- 📄 SKILL.md
code-health
扫描代码库中的死代码、技术债务、过时的依赖项和代码质量问题。委托给 Centinela (QA) 代理。
扫描代码库中的死代码、技术债务、过时的依赖项和代码质量问题。委托给 Centinela (QA) 代理。
存储库理解和分层代码图生成
将任何代码库转变为精美的交互式单页 HTML 课程,向非技术人员教授代码的工作原理。每当有人想要从代码库或项目创建交互式课程、教程或教育演练时,请使用此技能。当用户提到“将其变成课程”、“交互式解释此代码库”、“教授此代码”、“代码交互式教程”、“代码库演练”、“从此代码库学习”或“从此项目制作课程”时也会触发。这项技能可以生成令人惊叹的、独立的 HTML 文件,其中包含基于滚动的导航、动画可视化、嵌入式测验以及带有简单英语并排翻译的代码。
解释不同的 Slackdump 源结构。
将任何 MCP 服务器、OpenAPI 规范或 GraphQL 端点转变为 CLI。当用户想要通过命令行与 MCP 服务器、OpenAPI/REST API 或 GraphQL API 交互、发现可用工具/端点、调用 API 操作或从 API 生成新技能时,请使用此技能。触发器包括“mcp2cli”、“调用此 MCP 服务器”、“使用此 API”、“列出工具”、“为此 API 创建技能”、“graphql”或涉及 MCP 工具调用、OpenAPI 端点调用或 GraphQL 查询的任何任务,而无需编写代码。
AI 构建者摘要 — 监控 X 和 YouTube 播客上的顶级 AI 构建者,将其内容重新混合成易于理解的摘要。当用户需要 AI 行业见解、构建器更新或调用 /ai 时使用。无需 API 密钥或依赖项 — 所有内容均从中央源获取。
当用户要求创建、生成、绘制或设计图表、流程图、架构图、ER 图、序列图、类图、网络图、模型、线框或 UI 草图时,或提及draw.io、drawio、drawoi、.drawio 文件或图表导出为 PNG/SVG/PDF 时,请始终使用。
通过收集和总结自上次 git 标签(或指定的引用)以来所有影响用户的更改,创建面向用户的 App Store 发行说明。当要求生成全面的发布变更日志、App Store“新增内容”文本或基于 git 历史记录或标签的发布说明时使用。
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。
使用 AI 生成 PNG 图像(通过 OpenRouter 的多个模型,包括 Gemini、FLUX.2、Riverflow、SeedDream、GPT-5 Image,通过 Cloudflare AI Gateway BYOK 代理)。还可以使用多模态 AI 视觉来分析/描述现有图像。当用户要求“生成图像”、“创建 PNG”、“制作图标”、“使其透明”、“描述此图像”、“分析此图像”、“此图像中的内容”、“解释此图像”或需要 AI 为项目生成的视觉资源时使用。支持通过关键字(gemini、riverflow、flux2、seedream、gpt5)、可配置的宽高比/分辨率、透明背景(-t)、参考图像编辑(-r)、图像分析(--analyze)和每个项目成本跟踪(--costs)进行模型选择。
这项技能体现了 Emil Kowalski 在 UI 润色、组件设计、动画决策以及让软件感觉很棒的隐形细节方面的理念。
扫描 Apple 的 SwiftUI 文档以查找已弃用的 API,并使用现代替代品更新 SwiftUI 专家技能。当被要求“更新最新的 API”、“刷新已弃用的 SwiftUI API”、“检查新的 SwiftUI 弃用”、“扫描 API 更改”或在新的 iOS/Xcode 版本之后使用。需要 Sosumi MCP 可用。
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: