- 📄 examples.md
- 📄 SKILL.md
implementing-mcp-prompts
在 deno-mcp-template 项目中实现新的 MCP 提示。提供准确的文件结构、类型签名、注册步骤以及静态参数或动态完成提示的模式。在添加新提示、创建 MCP 提示或询问提示在此项目中如何工作时使用。
在 deno-mcp-template 项目中实现新的 MCP 提示。提供准确的文件结构、类型签名、注册步骤以及静态参数或动态完成提示的模式。在添加新提示、创建 MCP 提示或询问提示在此项目中如何工作时使用。
>-
发现单个音符的联系。将连接报告保存到活动研讨会并且不会改变 KB 文件。与音符路径或音符名称一起使用。
AI 编码代理的跨引擎调度层。当您需要时使用:在 Codex/Claude/Gemini 上启动工作程序、恢复超时调度、在飞行中引导正在运行的工作程序或协调多模型工作。触发:代理多路复用、调度、生成工作线程、编解码工作线程、配置文件调度、异步调度、引导代理、恢复超时、多引擎。 --- # agent-mux 一个 CLI,三个引擎(Codex、Claude、Gemini),一个 JSON 合约。工作人员身份位于“~/.agent-mux/prompts/”的提示文件中——使用 YAML frontmatter 进行降价,设置引擎、模型、工作量、超时和系统提示。没有配置文件,没有角色表。提示符是工人。 ## 快速调度 三种模式覆盖95%的调度。 **配置文件调度**(标准路径 - 一个标志解决所有问题):``bash agent-mux -P=lifter -C=/repo "修复 src/client/retry.go 中的重试逻辑" 2>/dev/null ``` **异步调度**(触发,稍后收集):````bash ID=$(agent-mux -P=scout --async -C=/repo "查找已弃用的 API 用法" 2>/dev/null | jq -r .dispatch_id) agent-mux wait --poll 30s "$ID" 2>/dev/null agent-mux result --json "$ID" 2>/dev/null ``` **通过 stdin** 进行结构化调度(规范机器调用): ```bash printf '%s' '{"profile":"lifter","prompt":"实现修复","cwd":"/repo"}' \ | agent-mux --stdin --async 2>/dev/null ``` 解析标准输出 JSON。每个结果都有“status”、“response”、“activity.files_changed”和“metadata.engine”。始终首先检查“状态”。 ## 个人资料名册
通过本地crawl4weibo CLI查询微博用户、帖子和评论。当工作空间包含此存储库并且用户希望从 OpenClaw 确定性地访问项目的微博爬行功能时使用。
通过 InfraNodus MCP 服务器 (mcporter) 进行文本网络分析、知识图、内容差距检测、SEO/GEO 优化、结构化内存和文本比较。
这个工具的作用',
使用 mlld 构建 LLM 代理 — 工具代理(MCP 工具)、事件驱动代理(路由器和调度程序)和工作流代理(无状态作业)。在创建代理、公开工具或构建事件驱动系统时使用。
分析拉取请求和差异以查找错误、安全漏洞、性能问题、风格违规和测试覆盖率差距 - 生成结构化的、可操作的反馈
审核所有表格和图形标题的语言、符号和格式一致性
创建页面/布局、定义内容集合、配置水合指令和连接集成。添加或修改 Astro 页面、布局、组件或内容集合时使用。触发条件:Astro、内容收集、客户端:负载、客户端:可见、astro:内容
管理 Google Ads、Meta Ads、LinkedIn Ads 和 TikTok Ads 中的广告活动。当用户想要通过 Adspirer MCP 服务器分析广告系列效果、研究关键字、创建广告系列、优化预算或管理广告帐户时使用。
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: