- 📄 SKILL.md
approach-evaluation
研究行业标准和最佳实践,确定针对给定技术或架构问题的可行方法,并根据项目特定的限制进行结构化的事实比较。报告选项——不做决定。
研究行业标准和最佳实践,确定针对给定技术或架构问题的可行方法,并根据项目特定的限制进行结构化的事实比较。报告选项——不做决定。
保存并组织链接以供以后阅读。在以下情况下使用:用户想要保存 URL、管理书签、查找已保存的链接。不要在以下情况下使用:用户只想读取/获取 URL(使用 web_fetch)或研究主题(使用研究技能)。
大学生毕业论文 Word 排版技能。用于先收集学校 Word 模板、学院规范、任务书或示例论文,再对本科或硕士毕业论文进行 Word 版式整理、目录与编号校正、参考文献与图表题注检查,并输出可直接复核的排版执行清单。适用于用户说“给毕业论文排版”“按学校要求整理 Word”“检查论文格式”“论文目录标题编号不对”“把这篇论文整理成提交版”等场景。
当使用 aiter 项目优化 MI300 上的 AMD GPU 内核时,应该使用此技能,包括运行操作测试、基准测试、迭代内核更改以及在内核实验数据库中记录结果。
使用 Magpie 执行 GPU 内核正确性和性能评估以及 LLM 推理基准测试。分析单个或多个内核 (HIP/CUDA/PyTorch),比较内核实现,通过分析和 TraceLens 运行 vLLM/SGLang 基准测试,并对 torch 跟踪运行间隙分析。创建内核配置 YAML、发现项目中的内核并查询 GPU 规格。当用户提及 Magpie、内核分析或比较、HIP/CUDA 内核评估、vLLM/SGLang 基准测试、差距分析、TraceLens、创建内核配置或发现 GPU 内核时使用。
为买家进行结构化 B2B 软件供应商评估。研究您的公司,询问领域专家问题,通过 Salespeak Frontdoor API 与供应商 AI 代理互动,在 7 个维度上对供应商进行评分,并生成证据透明的比较建议。当被要求评估、比较或研究 B2B 软件供应商时使用。
论文全能处理工具。每当用户上传论文 PDF、粘贴论文文本/摘要,或提到"论文"、"paper"、"文献"、"arxiv"时必须使用此 skill。功能包括:深度分析报告、思维导图、审稿意见、宣传推广脚本、播客音频生成。即使用户只说"帮我看这篇论文"或直接上传 PDF 也必须触发。
当 Supervisor 说"调研""survey""了解研究现状",或需要系统了解某主题的文献全貌时,搜索外部文献、批量 digest、综合生成调研报告
撰写学术经济学论文摘要的指南。每当用户需要帮助撰写、起草、修改或构建经济学论文的摘要时,无论是实证微观、发展经济学、应用经济学还是相关领域,都可以使用此技能。当用户提到“摘要”、“论文摘要”或询问如何将他们的发现压缩为简短描述时也会触发。该技能综合了 David Evans (CGDev)、Marc Bellemare 的最佳实践以及顶级经济学期刊(AER、QJE、AEJ:Applied 等)中观察到的模式。 --- # 如何撰写经济学论文的摘要 很多人只会阅读论文的摘要来决定它是否值得阅读、分享或引用。有些人甚至连头衔都过不了。 摘要是最压缩的推销内容:它必须清晰、快速地告诉读者你做了什么和发现了什么。这项技能主要基于 David Evans 对顶级经济学期刊摘要的分析,并辅以 Marc Bellemare 的写作建议、对摘要可读性的实证研究以及 AER、QJE 和 AEJ:应用论文的常见模式。 ## 有效的证据 在开始构建之前,有两个值得了解的经验事实: **可读性预测引用。** Dowling 和其他人检查了《经济学快报》中的摘要,发现单词更简单和句子更短的摘要与更多的引用相关。正如贝尔马尔所说:不要将缺乏可理解性与智力严谨性混为一谈。 **可访问性扩大了你的受众。** Bellemare 的经验法则:如果你的标题不令人反感,并且你的摘要对于你狭窄的子领域之外的人来说是可以理解的,那么你就已经将引用的范围扩大了十倍 - 因为许多人引用的论文他们只阅读了摘要。 --- ## 顶级经济学期刊中的核心结构摘要遵循引言公式的压缩版本。埃文斯指出了好的产品的五种成分
用于优化研究的自主实验循环。当用户想要执行以下操作时使用: - 通过系统实验(ML 训练损失、测试速度、包大小、构建时间等)优化指标 - 运行自动研究循环:尝试一个想法、测量它、保持改进、恢复回归、重复 - 为具有可测量优化目标的任何代码库设置自动研究 通过基于 MAD 的置信度评分、git 分支隔离和结构化实验日志记录来实现自动研究模式。 --- # 自动研究
在准备与目标客户互动、在外展前研究公司或构建通话前情报时使用。触发因素:“研究这家公司”、“[公司]的账户简介”、“公司研究”、“我需要了解[公司]什么”、“预外展研究”。
通过人工智能支持的多语言摘要和电子邮件传送,从多个来源(arXiv 等)获取、分类和总结论文。
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: