当用户询问“制作 MCP 服务器”、“制作 MCP 工具”、“MCP 令牌”、“制作 OAuth”、“场景作为工具”、“MCP 范围”、“进行 API 访问”、“将 Make 连接到 Claude”、“场景未出现”、“MCP 超时”、“MCP 连接被拒绝”，或讨论配置、故障排除或了解 Make.com MCP 服务器集成时，应使用此技能。提供连接方法、范围、访问控制和故障排除的技术参考。
分析剧作家测试结果
使用 Azure Application Insights 检测 Web 应用程序的指南。提供遥测模式、SDK 设置和配置参考。时间：如何检测应用程序、App Insights SDK、遥测模式、什么是 App Insights、Application Insights 指南、检测示例、APM 最佳实践。
解决此项目中出现的特定 ESLint 错误和警告。在修复 lint 故障、ESLint 报告的问题或自动修复冲突时使用（例如 no-void、canonical/export-specifier-newline 与 prettier、无阴影尾部下划线、sonarjs/deprecation、you-dont-need-lodash-underscore、testing-library/prefer-screen-queries、testing-library/await-async-events、玩笑-dom/更喜欢-*)。
>-
DEVORQ-DDD v1.0.0 — devorq_v3 的域探索技能。编写 SPEC.md 之前的心智模型发现指南。生成包含实体、有界上下文和不变量的domain-model.json。
思源笔记完整排版语法指南（基于 MCP 实践验证）。当用户需要通过 MCP 在思源中创建各种排版元素（行级/块级元素、列表、表格、代码块、图表、数学公式、超级块、嵌入块等）时使用此 skill。提供可直接运行的 MCP 调用示例。
AI 编码代理的预检安全扫描器 — 扫描部署配置、技能/MCP 服务器、内存/会话和 AI 代理配置文件（挂钩注入）以查找机密、PII、提示注入和危险模式。运行 4 个模型行为探测（说服、沙袋、欺骗、幻觉）。支持LLM增强语义分析。适用于 OpenClaw、Claude Code、Cursor 和 Codex。当用户要求安全审核、运行状况检查或想要扫描其 AI 代理设置是否存在漏洞时使用。
在使用文档元数据（摘要、描述、标签显示名称、信息块和服务器）丰富裸露/生成的经销商 API OpenAPI 规范时使用。触发涉及经销商 openapi yaml 丰富或从生成的源更新经销商 API 规范的任务。
全面的可访问性审计，以识别 WCAG 合规性问题和包容性设计的障碍。
亚马逊卖家数据分析工具。功能：市场研究、产品选择、竞争对手分析、ASIN 评估、定价参考、品类研究。使用scripts/apiclaw.py调用APIClaw API，需要APICLAW_API_KEY。 --- # APIClaw — 亚马逊卖家数据分析 > 人工智能驱动的亚马逊产品研究。以用户的语言回复。 ## 文件 |文件|目的| |------|---------| | `scripts/apiclaw.py` | **执行**所有 API 调用（为参数运行 `--help`）| | `references/reference.md` |当您需要准确的字段名称或过滤器详细信息时加载 | ## 凭证
您正在记录用户对“发现”部分项目的反馈，以调整未来的推荐。
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：
