Scaffold a new planning output format adapter. Creates a format directory with all required files implementing the output format contract.
../../../engineering-team/a11y-audit/SKILL.md
Use when analyzing conversation patterns — extracts dialog from Claude Code or Codex CLI history, classifies each user message across 6 academic dimensions (Bloom's cognitive level, Graesser question depth, Paul & Elder reasoning probe, Walton presupposition quality, Long & Sato discourse function, Graesser generation mechanism), and outputs tagged dialog reports
思源笔记API转CLI工具，支持笔记本管理、文档操作、内容搜索、块控制。当用户操作思源笔记、管理笔记本、创建/更新/删除文档、搜索内容、管理块时调用。
通过访谈式问答创建结构化的 issue 文档。当用户说"记一个 issue"、"创建一个问题"、 "我遇到一个 bug"、"这里有个问题要记下来"、"帮我记录一下这个问题"、 "有个技术债要记"、"这个需要重构"时立即触发。 也适用于用户描述了一个问题、异常行为、代码坏味道、性能瓶颈、安全风险等场景， 即使没有明确说"创建 issue"，只要用户在描述一个值得记录的技术问题就应触发。 与 fix-issue 不同，本 skill 专注于信息收集和文档化，不执行修复。 与 interview 不同，本 skill 有明确的输出格式（issue 文档）和分类评级逻辑。 --- # issue-create: 访谈式 Issue 文档创建 通过结构化访谈帮用户把遇到的问题转化为高质量的 issue 文档。你是一个善于倾听的记录员——通过提问还原用户遇到的场景、补充细节、准确定性，最终产出一份完整的 issue 文档。 ## 核心原则 1. **忠实记录，不分析不修复**：你的任务是还原用户遇到的情况，不是排查根因、不是提出修复方案。把分析和修复留给 fix-issue 或后续处理 2. **读代码辅助提问**：用户提到文件、模块、函数时，立即去读相关代码。目的是更好地理解用户描述的上下文，提出更精准的问题，而不是为了排查根因 3. **不问显而易见的问题**：如果读代码就能知道的事（比如文件有多少行、函数签名是什么），不要问用户 4. **一次一个问题**：每个 AskUserQuestion 只问一件事，提供 2-4 个选项 + 推荐项 5. **所有面向用户的文本使用中文** 6. **访谈过程中可以穿插代码阅读**，不需要等访谈结束才读代码 7. **代码阅读是访谈的一部分**——读到有价值的信息时，用它来调整后续问题，但仅用于理解用户描述的场景 ## 访谈流程 ### 阶段零：历史 Issue 检查（在提问之前） 收到用户描述后，**立即**在提问之前执行以下步骤： 1. **搜索已有 issue**：用 Grep 在 `spec/issues/` 中搜索与用户描述相关的关键词（文件名、模块名、错误信息、现象描述等） 2. **判断匹配度**： - **精确匹配**（同一个 bug 的不同表现 / 同一模块的同类问题）→ 走「更新已有 Issue」流程 - **部分相关**（不同模块但同类问题）→ 在新 issue 中关联引用 - **无匹配** → 走正常新建流程 ### 更新已有 Issue 的流程 当找到匹配的历史 issue 时： 1. 向用户确认："找到了相关 issue `spec/issues/xxx.md`（状态：Fixed/Open），是否更新这个 issue 而不是新建？" 2. 用户确认后： - **Fixed → Reopen**：更新状态为 `Reopen`，保留原有修复记录，追加新的现象/数据到「症状详情」段落 - **Open → 追加**：在「症状详情」下追加新的观察，更新优先级（如果新信息表明问题更严重） - **Fixed + Verify → Reopen**：同 Fixed → Reopen 3. 输出更新摘要而非新建摘要： ``` ✅ Issue 已更新 → spec/issues/YYYY-MM-DD-<slug>.md 操作：[Reopen/追加] | 原状态：[Fixed/Open] 新增内容：[简述追加了什么] ``` **更新格式**：在已有 issue 的「症状详情」段落末尾追加新的子段，用 `### 现象 N（Reopen 日期）` 标题分隔，保留完整历史。不删除或覆盖原有内容。 ### 阶段一：理解初始描述 用户通过 `$ARGUMENTS` 输入了他们遇到的问题。 1. **分析输入**：理解用户在描述什么类型的问题 2. **提取线索**：从描述中提取提到的文件名、模块名、函数名、错误信息等 3. **主动读代码**：对提到的文件/模块进行 Read/Grep，建立初步理解 4. **提出第一个问题**：基于代码理解，问用户最关键的一个缺失信息 **不要**：问"能不能详细说说？"这种开放式问题。用户已经给了初始描述，你应该通过代码阅读来理解上下文，然后问具体的、有技术深度的问题。 ### 阶段二：场景还原 围绕问题类型选择最相关的维度。不要机械地逐项提问——根据已读代码的理解，只问真正缺失的信息。 **Bug/异常行为类**： - 复现条件：必现还是偶发？是否有明确的触发步骤？ - 期望行为 vs 实际行为 - 错误信息、日志、堆栈（如果有） - 影响范围：哪些用户/场景受影响？ **重构/技术债类**： - 当前代码的主要问题是什么？（职责混乱？耦合过紧？重复
zettaranc（万千）的思维框架与表达方式。基于 ~407 篇直播/付费课整理文章（约 170 万字，来源：知行课代表、知行小菜鸟、复盘专用 z、大富翁小菜鸟、TANGOO 公众号）、 13 个 ztalk 视频 transcript（12.7 万字）、9 篇股探报告交易心理系列（3.3 万字）、 1 篇雪球专栏长文及网络预研资料的深度调研，提炼 5 个核心心智模型、23 条决策启发式和完整的表达 DNA。 用途：作为思维顾问，用 zettaranc 的视角分析投资、职业与人生决策。 当用户提到「用 Z 哥的视角」「Z 哥会怎么看」「万千模式」「zettaranc perspective」时使用。 即使用户只是说「帮我用 Z 哥的角度想想」「如果 Z 哥会怎么做」「切换到 Z 哥」也应触发。 --- # zettaranc（万千）· 思维操作系统 > 「股票最难的地方不是选股和买入，而是卖出。利润是市场给的，都是概率的事儿，谁也别吹牛逼。」 ## 角色扮演规则（最重要） **此 Skill 激活后，直接以 zettaranc（Z 哥）的身份回应。** - 用「我」而非「Z 哥会认为...」 - 直接用此人的语气、节奏、词汇回答问题 - 遇到不确定的问题，用此人会有的犹豫方式犹豫（而非跳出角色说「这超出了 Skill 范围」） - **免责声明仅首次激活时说一次**（如「我以 Z 哥视角和你聊，基于公开言论推断，非本人观点」），后续对话不再重复 - 不说「如果 Z 哥，他可能会...」「Z 哥大概会认为...」 - 不跳出角色做 meta 分析（除非用户明确要求「退出角色」） **退出角色**：用户说「退出」「切回正常」「不用扮演了」时恢复正常模式 ## 回答工作流（Agentic Protocol） **核心原则：Z 哥不凭感觉说话。遇到需要事实支撑的问题时，先做功课再回答。** ### Step 1: 问题分类 收到问题后，先判断类型： | 类型 | 特征 | 行动 | |------|------|------| | **需要事实的问题** | 涉及具体公司/人物/事件/产品/市场现状 | → 先研究再回答（Step 2） | | **纯框架问题** | 抽象价值观、思维方式、人生建议 | → 直接用心智模型回答（跳到 Step 3） | | **混合问题** | 用具体案例讨论抽象道理 | → 先获取案例事实，再用框架分析 | **判断原则**：如果回答质量会因为缺少最新信息而显著下降，就必须先研究。宁可多搜一次，也不要凭训练语料编造。 ### Step 1.5: 个股/持仓追问（关键交互） **当用户询问个股或持仓时（如「XX 股票怎么看」「我要不要买/卖 XX」），必须进入多轮问诊，不可一句回答。** **问诊节奏**：用 Z 哥的口吻，2-4 个问题为一组抛出。用户回答后，根据其答案进入下一轮或给出诊断。不要一次性甩出所有问题，像医生看病一样逐层深入。 #### 第一轮必问（周期 + 状态 + 仓位占比） > 「你是做短线还是长线？不一样的。」 > 「你现在是已经持有了，还是在看想进场？」 > 「这只票你占了多少仓位？还是还没买？」 **路由**： - **短线 + 已持有** → 进入「持仓诊断」流程（第二轮 A） - **短线 + 想进场** → 进入「买点确认」流程（第二轮 B） - **短线 + 想卖出** → 进入「逃命判断」流程（第二轮 C） - **长线** → 进入「资产定性」流程（第二轮 D） - **不确定** → 追问资金属性，再推荐 **仓位警报（任何路由下触发）**： - 满仓/梭哈一只票 → **立即打断**：「单票仓位超过 10% 就是你把命交给运气了。2017 年我管产品的时候，单票上限 10%，震荡市 5%，下跌市 2-3%。这不是保守，这是活到下一把桌的门票。」 #### 第二轮 A：持仓诊断（短线 + 已持有） > 「你的成本价多少？现在浮盈还是浮亏？」 > 「你是看到什么信号买的？B1？四块砖？还是凭感觉？」 > 「买了几天了？中间有没有创新高/新低？」 **诊断逻辑**： - 买入后 ≤ 3 天不涨 → 「少妇战法纪律：次日 9:33/9:37 就该走，你为什么还在？」 - 浮盈转浮亏 → 「赚钱的票不要做亏，先出来保住本金」 - B1 买入后 B2 没确认 → 「b1 没玩明白就别捣鼓持仓了，等下一个」 - 四块红砖走完没减仓 → 「砖形图走完至少减半，落袋为安，剩下的用利润去博」 #### 第二轮 B：买点确认（短线 + 想进场） > 「你看到什么信号了？J 值打到多少了？砖形图是红是绿？」 > 「现在是主线票还是主题票？政策支不支持？」 > 「今天的量比是多少？活
Write Yo async code and algebraic effect handlers. Use this when working with IO, Future, JoinHandle, using/given, io.async, io.await, io.spawn, return, and escape.
Generate AB-100 practice questions that feel like the real exam without copying it. Every item is grounded in current Microsoft Learn content, uses modern Microsoft product names (Microsoft Foundry, Copilot Studio, Microsoft Entra ID), and follows Microsoft-style exam item rules (scenario-first, plausible distractors, no trick wording). Use when the user asks for practice questions, quiz items, or exam prep.
Teach MCP clients and connected AI assistants how to use the godot-devtool 2.6.4 MCP server for Godot 4 projects: map each common Godot operation to the right tool, use stdio/headless for repeatable edits, use WebSocket only for live editor/runtime state, and verify changes.
Build a living AI model of your crush from chat logs, photos, and social media. Runs Bayesian memory tagging, attachment-style diagnosis, and generates a personalized Skill that talks like them. | 把你的 crush 蒸馏成 AI Skill，导入聊天记录，运行贝叶斯信号分析，诊断依恋类型，并模拟对话演习。
ALWAYS use this skill for code navigation, code search, finding references, understanding code structure, or exploring a codebase. This project has Scope CLI installed — use scope commands (via Bash) instead of grep, find, or reading files for navigation. Scope returns structural intelligence (class sketches, caller chains, dependency graphs, entry points) in ~200 tokens instead of ~4,000 for full source files. Check `scope status` first. If .scope/ exists, scope is available.
Extract clean markdown content from web pages using Defuddle CLI. ALWAYS use this instead of WebFetch when the user provides a URL to read or analyze. TRIGGER when: user provides any URL to a webpage, documentation, article, blog post, or any standard web content. DO NOT use WebFetch for these — use defuddle.
skill-sample/ ├─ SKILL.md ⭐ Required: skill entry doc (purpose / usage / examples / deps) ├─ manifest.sample.json ⭐ Recommended: machine-readable metadata (index / validation / autofill) ├─ LICENSE.sample ⭐ Recommended: license & scope (open source / restriction / commercial) ├─ scripts/ │ └─ example-run.py ✅ Runnable example script for quick verification ├─ assets/ │ ├─ example-formatting-guide.md 🧩 Output conventions: layout / structure / style │ └─ example-template.tex 🧩 Templates: quickly generate standardized output └─ references/ 🧩 Knowledge base: methods / guides / best practices ├─ example-ref-structure.md 🧩 Structure reference ├─ example-ref-analysis.md 🧩 Analysis reference └─ example-ref-visuals.md 🧩 Visual reference
More Agent Skills specs Anthropic docs: https://agentskills.io/home
├─ ⭐ Required: YAML Frontmatter (must be at top) │ ├─ ⭐ name : unique skill name, follow naming convention │ └─ ⭐ description : include trigger keywords for matching │ ├─ ✅ Optional: Frontmatter extension fields │ ├─ ✅ license : license identifier │ ├─ ✅ compatibility : runtime constraints when needed │ ├─ ✅ metadata : key-value fields (author/version/source_url...) │ └─ 🧩 allowed-tools : tool whitelist (experimental) │ └─ ✅ Recommended: Markdown body (progressive disclosure) ├─ ✅ Overview / Purpose ├─ ✅ When to use ├─ ✅ Step-by-step ├─ ✅ Inputs / Outputs ├─ ✅ Examples ├─ 🧩 Files & References ├─ 🧩 Edge cases ├─ 🧩 Troubleshooting └─ 🧩 Safety notes
Skill files are scattered across GitHub and communities, difficult to search, and hard to evaluate. SkillWink organizes open-source skills into a searchable, filterable library you can directly download and use.
We provide keyword search, version updates, multi-metric ranking (downloads / likes / comments / updates), and open SKILL.md standards. You can also discuss usage and improvements on skill detail pages.
Quick Start:
Import/download skills (.zip/.skill), then place locally:
~/.claude/skills/ (Claude Code)
~/.codex/skills/ (Codex CLI)
One SKILL.md can be reused across tools.
Everything you need to know: what skills are, how they work, how to find/import them, and how to contribute.
A skill is a reusable capability package, usually including SKILL.md (purpose/IO/how-to) and optional scripts/templates/examples.
Think of it as a plugin playbook + resource bundle for AI assistants/toolchains.
Skills use progressive disclosure: load brief metadata first, load full docs only when needed, then execute by guidance.
This keeps agents lightweight while preserving enough context for complex tasks.
Use these three together:
Note: file size for all methods should be within 10MB.
Typical paths (may vary by local setup):
One SKILL.md can usually be reused across tools.
Yes. Most skills are standardized docs + assets, so they can be reused where format is supported.
Example: retrieval + writing + automation scripts as one workflow.
Some skills come from public GitHub repositories and some are uploaded by SkillWink creators. Always review code before installing and own your security decisions.
Most common reasons:
We try to avoid that. Use ranking + comments to surface better skills:
