- 📄 EXAMPLES.md
- 📄 REFERENCE.md
- 📄 SKILL.md
processing-markdown
使用 mq 处理 Markdown 文件,mq 是一种类似 jq 的 Markdown 查询语言。当用户提及 Markdown 处理、内容提取、文档转换或 mq 查询时使用。
使用 mq 处理 Markdown 文件,mq 是一种类似 jq 的 Markdown 查询语言。当用户提及 Markdown 处理、内容提取、文档转换或 mq 查询时使用。
从会话数据中提取模式并提升技能。检测重复模式并创建草稿技能以供用户批准。
MinerU 文档提取 CLI,可通过 MinerU API 将 PDF、图像和网页转换为 Markdown、HTML、LaTeX 或 DOCX。支持无令牌闪存提取以实现快速启动、通过表格/公式识别进行精确提取、网络爬行、批处理和管道工作流程。
从 PDF 文件中提取文本和表格。在处理 PDF 或文档提取时使用。
通过将机器遥测与味道反馈相关联来诊断浓缩咖啡萃取问题。
从现有文档自动生成项目分数 JSON 数据的技能。何时使用: (1) 您想要从 PowerPoint、Excel、PDF 或文本文件生成乐谱 (2) 您想要分析多个文档并提取乐谱元素 (3) 您想要从项目相关材料自动创建乐谱 (4) 您想要以可与乐谱编辑器 (pufu-editor) 一起使用的 JSON 格式导出 (5) 您想要为按时间顺序包含多个步骤的项目生成多阶段乐谱 (6) 我想要使用计划和审查对,其中偶数阶段为审查阶段。 # Pufu Generator 从现有文档(pptx、xlsx、pdf、docx、txt、md)自动生成与 pufu 编辑器兼容的 JSON 数据。不仅可以生成单个阶段的乐谱,还可以生成按时间顺序的多个阶段的乐谱。偶数情况会自动配置为追溯情况。 ## 工作流程 ``` 输入文件 → 读取/分析 → 生成 Piano JSON → 显示摘要 →(可选)图像生成 ``` **处理流程:** 1. **读取/分析**:直接读取输入文件并提取 Plate 的每个元素 - 支持的格式:pptx、xlsx、pdf、docx、txt、md - 如果时间序列中有步骤,则检测阶段并以多阶段模式处理 2. **Pufu JSON 生成**:生成从提取的元素中提取与 pufu-editor 兼容的 JSON 并将其保存在文件中 - 单方面:`ProjectScoreModel` 格式 - 多个方面:`ProjectScoreMap` 格式(还输出每个方面的单独 JSON) 3. **摘要显示**:向用户显示生成结果的摘要 4. **图像生成**(可选):使用 Playwright 脚本将乐谱转换为 PNG 图像 > **注意**:Claude 读取文件、提取元素并集成他们直接。 > Python 脚本仅用于生成最终产品(JSON 格式化/图像捕获)。 ### 工作目录结构 将每个步骤的产品存储在文件夹中。在处理开始时创建一个目录。 ``` {work_dir}/ ├── 01_analysis/ # 步骤一:读取分析结果 │ └──analysis.json # 提取元素的分析结果 ├── 02_output/ # 步骤二:Pufu JSON(最终产品) │ ├── pufu.json # 对于单相 │ ├── pufu_all_phases.json # 对于多相(ProjectScoreMap) │ ├── pufu_phase1.json # 对于多个阶段(单个阶段) │ ├── pufu_phase2.json │ └── ... └── 03_image/ # 步骤 4:图像(可选) ├── pufu.png # 对于单个阶段 ├── pufu_phase1.png # 对于多个阶段(对于每个阶段) ├── pufu_phase2.png └── ... ``` **01_analysis/analysis.json 格式(单方面): ** ```json { "source_files": ["project_plan.pdf"], "mode": "single", "gainingGoal": "提取的获取目标文本", "winCondition": "提取的胜利条件文本", " Purposes": [ { "text": "中间目标文本", "measures": [ {"text": "Measure text", "color": "red"} ] } ], "elements": { "people": "提取文本", "money": "提取文本", "time": "提取文本", "quality": "提取文本", "businessScheme": "提取文本", "environment": "提取文本", "rival": "提取文本", "foreignEnemy": "提取文本text" } } ``` **01_analysis/analysis.json 格式(多个方面): ** ```json { "source_files": ["p
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: