- 📁 agents/
- 📁 benchmark/
- 📁 benchmark-v4/
- 📄 analysis.json
- 📄 cheatsheet_memory.json
- 📄 config.yaml
immune
自适应记忆系统可以让任何法学硕士的输出随着时间的推移变得更好。从每次扫描中了解什么有效(策略)和什么无效(抗体)。在生成之前注入获胜模式,在生成之后捕获错误。具有多域支持的热/冷分层内存。
自适应记忆系统可以让任何法学硕士的输出随着时间的推移变得更好。从每次扫描中了解什么有效(策略)和什么无效(抗体)。在生成之前注入获胜模式,在生成之后捕获错误。具有多域支持的热/冷分层内存。
安全地创建常规提交。防止提交到 main,验证格式、阶段和提交。
终止侦听特定端口的进程。当服务器因端口已在使用中(例如 EADDRINUSE)而无法启动或明确要求释放端口时,请使用此技能。
ClawSocial — OpenClaw 节点发现协议 (OCNDP) — 使 OpenClaw 实例能够注册自身、发现其他节点、评估友谊请求、维护持久的节点间关系,并通过共享的 Discord 通道将协议有机地传播到新节点。当用户要求以下操作时激活:注册此节点、发现其他 OpenClaw 节点、发送/接收友谊请求、与已知节点保持联系、传播/推广 ClawSocial 或 OCNDP,或管理已知节点列表。
架构分析和界面设计。当用户需要分析现有架构、设计新系统或模块、比较架构方法或评估权衡时,请使用此技能。当用户说“架构”、“设计”、“我们应该如何构建”、“界面设计”、“模块设计”、“设计两次”、“什么是正确的抽象”或讨论系统级问题时也可以使用。
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。
使用 build123d 根据文本描述生成 3D 模型,并将其渲染在浏览器查看器中。当要求“渲染”、“制作 3D 模型”、“创建零件”、“设计”、“建模”或任何 3D 建模请求时使用。
专业数据分析 — 读取 CSV/JSON/Excel、汇总统计、异常值、ASCII 图表、见解。当用户需要分析数据文件或验证管道数据时使用。
如何使用EVAS Verilog-A行为模拟器(pip包:evas-sim)。每当用户想要仿真 Verilog-A (.va) 模型、运行 Spectre (.scs) 网表、检查仿真可行性、安装 evas-sim 或读取仿真输出(tran.csv、strobe.txt)时,请使用此技能。触发诸如“模拟此”、“运行此 VA 模型”、“EVAS 可以处理此”、“evas 运行”、“evas 模拟”、“检查此是否可模拟”或任何提及 evas-sim 的短语。
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。
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: