人工智能特定的书写模式从人工智能生成的文本中删除，使其看起来更自然、更人为书写。多语言支持（29种韩语、29种英语、29种中文、29种日语模式）。模式包和配置文件与两阶段处理管道（结构→句子/词汇）和基于插件的结构相结合。内置意义保存系统 (MPS)。基于 Blader/Humanizer、受 oh-my-zsh 启发的插件架构。
对于模糊的订单自动激活。经常询问比错误执行要好。识别功能（一个就足够了！）： - 顺序 <25 个单词 - 没有特定的文件名/路径 - 模糊动词：更好、优化、修复、制作、更改、改进、适应、扩展、重构、清理、修订 - 不安全的语言：不知何故，也许，只是，快速，容易，一点，可以，应该 - 缺少成功标准：没有所以，所以，因为，为了 - 没有上下文的相对术语：更快，更好，尼斯，简单的输出是结构化 JSON提示建筑师技能。
官方 OpenClaw Zigrix 入口点。当消息以“/oz”开头时强制 Zigrix 委派，并在语义上路由简单语言请求以手动完成工作、分配工作或让 Zigrix 接受工作而不是直接执行工作。
详细的滚动会议回顾以及项目连续性的完整背景
本地 A 股分析，带有 Markdown/JSON 报告、可选的飞书通知和可选的 iFinD 增强功能。
AI 编码代理的预检安全扫描器 — 扫描部署配置、技能/MCP 服务器、内存/会话和 AI 代理配置文件（挂钩注入）以查找机密、PII、提示注入和危险模式。运行 4 个模型行为探测（说服、沙袋、欺骗、幻觉）。支持LLM增强语义分析。适用于 OpenClaw、Claude Code、Cursor 和 Codex。当用户要求安全审核、运行状况检查或想要扫描其 AI 代理设置是否存在漏洞时使用。
使用内存中的历史检查数据分析端点延迟趋势。检测缓慢退化、峰值与持续问题，并计算基线偏差。 --- 使用情景记忆的延迟趋势分析技能。 ## 何时激活 在将当前延迟与历史数据进行比较或当用户询问端点的性能趋势时使用此技能。 ## 方法 ### 1. 收集历史记录
生成项目的架构指南。分析DESCRIPTION.md中的技术堆栈，推荐架构模式，并创建.ai-factory/ARCHITECTURE.md。在设置项目架构、询问“哪个架构”时或在 /aif 设置之后使用。
更新pair-review的AI提供商的内置模型配置。这个技能
Bybit人工智能交易技巧——使用自然语言在Bybit上进行交易。涵盖现货、衍生品、收益等。可与 Claude、ChatGPT、OpenClaw 和任何 AI 助手配合使用。
通过本地crawl4weibo CLI查询微博用户、帖子和评论。当工作空间包含此存储库并且用户希望从 OpenClaw 确定性地访问项目的微博爬行功能时使用。
通过 InfraNodus MCP 服务器 (mcporter) 进行文本网络分析、知识图、内容差距检测、SEO/GEO 优化、结构化内存和文本比较。
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：
