- 📄 main.py
- 📄 SKILL.md
- 📄 skill.yaml
codeguard
安全感知代码生成——指导代理 CodeGuard 规则默认编写安全代码
安全感知代码生成——指导代理 CodeGuard 规则默认编写安全代码
用于结构化、按严重性分类的代码评估的独立代码审查方法
构建 ABAP 解决方案的结构化流程。在编写任何 ABAP 代码(报告、类、功能模块、增强功能或完整流程)之前使用。在编写任何代码之前,指导完成需求验证、系统探索、架构规划、现有对象的研究和详细设计。
将编码任务委托给 Codex CLI 进行原型设计、调试和代码审查。当需要算法实现、错误分析或代码质量反馈时使用。通过 SESSION_ID 支持多轮会话。
通过 shell 将编码任务委托给外部编码代理(Claude Code、Codex、Pi、OpenCode)。在以下情况下使用:(1) 在单独的项目中构建新功能或应用程序,(2) 审查 PR,(3) 重构大型代码库,(4) 需要文件探索的迭代编码。不适用于:简单的单行修复(直接编辑)、读取代码(使用读取/文件工具)或在 SwarmClaw 工作区本身内工作。
通过高保真并排预览来呈现架构、UI 和代码决策的视觉选项。用于直观地比较方法(代码差异、图表、UI 模型、图像),而不是用于收集结构化输入(为此使用访谈)。支持previewBlocks(代码、mermaid、图像、html)、previewHtml、生成更多循环以及计划/PRD 驱动的流程。
检测代码异味、反模式和可读性问题。在实现功能、审查代码或重构时使用。
纳入代码审查反馈 - 进行代码更改,提交审查预告片,更新处置表,并在需要时请求重新审查。镜像计划合并代码审查。
当用户要求“审查代码”、“查找死代码”、“检查重复”、“简化代码库”、“查找重构机会”、“进行代码清理”、“检查命名一致性”、“分析测试组织”、“运行代码库健康检查”、“审查我的 PR”、“重构此代码”、“提取方法”、“重命名变量”、“合并重复项”时,应该使用此技能。 “对抗性审查”、“红队审查”、“找到打破这个问题的方法”、“多模型审查”、“获得有关此代码的多个 AI 意见”、“寻找 bug”、“查找 bug”、“寻找 bug”或“对抗性 bug 寻找”。根据请求类型路由到专门的分析代理、重构工作流程、多模型对抗性审查或对抗性错误搜寻。
查询 CubeOS 和 MeshSat 存储库中函数调用者、被调用者、依赖项和死代码的代码图数据库。
代码覆盖率分析工具。这些工具有助于分析和可视化测试执行的代码覆盖率、将覆盖率数据上传到 Neo4j 以及显示覆盖率统计信息。可用工具:运行覆盖率、展示覆盖率。
执行彻底的代码审查,重点关注未使用的代码、重复、编码模式、错误和优化。当用户想要审查或审计代码时使用。只读 - 输出结果而不进行更改。
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: