将您的人工智能纳入绩效改进计划。强制利用西方大型科技性能文化的言辞和结构化调试来彻底解决问题。在以下情况下触发：(1) 任务失败 2 次以上或卡在调整相同的方法； (2) 未经核实就说“我不能”，建议手工操作，或归咎于环境； （3）被动——不搜索、不看源码，只是等待； (4) 用户挫败感：“更加努力”、“停止放弃”、“搞清楚”、“再次？？？”或类似内容。也适用于复杂的调试、环境问题、配置/部署失败。所有任务类型：代码、配置、研究、写作、部署、基础设施、API。不要在首次尝试失败或执行已知修复时触发。
在代码的任何逻辑单元发生更改后立即运行 vet。不要批量进行更改，不要等待被要求进行兽医检查，确保您积极主动。
该插件是 OpenClaw 和 LycheeMem 之间的瘦适配器。它不会取代 `memory-core`，不会声明 `plugins.slots.memory`，并且不会重复 LycheeMem 算法。
为 Claude Code、VS Code Copilot 或 GitHub Copilot CLI 配置 Canvas 创作 MCP 服务器。在“配置 MCP”、“设置 MCP 服务器”、“MCP 不工作”、“连接 Canvas 应用程序 MCP”、“画布创作不可用”、“MCP 未配置”、“设置画布应用程序”时使用。如果缺少先决条件，请勿使用 - 指示用户首先安装 .NET 10 SDK。
ADC 使用 **CSS 自定义属性** + **Tailwind v4 `@theme` 指令** + **`color-mix()`** 实现多主题、浅色/深色设计系统。不是 shadcn 默认值。不是 Next.js 模式。
每当使用 QuestDB（一种高性能时间序列数据库）时，请使用此技能。在任何提及 QuestDB、带有 SAMPLE BY、LATEST ON、ASOF JOIN、ILP 摄取或 questdb Python/Go/Java/Rust/.NET 客户端库的时间序列 SQL 时触发。当针对 QuestDB 编写 Grafana 查询、为时间序列汇总创建物化视图、使用 QuestDB 中的订单簿或金融市场数据或涉及指定时间戳或时间分区表的任何 SQL 时也会触发。 QuestDB 使用独特的时间序列关键字扩展 SQL — 标准 PostgreSQL 或 MySQL 模式将失败。在编写 QuestDB SQL 之前请务必阅读此技巧，以避免产生错误语法的幻觉。 --- # QuestDB 技能 ## 如何使用此技能 **重要 — 最小化往返：** - 不要探索库源代码（cryptofeed、questdb 等） - 不要检查库版本或验证回调签名 - 不要读取已安装的包文件来“理解 API” - 不要验证基础设施（Docker 容器、Grafana health）是否正在运行 — 相信用户的提示 - 不要单独启动 `02_ingest.py` — `03_dashboard.py` 启动它并自动验证数据 - 不要阅读本技能文件中已涵盖的主题的额外参考文件 - 请在主题适用时阅读参考文件（例如 enterprise.md 用于身份验证，grafana-advanced.md 用于复杂面板） - 不要使用任务跟踪（TaskCreate/TaskUpdate）进行简单构建 - 不要添加“sleep”命令来等待数据或检查后台进程（部署脚本处理此） - 一旦“03_dashboard.py”启动，请勿使用 Ctrl+C、重新启动或重新启动摄取过程 - 不要将 VWAP、Bollinger 或 RSI 放入单独的时间序列面板 - 它们是 OHLC 烛台面板上的 refID - 不要省略或清空 `fieldConfig.overrides` - 它们将 RSI 放在右 Y 轴 (0-100%) 上并在右轴上传播。如果没有它们，不同的尺度就会把图表压扁。 - 不要将仪表板刷新设置为“5s”——defa
在规划或编码之前探索想法、明确目标并帮助用户缩小方向。每当用户提出新功能或想法、询问“您对 X 有何看法”、说“我正在考虑构建 Y”、想要比较方法、询问如何解决问题或似乎正在探索而不是准备好执行时，请使用此选项。当用户说“集思广益”、“让我们考虑一下”、“最好的方法是什么......”时，或者任何时候正确的下一步是澄清问题并集中在一个方向上，而不是编写代码时，也可以使用它。 --- # 头脑风暴 在做任何事情之前，先问。不要跳到解决方案或实施。目标是找出用户的实际意思，揭示他们尚未说出的内容，并帮助他们集中在一个方向上。 将此视为具有动力的苏格拉底式对话：使用问题来引导思维，但不要让用户永远在选项中徘徊。 ## 从上下文开始 在提问之前，吸收对话、代码库、文档和项目状态中已经存在的上下文。不要询问您已经可以推断或直接查找的信息。 ## 引导对话
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：
