- 📄 SKILL.md
hf-mcp
通过 MCP 服务器工具使用 Hugging Face Hub。搜索模型、数据集、空间、论文。获取存储库详细信息、获取文档、运行计算作业以及使用 Gradio Spaces 作为 AI 工具。连接到 HF MCP 服务器时可用。
通过 MCP 服务器工具使用 Hugging Face Hub。搜索模型、数据集、空间、论文。获取存储库详细信息、获取文档、运行计算作业以及使用 Gradio Spaces 作为 AI 工具。连接到 HF MCP 服务器时可用。
在连接的 Unity 项目中切换 MCP for Unity 包源。使用 /mcp-source [main|beta|branch|local] 在上游版本、远程分支或本地开发签出之间进行交换。
Distill a colleague into an AI Skill. Auto-collect Feishu/DingTalk data, generate Work Skill + Persona, with continuous evolution. | 把同事蒸馏成 AI Skill,自动采集飞书/钉钉数据,生成 Work + Persona,支持持续进化。
建立并维护覆盖范围内即将发生的催化剂的日历 - 收益日期、会议、产品发布、监管决策和宏观事件。帮助在事件发生之前优先考虑注意力和位置。在“催化剂日历”、“即将发生的事件”、“即将发生的事情”、“收益日历”、“事件日历”或“催化剂跟踪器”上触发。
当用户想要将外部聊天导出导入 OpenClaw 时使用。此技能将原始聊天历史记录标准化为与对话存档兼容的 JSONL,然后指导模型提取日常内存和“MEMORY.md”候选者,然后再应用与用户确认的合并。
飞书多维表格(Bitable)的创建、查询、编辑和管理工具。包含 27 种字段类型支持、高级筛选、批量操作和视图管理。 **当以下情况时使用此 Skill**: (1) 需要创建或管理飞书多维表格 App (2) 需要在多维表格中新增、查询、修改、删除记录(行数据) (3) 需要管理字段(列)、视图、数据表 (4) 用户提到"多维表格"、"bitable"、"数据表"、"记录"、"字段" (5) 需要批量导入数据或批量更新多维表格 --- # Feishu Bitable (多维表格) SKILL ## 🚨 执行前必读 - ✅ **创建数据表**:支持两种模式 — ① 明确需求时,在 `create` 时通过 `table.fields` 一次性定义字段(减少 API 调用);② 探索式场景时,使用默认表 + 逐步修改字段(更稳定,易调整) - ⚠️ **默认表的空行坑**:`app.create` 自带的默认表中会有空记录(空行)!插入数据前建议先调用 `feishu_bitable_app_table_record.list` + `batch_delete` 删除空行,避免数据污染 - ✅ **写记录前**:先调用 `feishu_bitable_app_table_field.list` 获取字段 type/ui_type - ✅ **人员字段**:默认 open_id(ou_...),值必须是 `[{id:"ou_xxx"}]`(数组对象) - ✅ **日期字段**:毫秒时间戳(例如 `1674206443000`),不是秒 - ✅ **单选字段**:字符串(例如 `"选项1"`),不是数组 - ✅ **多选字段**:字符串数组(例如 `["选项1", "选项2"]`) - ✅ **附件字段**:必须先上传到当前多维表格,使用返回的 file_token - ✅ **批量上限**:单次 ≤ 500 条,超过需分批(批量操作是原子性的) - ✅ **并发限制**:同一数据表不支持并发写,需串行调用 + 延迟 0.5-1 秒 --- ## 📋 快速索引:意图 → 工具 → 必填参数 | 用户意图 | 工具 | action | 必填参数 | 常用可选 | |---------|-- ----|--------|---------|---------| | 查表有哪些字段 | feishu_bitable_app_table_field | list | app_token, table_id | - | | 查记录 | feishu_bitable_app_table_record | list | app_token, table_id | filter, sort, field_names | | 新增一行 | feishu_bitable_app_table_record | create | app_token, table_id, fields | - | | 批量导入 | feishu_bitable_app_table_record | batch_create | app_token, table_id, records (≤500) | - | | 更新一行 | feishu_bitable_app_table_record | update | app_token, table_id, record_id, fields | - | | 批量更新 | feishu_bitable_app_table_record | batch_update | app_token, table_id, records (≤500) | - | | 创建多维表格 | feishu_bitable_app | create | name | folder_token | | 创建数据表 | feishu_bitable_app_table | create | app_token, name | fields | | 创建字段 | feishu_bitable_app_table_field | create | app_token, table_id, field_name, type | property | | 创建视图 | feishu_bitable_app_table_view | create | app_token, table_ id, view_name, view_type | - | --- ## 🎯 核心约束(Schema 未透露的知识) ### 📚 详细参考文档 **当遇到字段配置、记录值格式问题或需要完整示例时,查阅以下文档**: - **[字段 Property 配置详解](referenc
存储从当前对话中吸取的教训。由 /lesson 命令触发。当主人发出信号表明最近的对话包含陷阱、修复或应长期记忆的关键见解时使用。
从 GitHub PR 评论中提取并分析写作改进。当被要求显示来自 GitHub 拉取请求 URL 的审阅反馈、样式更改或编辑改进时使用。处理明确的建议和纯文本反馈。生成结构化输出,将原始措辞与审稿人的建议进行比较,以帮助完善未来的写作。
写一篇关于某个主题的俳句并将其呈现为可共享的卡片。
针对科学数据文件的全面 EDA — 200 多种格式的结构、内容、质量和特征分析。在分析任何数据文件时使用,以了解其结构、质量和下游分析建议。
解释不同的 Slackdump 源结构。
使用 AI 生成 PNG 图像(通过 OpenRouter 的多个模型,包括 Gemini、FLUX.2、Riverflow、SeedDream、GPT-5 Image,通过 Cloudflare AI Gateway BYOK 代理)。还可以使用多模态 AI 视觉来分析/描述现有图像。当用户要求“生成图像”、“创建 PNG”、“制作图标”、“使其透明”、“描述此图像”、“分析此图像”、“此图像中的内容”、“解释此图像”或需要 AI 为项目生成的视觉资源时使用。支持通过关键字(gemini、riverflow、flux2、seedream、gpt5)、可配置的宽高比/分辨率、透明背景(-t)、参考图像编辑(-r)、图像分析(--analyze)和每个项目成本跟踪(--costs)进行模型选择。
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: