HealthClaw Guardrails (healthclaw.io) — FHIR 代理护栏，用于通过 MCP 安全访问临床数据。支持 FHIR R4 US Core v9（稳定）和 R6 ballot3（实验）。在以下情况下使用：(1) 通过自动 PHI 编辑功能通过 MCP 读取患者数据，(2) 使用两阶段提议/提交和逐步身份验证编写临床资源，(3) 将请求代理到真实的 FHIR 服务器（HAPI、SMART Health IT、Epic），(4) 审核 AI 代理对医疗保健数据的访问，(5) 评估 R6 权限资源以进行访问控制决策。 12 个 MCP 工具，带护栏强制执行功能。
将所有代理数据备份到 GitHub — SQLite 数据库、Claude Code 内存、身份、技能、大脑笔记。当用户说备份、备份、保存所有内容、推送到 github 或快照时使用。也由 heartbeat 用于自动备份。
自动执行浏览器交互以进行 Web 测试、表单填写、屏幕截图和数据提取。当用户需要浏览网站、与网页交互、填写表单、截取屏幕截图或从网页中提取信息时使用。
使用浏览器会话 API 调试 Bright Data Scraping 浏览器会话。当用户遇到 Bright Data 浏览器会话错误、puppeteer 堆栈跟踪、爬虫运行失败或询问会话带宽、持续时间、验证码或连接问题时，请使用此技能。当 Bright Data scraper 产生意外结果（例如空数据、找到 0 个项目、缺少产品或结果少于预期）时也可以使用 - 会话数据可以揭示问题是网络/代理端（块、验证码、重定向、超时）还是客户端（选择器、提取逻辑）。 触发诸如“为什么我的会话失败”、“调试我的 Bright Data 会话”、“检查我的抓取浏览器会话”、“我的抓取器使用了多少带宽”、“得到 0 个结果”、“找到 0”、“抓取器返回空”、“抓取器不工作”、“脚本不工作”等短语，或者当对话中出现 Bright Data 错误代码或 brd.superproxy.io 堆栈跟踪时触发。需要 BRIGHTDATA_API_KEY 环境变量。
使用 GitLab、GitHub Actions 和 Pulumi 为基础设施即代码设置 DataRobot 应用程序模板的 CI/CD 管道的指南。
从当前代码跟踪子系统的真实运行时架构和数据流。当用户要求映射请求流、状态转换、后台作业、修复循环、读取路径、序列图或解释数据如何在系统中端到端移动时使用。
分析 JSON Schema 生成测试数据的 Python 脚本
通过 wttr.in 或 Open-Meteo 获取当前天气和预报。使用时间：用户询问任何地点的天气、温度或天气预报。不适用于：历史天气数据、恶劣天气警报或详细的气象分析。无需 API 密钥。
高级块功能、事件处理程序（挖掘、点击、踩踏、交互）、扩展数据（simple_data、库存、自定义 protobuf 数据）、客户端扩展数据和块突变 API。与define_new_block 一起使用。不包括定时器或电路。
战略研究框架，通过结构化的权力问题将数月的市场/竞争研究压缩为数小时。使用由 Exa 驱动的并行情报收集，从竞争对手数据、评论和行业来源中提取未言明的行业见解、脆弱的市场假设和战略攻击面。当用户说“攻击面”、“研究市场”、“竞争分析”、“分析竞争对手”、“寻找市场机会”、“对这个想法进行压力测试”、“市场研究”、“评估机会”、“寻找盲点”、“市场进入”时使用，或者当用户想要深入了解市场、评估新方向、寻找行业盲点、评估合作伙伴关系或分析机会时使用。请勿用于代码审查、测试、部署、错误修复或实施任务。 --- # 攻击面 — 战略研究框架 将数月的市场研究压缩为数小时。 3 小时和 3 个月之间的区别不在于信息量，而在于了解哪些问题真正重要。 该框架不是“总结这些”或“分析竞争”，而是提取： - **不言而喻的见解** - 成功的参与者了解客户从未大声说出的内容 - **脆弱的假设** - 整个市场建立的信念，以及它们如何打破 - **攻击面** - 盲点，脆弱的共识，无人谈论的开放 ## 何时使用 - 进入新市场或垂直市场 - 评估新的功能方向现有项目 - 评估合作伙伴关系或平台机会 - 在提交之前对业务创意进行压力测试 - 寻找竞争盲点和服务不足的利基市场 - 任何受益于深入循证分析的战略问题 ## 工作流程概述 7 个阶段，在自动情报收集和用户引导分析之间交替： |相|名称 |模式|输出| |--------|------|------|--------| | 1 |简报 | 互动|研究简介 | | 2 |来源收藏|自动化（并联
专业数据分析 — 读取 CSV/JSON/Excel、汇总统计、异常值、ASCII 图表、见解。当用户需要分析数据文件或验证管道数据时使用。
报警操作技巧。列出警报，使用数据源丰富的资源事实分析警报规则上下文，并根据修复指南执行警报状态操作。
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：
