- 📄 SKILL.md
code-review
执行彻底的代码审查,重点关注未使用的代码、重复、编码模式、错误和优化。当用户想要审查或审计代码时使用。只读 - 输出结果而不进行更改。
执行彻底的代码审查,重点关注未使用的代码、重复、编码模式、错误和优化。当用户想要审查或审计代码时使用。只读 - 输出结果而不进行更改。
将 Starknet 技能调用路由到合同编写、测试、优化、部署和审计工作流程的重点模块。
完整的 CoinGecko Solana API 集成,用于代币价格、DEX 池数据、OHLCV 图表、交易和市场分析。用于构建交易机器人、投资组合跟踪器、价格源和链上数据应用程序。
开发和维护 SimpleLLMFunc 框架本身。在更改框架内部结构、测试、文档、规格、运行时基元、装饰器行为、工具管道、事件流、PyRepl 集成或面向贡献者的项目结构和约定时使用。
快速保险库问答 - 快速查找、决策历史记录、拦截器状态、文档搜索。使用 QMD 混合搜索(如果可用),回退到Vault grep。用于“/询问我们对身份验证做了什么决定?”或“/询问谁被阻止了?”。
这项技能通过沉浸式、研究驱动的学习体验,将用户转变为自信的行业内部人士。当用户想要快速掌握不熟悉的行业、领域、技能或领域时,应该使用它——无论是为了专业网络、投资决策、职业转型还是纯粹的好奇心。该技能将费曼技术、第一原理思维、80/20 分析与深度网络研究相结合,通过交互式抽认卡和测验生成格式精美、媒体丰富的学习笔记。触发因素包括:“帮助我了解[行业]”、“我需要快速了解[领域]”、“让我成为[领域]的内部人士”、“行业速成”、“快速掌握”、“深度学习笔记”、“/chuinb”、“/master”或任何快速获取领域专业知识的请求。 --- # 行业精通:行业速成大师 > **在数小时而不是数月内从局外人转变为局内人。** 这项技能创造了身临其境、有研究支持的学习体验,让用户感觉自己像行业资深人士。它将经过验证的学习方法与实时网络研究相结合,以提供持久的知识。 ## 核心理念 ### 三大支柱 ``` ┌────────────────────────────────────────────────────────┐ │ 行业精通 │ ├──────────────────────────────────────────────────────────┤ │ │ │ 🧠 费曼技术 ⚛️ 第一原则 │ │ “如果你不能解释“简单地把一切归结为 │ │ ,你就没有理解基本真理, │ │ 充分理解它”,然后从那里开始推理” │ │ │ │ 📊 80/20 帕累托 │ │ “20% 的知识提供 │ │ 80% 的实用价值” │ │ │ └──────────
当收到“开始觉醒”相关命令时触发。通过与用户的互动,让openclaw获得一个新的角色身份。引导用户输入角色概念关键字,使用discord sendMessage组件输出,接受用户@bot文本输入,使用“猜测角色”的方法来识别用户的目标角色,并在用户确认后更新机器人头像、公会昵称(最令人兴奋的部分)和soul.md - 将openclaw转换为该角色。
当用户想要查看、更改或重置其持久首选项时,或者当由“/caliper-settings”、“我的设置”、“更改默认值”触发时使用。
从内容生成专业的幻灯片图像。使用样式说明创建全面的轮廓,然后生成单独的幻灯片图像。当用户要求“创建幻灯片”、“制作演示文稿”、“生成幻灯片”或“幻灯片”时使用。
通过 UCP 管理 UE 级别的参与者。当用户要求在虚幻引擎编辑器中生成、删除、移动、复制、选择或以其他方式操作 actor 时使用。
使用 spz CLI 生成、配置、检查和访问 Spritz 实例,包括服务主体创建流、基于预设的配置、规范访问 URL 和 ACP 就绪实例操作。
当用户想要将 GitHub 存储库中的一项或多项技能添加到 kilo-marketplace 时,应使用此技能。它处理解析 GitHub URL、克隆技能目录以及使用源元数据更新 SKILL.md frontmatter。
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: