Unity C# 代码的预提交代码质量审查。根据规则、CODING_STANDARDS.md、NAMING_CONVENTIONS.md 和 GDD Gherkin 测试覆盖率进行检查。当代码已编写且测试正在通过但在提交之前时使用。在 /uw-cmd-implement-feature 的步骤 8.5 自动运行。在“检查此代码”、“检查我的实现”、“提交前检查”、“代码检查”、“提交前检查”、“是否准备好提交”、“检查我的更改”或提交前验证代码质量的任何请求时触发。
当编写、编辑或审查代码、创建测试，或者当用户询问“代码风格”、“代码风格”、“格式”、“最佳实践”或代码质量时，应该使用此技能。将这些规则应用于所有代码更改。
简化和细化代码，以提高清晰度、一致性和可维护性，同时保留所有功能。除非另有说明，否则重点关注最近修改的代码。
当用户想要查找、审核或删除死代码、未使用的导入、未使用的函数、未使用的变量、重复的实现或简化代码库时，应该使用此技能。适用于所有编程语言。当用户说“查找死代码”、“删除死代码”、“删除未使用的导入”、“查找重复代码”、“简化此代码库”、“查找未使用的函数”、“查找未使用的代码”、“删除注释掉的代码”、“哪些代码未使用”、“查找孤立文件”、“检测重复的实现”、“查找无法访问的代码”、“清理此代码库”或“审核未使用的代码”时相关。
我们破解了 Claude Code 开源代码，从头开始调试它，并使其实际工作。功能齐全的 AI 编码 CLI — 您的代码、您的密钥、您的规则。
使用 abaplint 和 Clean ABAP 原则检查和提高 ABAP 代码质量。当用户要求检查、检查、验证、审查或分析 ABAP 代码的语法错误、干净代码合规性、代码质量、最佳实践或遵守干净 ABAP 指南时，请使用此技能。当用户要求设置 abaplint、配置 abaplint.json 或在其 ABAP 项目上运行 abaplint 时也可使用。触发器包括诸如“检查此ABAP代码”、“lint我的ABAP”、“运行abaplint”、“配置abaplint”、“这是干净的ABAP”、“检查我的ABAP”或“分析ABAP代码质量”等请求。
使用 Bandit AST 分析对 Python 源代码（.py、setup.py、pyproject.toml）进行安全审计以查找安全漏洞。 (1) 检测 exec/eval 代码执行、pickle/yaml 反序列化、子进程 shell 注入、SQL 注入、硬编码凭据、弱加密、OWASP Top 10 Python 问题。用于 Python 安全审核、Django/Flask 应用程序、恶意 Python 代码分类、CI/CD 管道。不用于依赖项/包审核（使用guarddog）、非Python代码（使用graudit）、shell脚本（使用shellcheck）。对于混合 Python 项目，请与 graudit -d Secret 结合使用以实现全面覆盖。
分析代码模块和文件，以发现任何语言或框架中的重构机会、代码异味和架构模式违规。当用户要求“分析代码味道”、“寻找重构机会”、“检查代码质量问题”或“审查特定模块或文件的架构”时，请使用此技能。
当调试需要在解释仪器之前了解不熟悉的系统内部结构时使用 - 特别是异步执行、第三方库代码、因果之间没有明显代码路径的状态突变，或者当先前的修复尝试在没有数据的情况下失败时使用
用可视化图表和类比解释代码。在解释代码如何工作、教授代码库或当用户询问“这是如何工作的？”时使用。
在编写或更改 TypeScript/Node.js 代码时使用 - 防止 O(n²) 集合扫描、手动内置、浪费分配、不安全字典、多态 deopt 以及其他性能和代码质量反模式
针对 React/TypeScript/Tailwind 项目的以前端为中心的代码审查技能。分析代码质量、安全漏洞（XSS、CSRF）、性能问题、可访问性（WCAG）、React 最佳实践、挂钩使用、组件架构、响应式设计和 SEO。当用户请求代码审查、需要有关组件的反馈、询问前端安全性、性能优化或可访问性合规性时使用。提供具有严重性级别的可操作反馈和修复建议。
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：
