- 📁 eval/
- 📁 references/
- 📁 scripts/
- 📄 CHANGELOG.md
- 📄 projection.json
- 📄 skill.json
agent-lifecycle-manager
跨表面代理合约,评估路由行为,加强调用
跨表面代理合约,评估路由行为,加强调用
在隔离的 git 工作树中生成 AI 编码代理。当用户要求生成或启动代理、将任务委托给单独的代理、在单独的工作树中工作或跨功能并行开发时使用。
Agile Sprint Master 用于定期用户签到和冲刺管理。将此用于 /agile、/sprint、启动 sprint、检查点请求或任何运行结构化迭代开发的时间。在“开始冲刺”、“检查点”、“冲刺状态”、“运行任务”时触发,或者在您需要管理骨架→肌肉→皮肤的分层构建进度时触发。
审核 Claude Code CHANGELOG.md 中与插件相关的更改。构建 FLOW 的集成表面模型,获取新的变更日志条目,分类为采用/删除/调整,并为已批准的项目提交问题。
安装并配置 OpenClaw 的内存衰减插件。当用户说“安装内存衰减”、“设置内存”、“메모리 설치”、“内存衰减 설치”时使用,或者想要向其 OpenClaw 代理添加具有衰减功能的类人记忆。
当需要将具有领域知识(陷阱、基准测试、强制问题、评分校准)的 GitHub 问题集成到技能的参考/文件中时使用。阅读问题,转换为正确的格式,检查矛盾,创建 PR。运行为:/contribute-review #123 或 /contribute-review 扫描。
当用户说“superflow”、“суперфлоу”或要求完整的开发工作流程时使用。四个阶段:(0) 项目启动和 CLAUDE.md 引导程序,(1) 通过多专家头脑风暴和 git 工作流程选择进行协作产品发现,(2) 使用选定的 PR/分支策略、git 工作树、双模型审查、最大并行性和验证规则完全自主执行,(3) 与文档更新合并。
|领域|价值|
在英国政府代码存储库中搜索模式、示例和库
Use when user asks to draw, create, or generate diagrams, flowcharts, charts, architecture diagrams, wireframes, or visual illustrations. TRIGGER on "draw", "diagram", "flowchart", "chart", "pie chart", "bar chart", "line chart", "architecture diagram", "excalidraw", "visual", "wireframe", "comparison table", "画图", "流程图", "图表", "架构图", "示意图", "生成图", "做个图".
../../../技能.md
如何对 Memento 代码库(本地优先 MCP 内存层)做出更改,网址为 github.com/veerps57/memento。每当用户签出 Memento 存储库(在存储库根目录中查找 AGENTS.md 和packages/{schema,core,server,cli,dashboard,embedder-local,landing})并且满足以下任一条件时,就会触发此技能 - 用户正在 packages/ 下编辑源代码,用户正在添加或更改命令/配置密钥/迁移/ADR,用户在内部时提及“Memento 存储库”或“此存储库”值得一提的是,用户正在调试失败的 pnpm 验证运行,或者用户询问“我如何贡献”/“X 去哪里”/“规则是什么”。当 Memento 只是另一个项目的依赖项时,请勿触发此技能(在 package.json 依赖项中查找备忘录条目,而不是在存储库根目录中)——这是应用“memento”技能的最终用户上下文。 即使 Memento 签出碰巧在其他地方打开,也不要触发不相关的 TypeScript 工作。
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: