查找分布在多个组件中的重复业务逻辑并建议整合。当询问“此逻辑在哪里重复？”、“查找服务之间的公共代码”、“可以合并什么？”、“检测共享域逻辑”或在重构之前分析组件重叠时使用。请勿用于代码级重复检测（使用 linter）或依赖性分析（使用耦合分析）。
使用 acpx 作为无头 ACP CLI 进行代理间通信，包括提示/执行/会话工作流程、会话范围、队列、权限和输出格式。
Install, configure, and start FireRed-OpenStoryline from source on a local machine. Use when a user asks to set up OpenStoryline, troubleshoot installation, download required resources, fill config.toml API keys, or launch the MCP and web services, as well as Chinese requests like “安装 OpenStoryline”, “配置 OpenStoryline”, “启动 OpenStoryline”, “把 OpenStoryline 跑起来”, “修复 OpenStoryline 安装问题”, or “排查 OpenStoryline 启动失败”.
适用于所有小队代理的标准协作模式 - 工作树感知、决策、跨代理通信
使用提供程序、工具、指令和内存创建和配置 Neuron AI 代理。每当用户提到构建代理、创建 AI 助手、设置 LLM 支持的聊天机器人、配置聊天代理或想要创建可以说话、使用工具或处理对话的代理时，请使用此技能。还可以触发 Neuron AI 中涉及代理配置、提供商设置、工具集成或聊天历史记录管理的任何任务。
MCP 代理邮件 - 用于多代理工作流程的类似邮件的协调层。身份、收件箱/发件箱、文件保留、联系策略、线程消息传递、预提交防护、人工监督、静态导出、灾难恢复。 Git+SQLite 支持。 Python/FastMCP。
VectCutAPI 是一款功能强大的基于云的视频编辑 API 工具，可为专业视频编辑提供对 CapCut/JianYing（剪映）的编程控制。当用户需要执行以下操作时，请使用此技能：(1) 以编程方式创建视频草稿项目，(2) 添加精确控制的视频/音频/图像素材，(3) 添加文本、字幕和字幕，(4) 应用效果、转场和动画，(5) 添加关键帧动画，(6) 批量处理视频，(7) 生成 AI 驱动的视频，(8) 与 n8n 工作流程集成，(9) 构建 MCP 视频编辑代理。该API支持HTTP REST和MCP协议，可与CapCut（国际）和JianYing（中国）配合使用，并提供网页预览，无需下载。
人工智能代理的自我进化引擎。分析运行时历史记录以识别改进并应用协议约束的演变。
开发、调试和部署 Apify Actors - 用于网络抓取、自动化和数据处理的无服务器云程序。在创建新 Actor、修改现有 Actor 或对 Actor 代码进行故障排除时使用。
构建线束。定义专家代理并生成代理将使用的技能的元技能。 (1) 当请求“配置线束”或“构建线束”时，(2) 当请求“线束设计”或“线束工程”时，(3) 当为新域/项目构建基于线束的自动化系统时，(4) 当重新配置或扩展线束配置时。
遵循 Diátaxis 框架（教程、操作指南、参考和解释页面）创建、构建和审查技术文档。当用户需要编写或重新组织文档、构建教程与操作指南、构建参考文档或 API 文档、创建说明页面、在 Diataxis 文档类型之间进行选择或改进现有文档结构时使用。触发术语包括：文档结构、Diátaxis、教程与操作指南、组织文档、用户指南、参考文档、技术写作。
创建、编写、构建和完善 Claude 代码技能的专家指导。在使用 SKILL.md 文件、创作新技能、改进现有技能或了解技能结构和最佳实践时使用。
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：
