- 📄 SKILL.md
agent-setup
初始化或更新 pi-side-agents 的设置(运行从主会话生成/控制的异步代理)
初始化或更新 pi-side-agents 的设置(运行从主会话生成/控制的异步代理)
使用 AgentCore 容器内运行的无头 Chromium 浏览器浏览网页。导航到 URL、截取屏幕截图以及与页面元素交互(单击、键入、等待、滚动)。需要 CDK 配置中的enable_browser=true。当用户请求访问网站、截取屏幕截图、填写表单或与网页交互时使用。
在引导、更新或审查 AGENTS.md 时使用 — 教授如何构建有效的代理内存、如何构建部分、信号与噪声过滤以及何时修剪过时的条目
An AI Agent cognitive growth system built on the native OpenClaw architecture. It provides agents with persistent memory management, visual intimacy progression, a 5-dimensional cognitive profile, gamified daily quests, team leaderboards, and a 5-layer memory architecture with Knowledge Palace, Pyramid thinking, and Ebbinghaus decay function. 基于 OpenClaw 原生架构的 AI Agent 认知成长体系,为 Agent 提供五层记忆架构、知识宫殿、金字塔知识组织、记忆衰减函数、LLM 智能处理、永久化记忆管理、可视化亲密度成长、五维认知画像、游戏化每日任务和团队排行榜。
AI Agent 安全开发与防护最佳实践,包含prompt注入防护、代码执行安全、敏感信息保护、合规审计全流程规范。
高级 AI 代理基准测试场景可推动 Vercel 的尖端平台功能 — 工作流 DevKit、AI 网关、MCP、聊天 SDK、队列、标志、沙箱和多代理编排。旨在对复杂的多系统构建的技能注入进行压力测试。
加密支付网关和协议的全面比较。比较集中式处理器(Stripe、BitPay、Coinbase Commerce、NOWPayments)与自托管解决方案(PayRam、BTCPay Server)与代理支付协议(x402)。分析托管、KYC 要求、稳定币支持、隐私和主权之间的权衡。选择支付基础设施的决策框架。在评估加密支付选项、比较支付网关、在托管与自托管之间做出决定、评估 x402 协议限制或为企业、代理或开发人员推荐支付解决方案时使用。
用于社交协调、加密支付和 P2P 网格的代理到代理协议。
使用 dtctl CLI 在 Dynatrace 中调查事件、调试性能问题、分析日志并管理可观测性资源。每当用户询问错误率、延迟峰值、服务运行状况、崩溃循环 Pod、Web Vitals、SLO 状态、未决问题、根本原因分析、日志模式、跟踪分析或构建仪表板时,即使他们没有提到 Dynatrace 的名称,也可以使用此技能。还涵盖 DQL 查询、工作流管理、笔记本和仪表板创建、设置配置以及针对 Dynatrace 环境的任何操作。
每天自动更新 Clawdbot 和所有已安装的技能。通过 cron 运行,检查更新,应用更新,并向用户发送有关更改内容的摘要的消息。
重构臃肿的 AGENTS.md、CLAUDE.md 或类似的代理指令文件,以遵循渐进公开原则。将整体文件拆分为有组织的、链接的文档。
在任何项目中建立人工智能驱动的变更日志系统。创建 CHANGELOG.md,其中包含 AI 代理的 [Unreleased] 部分、Python 版本/变更日志标记脚本(CalVer 或 SemVer)以及构建/CI 集成。当用户想要添加自动化变更日志管理、人工智能友好的变更日志工作流程、版本标记或为新项目或现有项目设置变更日志系统时使用。当被要求改进现有变更日志流程时也可以使用。
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: