每日精选skills数量
04/07
04/08
04/09
04/10
04/11
04/12
04/13
♾️免费开源 🛡️安全无忧
导入技能
Illuminated2020
from GitHub
工具与效率
创建有效技能的指南,通过专业知识、工作流程或工具集成来扩展代理的能力。当用户要求执行以下操作时,请使用此技能:(1) 创建新技能,(2) 创建技能,(3) 构建技能,(4) 设置技能,(5) 初始化技能,(6) 搭建技能,(7) 更新或修改现有技能,(8) 验证技能,(9) 了解技能结构,(10) 了解技能如何工作,或 (11) 获得有关技能设计模式的指导。触发诸如“创建一项技能”、“新技能”、“制定一项技能”、“X 的技能”、“我如何创建一项技能”或“帮助我建立一项技能”等短语。
remorses
from GitHub
开发与编程
Spiceflow 是一个超级简单、快速且类型安全的 TypeScript API 和 React Server 组件框架。适用于 Node.js、Bun 和 Cloudflare Workers。每当使用 Spiceflow 时,请使用此技能来获取最新的文档和 API 参考。
ZhixiangLuo
from GitHub
工具与效率
使用工具连接(Slack、Slack AI、Jira、GHE、Bitbucket、Confluence、SharePoint、Teams、Outlook、Notion、Linear、Google Docs 等)将同事提炼为可重用的 AI 技能(工作 + 角色),无需手动粘贴。当用户想要同事技能、同事的数字孪生或从工作场所系统捕获某人的技术声音时使用。需要 tool_connections + 10xProductivity verify_connections(或等效的 .env)。
bartstc
from GitHub
工具与效率
重构臃肿的 AGENTS.md、CLAUDE.md 或类似的代理指令文件,以遵循渐进公开原则。将整体文件拆分为有组织的、链接的文档。
this-rs
from GitHub
工具与效率
- 📁 .cargo/
- 📁 .github/
- 📁 crates/
- 📄 .env.example
- 📄 .env.production.example
- 📄 .gitignore
具有 Neo4j 知识图谱、Meilisearch 搜索和 Tree-sitter 解析的 AI 代理编排器。用于在具有共享上下文和计划的复杂项目上协调多个编码代理。
从 git 历史记录和文档中回填缺失的 ADR
更新 iloom 版本的版本号和许可证日期。更新 LICENSE 和 README.md 日期,然后运行 pnpm 版本。
Labhund
from GitHub
开发与编程
一次性集成:设置 llm-wiki 守护进程,配置后端配置文件,使用代理框架注册 MCP 服务器,并处理与 MCP 之前的 wiki 技能的冲突。触发器:“设置 llm wiki”、“集成 llm-wiki”、“配置 wiki MCP”、“注册 wiki 服务器”。
使用知识库见解解决问题 - 提取搜索词、运行并行知识库查询、综合基于您自己的框架的建议
用于发布 Claude Code 实验室会议的端到端管道。自动查找/创建 Fathom 文字记录、下载视频、上传到 YouTube、生成经过事实检查的俄语摘要、创建 MDX 文档,并推送到代理文档以进行 Vercel 部署。单次调用取代了 5 个以上的手动步骤。
- 📁 deps/
- 📁 docs/
- 📁 platforms/
- 📄 .gitignore
- 📄 AGENTS.md
- 📄 CHANGELOG.md
个人知识库构建系统(基于 Karpathy llm-wiki 方法论)。让 AI 持续构建和维护你的知识库, 支持多种素材源(网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件), 自动整理为结构化的 wiki。 触发条件:用户明确提到"知识库"、"wiki"、"llm-wiki",或要求对已初始化的知识库执行 消化、查询、健康检查等操作。不要在用户只是要求"总结这篇文章"时触发——必须是明确的 知识库相关意图。 --- # llm-wiki — 个人知识库构建系统 > 把碎片化的信息变成持续积累、互相链接的知识库。你只需要提供素材,AI 做所有的整理工作。 ## 这个 skill 做什么 llm-wiki 帮你构建一个**持续增长的个人知识库**。它不是传统的笔记软件,而是一个让 AI 帮你维护的 wiki 系统: - 你给素材(链接、文件、文本),AI 提取核心知识并整理成互相链接的 wiki 页面 - 知识库随着每次使用变得越来越丰富,而不是每次重新开始 - 所有内容都是本地 markdown 文件,用 Obsidian 或任何编辑器都能查看 ## 核心理念 传统方式(RAG/聊天记录)的问题:每次问问题,AI 都要从头阅读原始文件,没有积累。知识库的价值在于**知识被编译一次,然后持续维护**,而不是每次重新推导。 ## 快速开始 告诉用户这两步就够了: 1. **初始化**:说"帮我初始化一个知识库" 2. **添加素材**:给一个链接或文件,说"帮我消化这篇" --- ## Script Directory Scripts located in `scripts/` subdirectory. **Path Resolution**: 1. `SKILL_DIR` = this SKILL.md's directory 2. Script path = `${SKILL_DIR}/scripts/<script-name>` --- ## 依赖检查 首次使用时,检查以下依赖是否已安装。如果缺失,提示用户运行安装: ```bash bash ${SKILL_DIR}/setup.sh ``` 依赖 skill / 工具: - `baoyu-url-to-markdown` — 普通网页、X/Twitter、部分知乎提取 - `wechat-article-to-markdown` — 微信公众号提取 - `youtube-transcript` — YouTube 字幕提取 即使部分依赖缺失,skill 仍可工作(用户可以手动粘贴文本内容)。 --- ## 工作流路由 根据用户的意图,路由到对应的工作流: | 用户意图关键词 | 工作流 | |---|---| | "初始化知识库"、"新建 wiki"、"创建知识库" | → **init** | | URL / 文件路径 / "添加素材"、"消化"、"整理" / 直接给链接 | → **ingest** | | "批量消化"、"把这些都整理" / 给了文件夹路径 | → **batch-ingest** | | "关于 XX"、"查询"、"XX 是什么"、"总结一下" | → **query** | | "给我讲讲 XX"、"深度分析 XX"、"综述 XX"、"digest XX" | → **digest** | | "检查知识库"、"健康检查"、"lint" | → **lint** | | "知识库状态"、"现在有什么"、"有多少素材" | → **status** | | "画个知识图谱"、"看看关联图"、"graph"、"知识库地图" | → **graph** | **重要**:如果用户直接给了一个 URL 或文件,但没有明确说要做什么,默认走 **ingest** 工作流。如果知识库还不存在,先自动走 **init** 再走 **ingest**。 --- ## 通用前置检查 除 `init` 外,其他工作流默认先执行这段检查: 1. 先检查**当前工作目录**是否包含 `.wiki-schema.md` - 如果包含 → 用当前目录作为知识库根路径 - 如果不包含 → 回退到读取 `~/.llm-wiki-path` 2. 如果两者都没有: - `ingest` / `batch-ingest` → 先运行 `init` - `query` / `lint` / `status` / `digest` / `graph` → 提示用户先初始化知识库 3. 读取知识库根目录下的 `.wiki-schema.md` 4. 从 `.wiki-schema.md` 的"语言"字段判断 `WIKI_LANG` - `语言:中文` → `WIKI
添加链接到 marimo 笔记本的“在 molab 中打开”徽章。适用于自述文件、文档、网站或任何 Markdown/HTML 目标。
Skills文件组织结构基本样例(仅作参考)
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
SKILL.md 内容要求
├─ ⭐ 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)
为什么选择 SkillWink?
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。
AI 语义搜索
关键词检索
版本更新
多维排序
开放标准
评论交流
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。
常见问题解答(FAQ)
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。
1,什么是Agent Skills?
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。
2,Skills是怎么运行的?
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。
3,我该怎么快速找到想要的技能?
推荐 3 种方式组合使用:
- 语义搜索:用一句自然语言描述你想解决的问题;
- 多维筛选:按分类/标签/作者/语言/许可证过滤;
- 排序对比:按下载、点赞、评论、最近更新等维度排序,快速筛出“更可能好用”的技能。
4,SkillWink 支持哪些导入方式?
- 上传归档文件导入:.zip / .skill 一键导入(推荐)
- 上传skills文件夹
- 从GitHub仓库导入
注:以上导入方式文件大小控制在10M之内。
5,在Claude / Codex 等系统中如何是使用?
常见路径如下(不同系统略有差异,以你本机为准):
- Claude Code:~/.claude/skills/
- Codex CLI:~/.codex/skills/
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”。
6,一个技能能不能被多个工具一起用?
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。
7,这些skills使用安全吗?
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。
8,为什么我导入后“没有生效”?
最常见原因是这几类:
- 放错目录(路径不对、层级多了一层)
- SKILL.md 缺字段或格式不规范(名称/入口/依赖不完整)
- 依赖未安装(Python/Node/CLI 工具缺失)
- 工具未重新加载技能(某些环境需要重启/刷新)
9,SkillWink 会不会收录重复或低质量技能?
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前:
- 重复技能:看差异点(更快/更稳定/更强主题能力)
- 低质量技能:我们会定期清理低质量skills