- 📁 references/
- 📄 SKILL.md
ui-elements
在构建或修改 Talon UI、HUD、覆盖、通知、备忘单或使用 ui_elements 时触发。
在构建或修改 Talon UI、HUD、覆盖、通知、备忘单或使用 ui_elements 时触发。
指导 ACT-R 认知模型构建:块类型、产生规则、子符号参数和模型验证
将代理定义作为子代理运行。当用户指定要运行的代理或子代理、引用代理定义或将任务委派给代理时使用。
与任何应用程序的所有交互——无论是内置应用程序(Finder、Safari、系统设置)还是第三方应用程序(微信、Chrome、Slack)——都必须经过此技能。单击、打字、阅读内容、发送消息、导航菜单、填写表单:一切都使用视觉检测(屏幕截图→模板匹配→单击)。这是操作应用程序的唯一方法。切勿使用 CLI 命令、AppleScript 或辅助功能 API 绕过。
交付的领域上下文 - 功能完整性、交付管道、默认值和发布协调。
Create low-friction coursework deliverables for general education, elective, and low-stakes college assignments, including PPT slides, short papers, reading reports, reflection essays, presentation scripts, discussion posts, and course summaries. Use this skill whenever the user mentions 水课, 通识课, 选修课, 小论文, 课程论文, 读书报告, 观后感, 汇报PPT, 课堂展示, 演讲稿, or asks to turn scattered course materials into a polished student-style deliverable. --- # Coursework Helper Skill Produce practical course deliverables from messy prompts, readings, course slides, topic requirements, and user notes. The goal is to help a busy student quickly get a usable PPT, short paper, speech script, or reflection while keeping claims grounded in provided material. ## Architecture ```text User request -> Intake: infer task type, deadline pressure, source materials, tone, and format -> Setup: index materials, check official file skills, initialize output directory -> Plan: choose deliverable path and create a lightweight outline -> Draft: produce content, slides/script, or paper -> Polish: add citations/evidence notes, fix tone, export requested formats ``` | Path | Use when | Primary output | |------|----------|----------------| | `slides` | PPT/class presentation/课堂展示/汇报 | `final_slides.md`, optional `.pptx`, speech script | | `paper` | 小论文/课程论文/读书报告/观后感/心得体会 | `final_paper.md`, optional `.docx`/`.pdf` | | `script` | 演讲稿/发言稿/答辩稿/课堂分享 | `final_script.md` | | `mixed` | User asks for PPT + paper + script, or task is ambiguous | combined deliverables | ## Startup Layer ### 1. 低摩擦摄入 尽可能多地从用户的文字和文件中进行推断。仅当缺少的答案会改变可交付成果时才询问。
资深软件架构师顾问——分析模块间关系、评估重大改动方案、解答架构疑惑。 当用户说"帮我分析架构"、"这个改动合理吗"、"我想重构 X"、"这样设计有什么问题"、 "帮我评估方案"、"架构上怎么看"、"我有个大改动"时立即触发。 也适用于:"这个模块怎么拆"、"依赖关系合理吗"、"接口怎么设计"、 "该用哪种模式"、"迁移方案怎么做"、"这个 PR 改动太大了"等架构决策场景。 只要用户面临影响多个模块、涉及接口变更、或需要权衡取舍的技术决策,就应使用此 skill。 --- # Architect — 架构顾问 Skill 以资深软件架构师的视角,分析**模块之间的关系与边界**,评估变更影响,给出有理有据的建议。 核心关注点是:**谁依赖谁、谁负责什么、消息/数据如何在模块间流动**——而不是某个模块内部的实现细节。 --- ## 第一步:建立项目上下文 先阅读架构层面的文档,不深入源码实现。**并行执行**: ``` read_file("CLAUDE.md") # 项目架构说明(最重要) glob_files("**/Cargo.toml") # Workspace 模块结构(Rust 项目) bash("git log --oneline -15") # 近期改动方向 ``` 如果存在 spec/global/ 目录,还需读取: ``` glob_files("spec/global/**/*.md") # 全局架构文档 ``` > 目标:搞清楚项目有哪些模块、它们之间的依赖关系是什么、数据流的大方向——然后才能讨论改动的影响。 --- ## 第二步:理解问题 明确用户面临的决策点: - **涉及哪些模块**:改动横跨哪几个模块/crate/组件 - **现有的模块关系**:它们目前如何交互(调用、事件、共享状态、消息传递) - **想改什么**:计划中的边界或接口变化 - **驱动原因**:解耦、功能扩展、性能、可维护性 如果问题描述不够清晰,**先问清楚再分析**。 --- ## 第三步:架构分析框架 核心视角始终是**模块边界与模块间关系**,而非单个模块的内部实现。 ### 3a. 评估一个变更方案 逐一检视有实质内容的维度: | 维度 | 关注点 | | ---------------- | ---------------------------------------------------------------- | | **依赖方向** | 变更后依赖是否保持单向?是否引入循环依赖? | | **接口稳定性** | 跨模块的契约(trait/API/消息格式)是否被破坏?调用方需要改多少? | | **职责归属** | 每个模块的边界是否清晰?有没有职责被错误地放到了边界另一侧? | | **数据流清晰度** | 数据/事件在模块间的流动路径是否可追踪、可推理? | | **模块耦合度** | 改后模块间的耦合是增加还是减少?是紧耦合还是通过抽象层解耦? | | **迁移成本** | 需要同步修改哪些调用方?能否分阶段落地而不一次性破坏所有接口? | ### 3b. 诊断一个架构问题 先描述**症状**(难以扩展、边界模糊、牵一发动全身、职责重叠),再追溯**根因**(哪两个模块的关系出了问题、为什么),最后给出**最小有效改动**。 ### 3c. 比较多个方案 用结构化表格从模块关系角度对比,最后给出**明确推荐**和**推荐理由**。不要给出"都可以,看你喜好"——那不是架构建议,那是回避。 --- ## 第四步:输出结构 根据问题复杂度选择格式: **简单问题(单一决策点)**:直接给结论 + 核心理由,不超过 200 字。 **中等复杂度(涉及 2-3 个模块的关系)**: ``` ## 当前模块关系 <描述涉及模块之间现有的依赖/交互方式> ## 问题所在 <哪个边界有问题,或哪两个模块的关系不对> ## 建议调整 <推荐的模块关系,说明为什么这样划分更合理> ## 注意事项 <迁移时需要同步调整的接口、潜在的破坏性变更> ``` **大型变更(跨多个 crate / 重新划定模块边界)**: ``` ## TL;DR <一句话结论> ## 当前架构关系图(文字描述) ## 变更后架构关系图(文字描述) ## 方案对比 ## 推
倾向于发布工作流程。当用户要求“发布版本”、“发布新版本”、“削减版本”或想要向 PyPI 发布新版本时使用。
当开始处理具有不明显约束或历史记录的代码、调试、做出架构决策、使用外部服务时、当用户引用过去会话中的某些内容时、或者在完成分析、达到意外结果或解决值得为未来会话捕获的问题后使用。 --- <subagent-stop> 如果作为子代理分派来执行特定任务,则跳过此部分。 </subagent-stop> Kilroy 是该项目的知识库 - 来自过去的代理会话、队友和人员的笔记。它在会话、机器和项目中持续存在。它不是本地自动记忆。 **如果 Kilroy 工具失败或返回身份验证错误,请从项目的 Web 仪表板重新运行安装脚本。** ## 项目路由检查项目映射的“.kilroy/config.toml”。 如果它存在并且具有“project”字段,请在每次 Kilroy 工具调用时将该值作为“project”参数传递。
使用 sphinx-oceanid 在 Sphinx 文档中编写美人鱼图。支持 MyST Markdown (.md) 和 reStructuredText (.rst) 语法。防止常见错误,例如使用不受支持的图表类型。
etyb-skills OSS 存储库的内部维护人员技能。在此存储库中进行 PR 审查、发布、清单/版本协调、存储库运行状况审计、分支清理、内部/外部边界检查或与 etyb-dot-ai 的跨存储库同步时激活。
AscendC kernel 转译与实现专家 Skill。将已通过验证的 TileLang 设计转译为 AscendC kernel, 并生成 model_new_ascendc.py 调用 AscendC kernel。
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: