- 📁 examples/
- 📄 enforce-hooks.py
- 📄 engine.sh
- 📄 generate.sh
enforce-hooks
分析 CLAUDE.md 文件并生成 PreToolUse 挂钩脚本,该脚本在工具调用级别强制执行其规则。当用户希望将 CLAUDE.md 指令作为代码强制执行而不是依赖于即时合规性时使用。读取 CLAUDE.md,识别可执行规则,生成独立的 bash 挂钩脚本,并将它们连接到 .claude/settings.json。
分析 CLAUDE.md 文件并生成 PreToolUse 挂钩脚本,该脚本在工具调用级别强制执行其规则。当用户希望将 CLAUDE.md 指令作为代码强制执行而不是依赖于即时合规性时使用。读取 CLAUDE.md,识别可执行规则,生成独立的 bash 挂钩脚本,并将它们连接到 .claude/settings.json。
本地 Python 编排技能:通过共享黑板文件、权限门控、令牌预算脚本和持久项目上下文的多代理工作流程。捆绑的 Python 脚本不进行网络调用,并且第三方依赖项为零。通过主机平台的session_send的工作流委托可以调用外部模型API。
实时人工智能代理安全扫描仪。检测即时注入、越狱尝试、凭据/秘密泄露、PII 暴露和危险工具调用。在以下情况下激活:(1) 扫描入站消息或工具输出以进行提示注入,(2) 检查出站内容是否存在凭证泄漏或 PII,(3) 审核代理会话日志中的安全事件,(4) 在执行前评估工具调用安全性,(5) 用户询问安全扫描或威胁检测。涵盖 OWASP 十大代理人工智能风险。 --- # ClawMoat — AI 代理的安全护城河 ## 脚本 所有脚本都位于 `scripts/` 中。他们包装“clawmoat”CLI 并将结果记录到“clawmoat-scan.log”。 ### 扫描文本 扫描任何文本是否存在威胁(提示注入、秘密、PII、渗漏): ```bash script/scan.sh "text to scan" ``` 返回包含结果的 JSON。记录到“clawmoat-scan.log”。在关键/高结果上退出非零。 ### 扫描文件 ```bash script/scan.sh --file /path/to/file.txt ``` ### 审核会话
AI 虚拟试穿 Agent。用户提供服装信息(图片或文字描述均可), Agent 全程引导完成:服装图预处理 → AI 生成模特 → 虚拟试穿合成 → 生成展示视频。 支持阿里云百炼试衣 API、豆包 Seedream 生图、豆包 Seedance 生视频。 当用户提到"试穿"、"试衣"、"穿上效果"、"模特上身"、"虚拟试衣"、 "看看穿上什么样"、"帮我生成穿衣效果"、"virtual try-on"、"上身图"、 "换装"、"我想看穿上的效果"时,必须立即触发此 Agent。 --- # AI 虚拟试穿 Agent ## 职责 引导用户完成虚拟试穿全流程,输出试穿效果图和展示视频。 不涉及上架、文案、定价。有上架需求告知使用 shopify-quick-listing。 --- ## 配置说明(告知用户时必须按此说明) **.env 文件的唯一标准位置是 `scripts/` 目录:** ``` ~/.claude/skills/ai-tryon/scripts/.env ← 正确位置 ~/.claude/skills/ai-tryon/.env ← 错误,不要放这里 ``` 告知用户配置的标准话术: > 请在 Skill 的 scripts 目录下创建 .env 文件: > ```bash > cp ~/.claude/skills/ai-tryon/scripts/.env.example \ > ~/.claude/skills/ai-tryon/scripts/.env > # 然后编辑填入 Key > ``` 不要让用户在 `ai-tryon/` 根目录或其他位置创建 .env。 --- ## 输出目录约束(最高优先级规则) **所有脚本调用都必须传 `--output-dir`,绝对禁止省略。** 输出目录的唯一真实来源是 `.env` 中的 `TRYON_OUTPUT_DIR` 环境变量: ```bash # .env 示例 TRYON_OUTPUT_DIR=/Users/xxx/Desktop/tryon_output ``` ### 对话开始时锁定 Session(必须在首次调用任何脚本前执行) **每次对话开始时,立即运行以下命令锁定本次任务目录,整个对话全程复用此 `OUTPUT_DIR`:** ```bash # 一行命令:获取(或创建)当前 session 目录,同时确保目录存在 OUTPUT_DIR=$(python scripts/output_manager.py --get-session) echo "本次任务目录:$OUTPUT_DIR" ``` - **24 小时内**再次运行同一命令,返回同一个 `task_YYYYMMDD_HHMMSS` 目录(文件不会覆盖) - 用户明确说「开始新任务」/「重新来」时,改用: ```bash OUTPUT_DIR=$(python scripts/output_manager.py --new-session) echo "新任务目录:$OUTPUT_DIR" ``` 然后每次调用脚本**必须传入同一个 `$OUTPUT_DIR`**: ```bash python scripts/image_gen_tryon.py --desc "..." --output-dir "$OUTPUT_DIR" python scripts/tryon_runner.py --garment g.jpg --output-dir "$OUTPUT_DIR" python scripts/video_gen.py --image img.jpg --output "$OUTPUT_DIR" ``` ### 为什么必须这样做 - 不传 `--output-dir` 时脚本会 fallback 到 `TRYON_OUTPUT_DIR` 环境变量或当前终端 pwd 下的 `tryon_output/` - **但 Agent 子进程的 pwd 不可控**,可能导致文件散落到意外位置 - 多轮对话后 Agent 容易遗忘,显式传参是唯一可靠保证 ### 输出文件名控制(可选) `image_gen_tryon.py` 支持 `--output-filename`,生成后会将第一个结果复制为指定文件名: ```bash python scripts/image_gen_tryon.py --desc "..." --output-dir "$OUTPUT_DIR" \ --output-filename model_ruyan_custom.jpg ``` ### 目录结构 每次对话/试穿任务自动创建独立的 session 子目录(以日期
上海交通大学全能校园助手。覆盖 Canvas 作业管理、课程评价、校园匹配、校园生活、学术工具等 21 项功能。 触发场景: (1) 查看/追踪作业DDL、提交状态、成绩 (2) 下载课件、AI总结、作业辅导 (3) 同步DDL到Apple日历 (4) 查询课程评价、对比老师评分 (5) 查看交大邮箱未读、搜索、发邮件 (6) 食堂推荐、查菜单 (7) 查教学周、校历、校园巴士时刻 (8) 查图书馆、空教室 (9) 查正版软件、镜像换源 (10) 交大新闻、教务通知 (11) 搜索往年课程资源(传承交大) (12) 查生存手册 (13) 生成交大PPT (15) SJTU Date 匹配助手:一句话填问卷、查看匹配结果、自动破冰邮件、心动管理 (14) 提交作业、助教批改 (15) 搜索/浏览水源社区帖子 触发词: Canvas, 课程, 作业, DDL, 截止, 成绩, 课件, PPT, 总结, 复习, 提交作业, 讨论区, 批改, 食堂, 吃什么, 图书馆, 教室, 空教室, 巴士, 校车, 教学周, 第几周, 校历, 放假, 邮箱, 邮件, 选课, 评价, 老师怎么样, 软件, MATLAB, Office, 镜像, pip, conda, 换源, 新闻, 教务, 通知, 传承, 往年, 试卷, 生存手册, 保研, 转专业, GPA, PPT模板, 手写, 水源, 水源社区, 论坛, 帖子, sjtudate, 配对, 匹配, 心动, date, 问卷, 填问卷, 脱单, 找对象, 找男朋友, 找女朋友, 破冰 --- # 上海交通大学全能校园助手 ## 配置 - 配置文件: `config.json`(从 `config.example.json` 复制并填入凭证) - Canvas URL: `https://oc.sjtu.edu.cn` - 当前用户的课程列表通过 Canvas API 自动获取 - 所有脚本位于 `scripts/` 目录,用 `python3` 执行 - PPT 模板位于 `templates/` --- ## 🔴 刚需功能(每周都用) ### 1. DDL 追踪 **触发**: "我有什么作业"、"DDL"、"截止"、"未交作业" ```bash python3 scripts/canvas_api.py ddls # 未交作业 + 倒计时 python3 scripts/canvas_api.py ddls-all # 学期全景报告 ``` ### 2. DDL → Apple 日历 **触发**: "同步日历"、"导出DDL"、"导入日历" ```bash python3 scripts/sjtu_timetable_ics.py ddls ~/Desktop/ddls.ics python3 scripts/calendar_sync.py # macOS 直接同步 ``` ### 3. 教学周 / 校历 **触发**: "今天第几周"、"教学周"、"校历"、"什么时候放假" ```bash python3 scripts/sjtu_info.py week # 当前第几周 python3 scripts/sjtu_info.py calendar # 完整学期校历 ``` ### 4. 教务通知 **触发**: "教务通知"、"教务处"、"选课通知"、"考试安排" ```bash python3 scripts/sjtu_news.py jwc 10 ``` --- ## 🟠 高频功能(每月多次) ### 5. 课程评价 **触发**: "课程评价"、"老师怎么样"、"选课参考"、"评分" > ⚠️ course.sjtu.plus 有 CDN 反爬机制,推荐通过 OpenClaw 浏览器代理模式使用(AI 自动处理认证)。 ```bash python3 scripts/sjtu_course_review.py search 传热学 python3 scripts/sjtu_course_review.py compare 燃烧学 python3 scripts/sjtu_course_review.py detail <course_id> ``` ### 6. 交大邮箱 **触发**: "邮箱"、"邮件"、"未读"、"发邮件" ```bash python3 scripts/sjtu_mail.py unread --limit 10 python3 scripts/sjtu_mail.py search -k "作业" python3 scripts/sjtu_mail.py summary python3 sc
用于获取页面、JS 渲染页面、链接、表格、机器人策略和多页面爬行的网络爬行脚本。直接使用这些脚本;提供 URL、超时和可选的输出/过滤器参数。
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: