通过在 localhost:19384 上运行的 Cogpit（代理窗口）HTTP API 创建和管理 Claude Code 会话。当代理需要在项目目录中生成新的 Claude Code 会话、向现有会话发送消息、停止会话、列出项目或查询活动会话时使用。触发诸如“启动会话”、“在项目 X 中运行 claude”、“向会话 Y 发送消息”、“列出 cogpit 项目”或与代理窗口服务器的任何编程交互等请求。
将用户想法转化为可确认的 design 文档并落盘。用于头脑风暴、新功能/需求定义、需求澄清、写 design/PRD 之前；在开始任何实现（写代码/改配置/改行为）前应先使用此流程。
- 想要同时或并行在多个分支上工作
安全地提交更改。检查暂存/修改的文件中的敏感数据，写入带有正文的提交消息。从不添加合著者行。
>-
查询包含 GOLD 和 IMG 基因组数据库的 JGI Dremio Lakehouse 的技能。当用户想要探索 JGI 数据库、查询 GOLD（基因组在线数据库）、IMG（集成微生物基因组）或针对 JGI 基因组数据运行 SQL 查询时，请使用此功能。在提及 JGI、GOLD 数据库、IMG 数据库、基因组元数据或 JGI Lakehouse 查询时触发。
使用 zeichenwerk Go 库构建终端 UI - 小部件、主题、事件以及 Builder 和 Compose API。
电影级全流程提示词生成。用户给出故事主题，一键生成完整 markdown 文件，包含：角色设定提示词、场景提示词、完整剧本、分镜表、每个分镜的视频生成提示词。支持 Seedance 2.0 / 即梦 / Midjourney / SD。触发词：分镜、提示词、prompt、镜头、脚本、剧本、视频生成、电影风格、Seedance、生成剧本。
当用户要求“开发下载脚本”、“调试数据下载”、“修复下载错误”、“创建数据管道模板”、“下载模板”、“GAIA 数据管道”、“从 S3 下载”、“访问 Zarr 存储”、“云数据访问”或提及特定数据源名称（例如“CONUS404”、“HRRR”、“WRF”、“PRISM”、“Stage IV”、“USGS”、“ORNL”、下载或处理数据时的“DEM”、“Synoptic”或“IRIS”。为 GAIA 项目中使用的水文气候数据下载脚本提供模板、配置验证和调试指南。
使用 falco 工具对 Fastly VCL 代码进行 Lint、测试、模拟和格式化。还通过 falco Go 源代码作为权威的 VCL 参考，它实现了 Fastly 的完整 VCL 方言。在验证 VCL 语法、运行 VCL linting、本地测试 VCL、模拟 VCL 请求处理、格式化 VCL 文件、使用断言编写 VCL 单元测试、调试 VCL 逻辑错误、查找 VCL 函数签名或变量范围、了解 VCL 子例程行为或运行 `falco lint`/`falco Simulate`/`falco test`/`falco fmt` 时使用。也适用于处理 VCL 语法错误、VCL 中的类型不匹配、选择要使用的 VCL 子例程或设置本地 VCL 开发和测试环境。
当面临艰难的架构决策、存在多种有效方法、在提交之前需要不同的视角或希望对复杂问题进行 M-of-N 综合时使用
使用此技能充当 Agents-orchestrator.md 中定义的代理，执行与该角色匹配的任务。
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：
