- 📄 SKILL.md
codd-dev
将生成的冲刺片段组装成一个完整的、可构建的项目。这是“codd Implement”之后绿地管道中的最后一步。
将生成的冲刺片段组装成一个完整的、可构建的项目。这是“codd Implement”之后绿地管道中的最后一步。
Git 上下文控制器 (GCC) v2 — 由真实 git 支持的精益代理内存。存储哈希 + 意图 + 可选决策注释,而不是详细的降价。当可用时自动桥接到 aiyoucli 矢量内存。双模式:git 支持(精益索引.yaml)或独立(markdown 回退)。在 /gcc 命令或自然语言上触发,例如“提交此进度”、“分支尝试替代方案”、“合并结果”、“恢复上下文”。
带有 PostgreSQL + pgvector + OpenAI 嵌入的矢量内存引擎。存储、搜索上下文记忆并将其注入 LLM 提示中。包括 OpenClaw 的自动注入钩子和完整的备份/恢复系统。
Markster OS 的轻量级指南和路由器。用于解释系统,向用户引导完整的 Git 支持的工作区设置,并帮助他们决定是否批准完整的 Markster OS 安装。
钉钉 AI 表格(多维表格)操作。当用户提到"钉钉AI表格"、"AI表格"、"多维表格"、"工作表"、"字段"、"记录"、"新增记录"、"查询记录"、"更新记录"、"删除记录"、"新建字段"、"删除字段"、"dingtalk AI table"、"dingtalk notable"、"able文件"时使用此技能。支持工作表管理、字段管理、记录的增删改查等全部操作。
> 使用 SwiftMesh 的全面 AI 参考 — 一个 Alamofire + Codable 包装器,具有异步/等待、组合、流畅配置、文件上传/下载、JSON 键路径解析、弹性 Codable 包装器和内置日志记录。
管理 Omni Analytics 实例 - 通过 REST API 管理连接、用户、组、用户属性、权限、计划和架构刷新。每当有人想要管理用户或组、在仪表板或文件夹上设置权限、配置用户属性、创建或修改计划、管理数据库连接、刷新架构、设置访问控制、配置用户或“添加用户”、“授予访问权限”、“设置权限”、“谁有权访问”、“配置连接”、“刷新架构”或“安排交付”的任何变体时,请使用此技能。
对来自 CKAN 门户和 CSV 文件的数据集执行探索性数据分析 (EDA)。在分析数据集、检查数据质量、浏览 CSV 文件或用户要求检查、分析或验证数据时使用。
Longbridge 平台专家,负责投资分析和开发任务。触发以下任何一项:(1) 任何语言的任何股票/市场分析请求——价格表现、投资组合建议、买入/卖出决策、市场情绪; (2) 提及的任何股票名称或股票代码(带或不带市场后缀,如.US/.HK/.SH); (3)投资组合相关查询——“持仓”/“我的持仓”/持仓/持仓/账户余额; (4)通过CLI(`longbridge`命令)查询行情数据; (5) 使用‘longbridge’ SDK编写Python/Rust; (6)配置Longbridge MCP服务器; (7)将Longbridge文档集成到LLM/RAG中。覆盖香港、美国、中国(上海/深圳)、新加坡、加密货币市场。
LobsterPress 认知记忆系统 - DAG 压缩 + OpenClaw ContextEngine + MCP 服务器,让 AI 拥有长期记忆和智能压缩能力
审查并解决未解决的大脑合并冲突。
为 AI 代理友好的代码库设置和改进工具工程(AGENTS.md、docs/、lint 规则、评估系统、项目级提示工程)。触发条件:AI 代理的新/空项目设置、AGENTS.md 或 CLAUDE.md 创建、利用工程问题、使代理在代码库上更好地工作。当用户感到沮丧或抱怨代理质量时也会触发 - 例如“代理一直忽视约定”、“它从不遵循指令”、“为什么它一直做 X”、“代理坏了”——因为代理输出不佳几乎总是表明存在缺陷,而不是模型问题。涵盖:上下文工程、架构约束、多智能体协调、评估、长期运行的智能体利用以及智能体质量问题的诊断。
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: