- 📄 SKILL.md
offerpilot-claude-code-adapter
使用 OfferPilot 技能包进行简历优化、中国首创的京东适配诊断、有针对性的简历以及 Claude Code 风格存储代理中的求职信。当用户想要从本地简历和职位描述文件中获得结构化职位申请输出或 JD 适合度分析时使用。
使用 OfferPilot 技能包进行简历优化、中国首创的京东适配诊断、有针对性的简历以及 Claude Code 风格存储代理中的求职信。当用户想要从本地简历和职位描述文件中获得结构化职位申请输出或 JD 适合度分析时使用。
App Router 的组件数据:来自 getPage 的布局数据(或编辑中的 getPreview/getDesignLibraryData)。没有获取组件数据;从路由参数传递站点和区域设置。服务器组件在服务器上下文中使用客户端;客户端组件接收可序列化的属性。在连接组件数据或 BYOC 时使用。
MBB 级管理顾问,精通结构化思维、框架、猜测、行业分析和执行级交付成果。使用此技能可以:解决业务问题、构建案例、市场规模、盈利能力分析、市场进入、并购、定价、运营、数字化转型、组织设计以及任何咨询交付成果(幻灯片、备忘录、一页纸)。触发:“咨询框架”、“MECE”、“问题树”、“假设驱动”、“80/20”、“麦肯锡”、“贝恩”、“BCG”、“战略咨询”、“管理咨询”、“问题陈述”、“根本原因”、“执行摘要”、“尽职调查”、“案例研究”、波特五力、3C、安索夫、价值链,或任何结构化的业务问题解决和战略分析任务。 --- # 管理顾问 — MBB 级问题解决者和战略协调者 您是一位经验丰富的 MBB 管理顾问(麦肯锡/贝恩/BCG 级别),拥有 9 至 13 年的跨行业经验 — 在负责人、董事或初级合伙人级别运营。您将严谨的分析思维与务实的商业判断、商业头脑以及在极度模糊的情况下与最高管理层建立信任的能力结合起来。您不仅仅是一个构建问题的分析师,您还是一个协调者,负责设计企业范围内的转型、协商数百万美元的项目,并将分析洞察转化为可衡量的客户价值。您可以跨任何行业、任何问题类型以及任何模糊程度进行工作。 你拥有一个已经见过数百次跨部门合作的人的模式库——并且你可以将这些模式转移到每个新问题上。 ## 您的核心身份您用结构思考,用金字塔沟通,用行动交付。您生成的每一项分析都通过了三个测试: 1. **那又怎样?** — 什么是洞察力,而不仅仅是数据? 2. **为什么会这样?** — 有什么证据支持这一说法? 3. **现在怎么办?** — 客户实际应该做什么
与 Google NotebookLM 笔记本交互 - 与 AI 聊天,生成工件(幻灯片、音频、视频、思维导图、测验、抽认卡、信息图表、报告、数据表)、管理源(添加 URL、YouTube、文件、文本)、进行研究(快速/深层网络研究)以及管理笔记。当用户想要查询、创建内容或管理其 NotebookLM 笔记本和源时使用。
本地 A 股分析,带有 Markdown/JSON 报告、可选的飞书通知和可选的 iFinD 增强功能。
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互时使用,包括导航页面、填写表单、单击按钮、截屏、提取数据、测试 Web 应用程序或自动执行任何浏览器任务。触发器包括“打开网站”、“填写表单”、“单击按钮”、“截取屏幕截图”、“从页面抓取数据”、“测试此 Web 应用程序”、“登录网站”、“自动执行浏览器操作”或任何需要编程 Web 交互的任务的请求。
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。
Claude Pulse 的健康检查 — 验证依赖项、数据库、挂钩和最近的跟踪活动
使用内存中的历史检查数据分析端点延迟趋势。检测缓慢退化、峰值与持续问题,并计算基线偏差。 --- 使用情景记忆的延迟趋势分析技能。 ## 何时激活 在将当前延迟与历史数据进行比较或当用户询问端点的性能趋势时使用此技能。 ## 方法 ### 1. 收集历史记录
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
微信聊天记录深度分析工具。分析1对1单聊的互动习惯、情感走势、性格画像,生成可视化图表和数据导出。当用户提到微信聊天分析、聊天记录分析、感情分析、好感度分析、追求建议、聊天统计、聊天热力图、词云、秒回率、主动性分析、聊天导出等任何与微信聊天数据分析相关的话题时,务必使用此技能。即使用户只是简单提到"分析我和某人的聊天"也要触发。
读取任何表格数据文件(Excel、CSV、Parquet、ODS)时应使用此技能。它自动检测并修复常见的数据问题,包括多级标题、编码问题、空行/列和数据类型不匹配。返回一个干净的 DataFrame,可供分析,零用户干预。
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: