当电子表格文件是主要输入或输出时，请使用此技能。这意味着用户想要执行的任何任务： 打开、读取、编辑或修复现有 .xlsx、.xlsm、.csv 或 .tsv 文件（例如，添加列、计算公式、格式化、图表、清理混乱数据）；从头开始或从其他数据源创建新的电子表格；或在表格文件格式之间进行转换。特别是当用户通过名称或路径引用电子表格文件时（甚至是随意引用（例如“我下载的 xlsx”））并希望对其执行某些操作或从中生成某些内容时，尤其会触发。还可以触发清理或重组混乱的表格数据文件（格式错误的行、错误的标题、垃圾数据）到正确的电子表格中。可交付成果必须是电子表格文件。 当主要交付成果是 Word 文档、HTML 报告、独立 Python 脚本、数据库管道或 Google Sheets API 集成时，即使涉及表格数据，也不要触发。
使用 data.diemeng.chat 提供的接口查询股票日线、分钟线、财务指标等数据，支持 A 股等市场。
使用 Qryma API 搜索具有多种输出格式的网络。当用户想要搜索网络、查找有关特定主题的信息、说“搜索”、“查找”、“查找信息”、“网络搜索”或需要从互联网快速得到答案时，请使用此技能。支持用于提高可读性的 Markdown 格式、用于结构化数据的 JSON 以及类似 Brave 搜索的格式。
使用 OpenSearch 构建搜索应用程序并查询日志分析数据。当用户提到 OpenSearch、搜索应用程序、索引设置、搜索架构、语义搜索、向量搜索、混合搜索、BM25、密集向量、稀疏向量、代理搜索、RAG、嵌入、KNN、PDF 摄取、文档处理或任何相关搜索主题时，请使用此技能。还可用于日志分析和可观察性 — 当用户想要设置日志摄取、使用 PPL 查询日志、分析错误模式、设置索引生命周期策略、调查跟踪或检查堆栈运行状况时。即使用户说日志分析、Fluent Bit、Fluentd、Logstash、syslog、traceId、OpenTelemetry 或日志分析而不提及 OpenSearch，也可以激活。
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。
通过浏览器 MCP Chrome 扩展程序自动化用户真正的 Chrome 浏览器。使用用户的登录会话和真实的浏览器指纹来避免机器人检测。当用户需要使用实际的浏览器配置文件浏览网站、填写表单、抓取数据或测试网页时使用。
与 data.gouv.fr API 交互 — 主要 API（数据集、组织、用户、资源、重用、讨论）、指标 API（按模型的使用/统计）、表格 API（按资源 ID 查询 CSV 行）。在使用 data.gouv.fr 数据、目录或平台功能时使用。
最大限度地减少所有 bash、文件和数据处理操作中的令牌浪费。每当执行命令、读取文件或处理输出时，始终应用这些原则。这项技能控制着 LLM 代理如何与系统交互——它适用于涉及工具使用、文件读取、数据处理或 shell 命令的每项任务。 TRIGGER 在任何计算机上使用。 --- # 令牌高效的计算机使用 从工具调用返回的标准输出的每个字符都会被令牌化并计费。 2000 行 JSON 文件中的一只粗心的“猫”所付出的代价与一次深思熟虑的对话所付出的代价一样多。目标不是记住特定的命令 - 而是内化一个简单的成本模型：**工具输出的每个字节都是花费的金钱和上下文窗口**，并且每个工具调用都有固定的往返开销。每次工具调用之前应先提出两个问题： 1. **我可以完全避免此调用吗？** 如果该信息已经存在于先前读取的上下文中或来自用户，请使用它。 2. **如果我必须调用，如何最小化返回的字节？** 在源处过滤、投影、截断或计数，而不是转储原始输出。
[UDS] 分析 AC 與測試的追蹤關係及覆蓋率
使用分页从任何 GitHub 存储库中获取所有未解决的问题，并生成全面的分析，包括类别细分、年龄分布、陈旧问题（30 天以上）、热门讨论问题、优先级和详细的分类建议。高效处理大型存储库（5000 多个问题）。
通过“bk” CLI 与 beankeeper 会计系统交互时，应该使用此技能。当用户要求“记录交易”、“过帐条目”、“检查余额”、“生成报告”、“创建公司”、“设置帐户”、“导入银行对账单”、“设置预算”、“比较预算与实际”、“核对条目”、“验证分类账”、“导出数据”、“附加收据”或任何财务簿记任务时使用。当将结构化 JSON 输出从“bk”传输到其他工具或代理时也可使用。 --- # Beankeeper (`bk`) -- 复式记账 CLI Beankeeper 是一个完全通过 `bk` 命令行界面操作的复式记账系统。它将数据存储在本地 SQLite 数据库中（可以选择通过 SQLCipher 加密）。所有输出都支持三种格式：人类可读的表格、机器可读的 JSON 和 CSV。 ## 核心概念 - **复式记账**：每笔交易都有平衡的借方和贷方。借方总额始终等于贷方总额。 - **公司**：多租户——每家公司都有自己的会计科目表和分类账。通过 `--company SLUG` 或 `BEANKEEPER_COMPANY` 环境变量指定。 - **账户**：五种类型：“资产”、“负债”、“权益”、“收入”、“费用”。每个都有一个代码（例如“1000”）和正常余额方向（借方或贷方）。 - **金额**：始终在 CLI 上以**主要单位**（美元，而不是美分）指定。内部存储为小单位（分）。示例：“2500”表示 2,500.00 美元。 - **仅追加分类账**：交易在过账后无法编辑或删除。通过冲销分录进行更正。 - **幂等性**：使用 `--reference KEY` 和 `--on-conflictskip` 来安全地重试重复的帖子。 有关详细的会计概念和帐户类型，请参阅 [`references/accounting.md`](references/accounting.md)。 ## 代理集成 **始终使用 `--json` 进行编程访问。** 每个 JSON 响应都使用统一的信封： ```json { "ok": true, "meta": { "command": "...", "company": "...", "timestamp": "..." }, "data": { ...
对静态分析结果进行分类、评估优点并接受噪音或不相关的项目
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：
