能。
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: