服务器安全审核、强化和队列管理。跨 30 个类别（SSH、防火墙、Docker、TLS、HTTP 标头）的 457 项安全检查、CIS/PCI-DSS/HIPAA 合规性映射、24 步生产强化和 13 个 MCP 工具。通过 Coolify、Dokploy 和裸 VPS 模式支持 Hetzner、DigitalOcean、Vultr 和 Linode。安装： claude 插件 添加 kastell
创建 Kit 扩展的指南。当用户要求构建、创建或修改 Kit 扩展、添加自定义工具、斜杠命令、小部件、键盘快捷键、编辑器拦截器、工具渲染器或挂钩到任何 Kit 生命周期事件时使用。
在处理 supercli 文档时使用此技能 - 编辑 docs/index.html、docs/plugins.html、创建生成文档数据 (meta-plugins.json) 的脚本，或将文档与当前实现对齐。涵盖文档结构、术语约定、脚本模式和珠子问题工作流程。
对 SDK、CLI、MCP 和提示文档进行基准测试和优化，以便每个 LLM 模型都可以使用正确的参数可靠地调用正确的操作。在为项目设置技能优化器、运行基准测试、解释结果、优化 SKILL.md 文件或诊断配置问题时使用。在技能优化器存储库本身内部工作时也可以使用 - 用于针对模拟存储库运行、测试更改或理解代码库。 --- # Skill-optimizer 针对多个 LLM 对您的 SDK/CLI/MCP/提示文档进行基准测试，衡量它们是否使用正确的参数调用正确的操作，并迭代重写您的指导，直到每个模型都达到质量底线。 ## 上下文检测 在执行任何操作之前，请弄清楚您所在的位置： 1. **查找“skill-optimizer.json”**（在 CWD 或父目录中）。如果找到，则您位于**配置的目标项目**中。 在下面的所有命令中使用该文件路径作为“<config-path>”。 2. **查找 `src/cli.ts` 和带有 `"name": "skill-optimizer"`** 的 `package.json`。如果找到，则您位于 **优化器存储库本身**。您可以直接使用开发命令（`npm run build`、`npm test`、`npx tsx src/cli.ts`）。要对目标进行基准测试，请使用“mock-repos/”中的模拟存储库或将“--config”指向外部项目的配置。 3. **都没有找到** - 您处于**未配置的目标项目**中。在继续之前，请阅读“references/setup.md”来搭建配置。 ## 快速参考 |任务|命令 | |------|---------| |初始化配置| `npx 技能优化器初始化 cli\|sdk\|mcp\|提示` | |初始化（非交互式）| `npx 技能优化器 init cli --yes` | |导入 CLI 命令 | `npx 技能优化器导入命令 --from ./src/cli.ts` | |导入（二进制刮擦）| `npx 技能优化器导入命令 --from my-cli --scrape` | |诊断配置| `npx Skill-optimizer doctor --config <配置路径>` | |自动修复配置| `npx 技能优化医生 --fix --config <配置路径>` | |试运行（无法学硕士通话）| `npx 技能优化器运行 -
当有人需要从 GitHub 活动生成 Brag 文档、首次设置 Reflect、运行 Reflect 来获取贡献、为 Reflect 配置 GitHub 令牌、按组织或存储库过滤贡献、在 OpenAI 和 Anthropic 提供程序之间进行选择、了解 Reflect 输出文件、解决 Reflect 不起作用或调试 Brag 文档错误时，应该使用此技能。 --- # Reflect Reflect 是一个 CLI 工具，可以获取 GitHub 活动（合并的拉取请求、已关闭的问题和 PR 评论），并使用 LLM API 生成专业的吹嘘文档以进行性能审查。它通过 Octokit 连接到 GitHub GraphQL API 以检索贡献数据，然后选择性地通过 LLM 提供商（OpenAI 或 Anthropic）传递该数据以生成摘要和叙述格式的文档。 所有输出均以结构化 Markdown 文件形式编写，适合自我评估、促销包和经理评论。 ## 首次设置 ### 先决条件 在运行 Reflect 之前确保以下内容可用
> **此文档是什么？** 这是 AegisGate（开源 LLM 安全网关）的代理可执行技能文档。它在新机器上逐步完成安装、启动、令牌注册、上游配置和客户端集成。
将 OpenClix 事件连接到已安装的产品分析提供商（Firebase、PostHog、Mixpanel 或 Amplitude），并生成以 7 天保留为中心的活动前/后影响报告。当用户要求“连接分析”、“衡量活动影响”、“检查保留”、“标记 OpenClix 事件”或想知道活动是否有效时触发 - 即使他们说“我的通知有帮助吗？”更不用说分析了。不要根据属于 openclix-update-campaigns 的指标触发活动配置更改。
当您需要预配新的 Cloud SQL 实例、创建数据库和用户、克隆现有环境以及监控长时间运行的操作的进度时，请使用这些技能。
计划新文章时使用。代理通过 Google 搜索关键字，读取前 10 个结果，对意图进行分类，绘制内容差距，并生成包含结构、大纲和页面工件的可供撰写的摘要。无需关键字工具。
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
比较离线评分 SPA 的 ERB 和 JavaScript 模板输出。在处理 ERB 到 JS 的转换、调试模板奇偶校验问题或验证评分视图的更改在 ERB 和 SPA 模式下是否正常工作时使用。
为 lobster.js 页面生成 CSS 样式表，定位 lbs-* 类名称。每当用户想要设置 lobster.js 页面的样式、为 lobster.js 创建 CSS 主题、自定义 lobster.js 站点的视觉外观或要求针对 lbs-* 类的 CSS 时，请使用此选项。当用户在处理 lobster.js 项目时描述视觉风格（例如“深色模式”、“最小”、“有趣”）时也会触发 - 即使他们没有明确提及 CSS 或 lbs-* 。 --- 根据用户的设计描述生成 lobster.js 页面的 CSS 样式表。 lobster.js 输出语义 HTML，其中每个元素都有一个可预测的“lbs-*”类名。编写针对这些类的 CSS 来设置页面样式。使用用户消息中的设计描述。如果没有给出描述，则生成一个干净的最小灯光主题。 --- ## HTML 结构参考 ```html <!-- 内容包装器 --> <div id="content"> ... </div> <!-- 页面区域 --> <header class="lbs-header"> ... </header> <footer class="lbs-footer"> ... </footer> <!-- 标题 --> <h1 class="lbs-heading-1"> ... </h1> <h2 class="lbs-heading-2"> ... </h2> <!-- h3–h6 遵循相同的模式 --> <!-- 段落 --> <p class="lbs-paragraph"> ... </p> <!-- 内联 --> <em class="lbs-emphasis"> ... </em> <strong class="lbs-strong"> ... </strong> <del class="lbs-strikethrough"> ... </del> <code class="lbs-code-span"> ... </code> <!--水平规则 --> <hr class="lbs-hr" /> <!-- 代码块 --> <div class="lbs-code-block"> <div class="lbs-code-filename">filename.js</div> <!-- 可选 --> <pre data-language="js"><code class="language-js"> ... </code></pre> </div> <!-- Blockquote --> <blockquote class="lbs-blockquote"> <p class="lbs-paragraph"> ... </p> </blockquote> <!-- 列表 --> < ul class="lbs-ul"> <li class="lbs-list-item"> ... </li> </ul> <ol class="lbs-ol"> <li class="lbs-list-item"> <input type="checkbox" class="lbs-checkbox" /> ... <!-- 任务列表 --> </li> </ol> <!-- 表格（标准）--> <table class="lbs-table"> <thead><tr><th> ... </th></tr></thead> <tbody><tr><
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：
