- 📄 SKILL.md
hunk-review
通过 CLI 与实时 Hunk diff 审查会话交互。检查审阅焦点、导航文件和块、重新加载会话内容以及添加内联审阅注释。当用户正在运行 Hunk 会话或想要以交互方式查看差异时使用。
通过 CLI 与实时 Hunk diff 审查会话交互。检查审阅焦点、导航文件和块、重新加载会话内容以及添加内联审阅注释。当用户正在运行 Hunk 会话或想要以交互方式查看差异时使用。
跨 Claude Code、Codex、Gemini 和 Cursor 引擎管理持久编码会话。在编排多引擎编码代理、启动/发送/停止会话、运行多代理理事会协作、跨会话消息传递、ultraplan 深度规划、ultrareview 并行代码审查或在运行时切换模型/工具时使用。在“开始会话”、“发送到会话”、“运行委员会”、“ultraplan”、“ultrareview”、“切换模型”、“多代理”、“编码会话”、“会话收件箱”、“光标代理”上触发。
分析 Claude Code 会话膨胀 — 显示令牌计数、上下文使用百分比和膨胀细分。当用户询问会话大小、上下文使用情况或当您注意到上下文窗口已满时使用。
查询以前的 pi 会话以检索上下文、决策、代码更改或其他信息。当您需要查找父会话或任何其他会话文件中发生的情况时使用。
具有 5 级压缩树的 3 层代理内存系统。开放爪版本。定义会话启动协议、任务结束检查点和内存文件管理。每次会议都必须遵循。
根据黄金参考对座席行为进行评估和评分。每当用户想要运行评估、检查通过/失败状态、了解指标分数、比较会话的回归、验证代理行为或对文件或实时会话的跟踪进行评分时,请使用此技能。触发诸如“评估此跟踪”、“检查我的代理输出”、“我的代理是否做了正确的事情”、“比较运行”、“我的代理回归了吗”、“对会话 X 进行评分”、“针对黄金进行评估”、“运行评估”等短语。适用于本地跟踪文件和实时流会话。 --- 评估代理行为并解释分数的含义。 ## 确定输入类型 首先,确定要评估的内容: - **跟踪文件** — 用户提及 `.json` 或 `.jsonl` 文件路径 → 使用 `evaluate_traces` - **Sessions 与 Golden** — 用户有多个实时会话并希望进行回归测试 → 使用 `evaluate_sessions` - **单个实时会话** — 用户希望针对黄金评估集对一个会话进行评分 → 指导他们将 `evaluate_sessions` 与一个会话一起使用Golden ## 评估跟踪文件 1. 获取文件路径。检查扩展名: `.jsonl` → `trace_format: "otlp-json"` | `.json` → `"jaeger-json"`(默认) 2. 询问他们是否有黄金评估集 JSON。对于“tool_trajectory_avg_score”(默认指标),需要一个评估集 - 它提供了要进行比较的预期工具调用序列。 如果他们还没有,请解释这一点并建议从“hallucinations_v1”开始,或者询问他们是否想首先从参考运行中创建一个黄金集。 3. 使用文件、格式和评估集调用“evaluate_traces”。 4. 以分数表形式呈现结果(请参阅下面的分数解释)并解释失败的原因。 ## 评估会话(回归测试) 此工作流程要求服务器使用“--dev”标志运行(启用 WebSocket 和会话流)。普通的“agentevasserve”不会有会话。如果您从下面的任何工具中收到连接错误,请告诉用户:``bash uv run agentevalsserve --dev``
在整个会话期间监控上下文窗口的运行状况,并利用峰值上下文质量来实现最大的输出保真度。在计划面试和意向框架代理后自动激活。在执行过程中保持活跃,并在波次自然完成或通过交接退出时干净地交接,以简化、强化和自我完善。当多步骤代理任务正在进行并且需要考虑会话连续性或上下文漂移时,请使用此技能。对于长时间运行的任务、复杂的重构或任何降级上下文会悄悄破坏输出的工作尤其重要。即使用户没有说“上下文冲浪”,也会触发 - 如果代理任务有意图地跨多个步骤运行并且计划已经制定,则此技能是实时的。 --- # Context Surfing ## 安装 ```bash npx Skills add pskoett/pskoett-ai-skills/skills/context-surfing ``` 代理驾驭峰值上下文的浪潮。当浪潮达到顶峰时,它就承诺了。当它检测到漂移时,它会干净地退出 - 保存状态,切换,并让下一个会话赶上下一波。没有全军覆没。没有僵尸会话。只有有意的、高保真的执行。 --- ## 心理模型
将当前会话记录捕获到工作区历史记录中。在会话结束或保留对话上下文时使用。
从 ccrecall 数据库查询 Claude Code 会话分析。当用户询问令牌使用情况、会话历史记录或想要分析其 Claude Code 使用模式时使用。
读取 Codex 的单个 session/thread;当已知 thread id 且需要查看或摘要会话内容时使用。
等待 CI 在测谎仪会话中解决所有存储库问题,然后报告结果并调查故障。当用户说“等待测谎仪”、“等待测谎仪 ci”、“测谎仪 ci 状态”、“检查测谎仪 ci”、“观看测谎仪会话”、“监控测谎仪”时使用。
你的下一个疗程开始冷淡。不记得你建造了什么、破坏了什么、你决定了什么。您编写的每个信号都是给未来会话的一份礼物。信号越丰富,重新学习的时间就越少。
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: