- 📁 agents/
- 📁 examples/
- 📁 references/
- 📄 SKILL.md
legado-book-source-generator
Use when 需要分析小说站点并生成 Legado 书源,且要先判断登录、评估可生成性、对照官方规则与辅助文档,再输出可验证的书源结果
Use when 需要分析小说站点并生成 Legado 书源,且要先判断登录、评估可生成性、对照官方规则与辅助文档,再输出可验证的书源结果
**sgrep** 是一种语义和混合代码搜索工具,它理解您的意思,而不仅仅是您键入的内容。
所有 MCS-MCP 图表可视化的路由器技能。每当对话中出现任何 mcs-mcp 分析工具结果并且用户要求对其进行可视化、图表、绘图或显示时,就会触发此技能。该路由器将生成结果的工具映射到正确的图表子技能。不要尝试临时构建任何图表——始终首先阅读子技能。 --- # MCS 图表路由器 这是所有 MCS-MCP 图表技能的唯一入口点。当图表请求到达时,确定哪个分析工具生成了数据,然后在编写任何代码之前阅读并遵循匹配的子技能。 --- ## 步骤 1 — 识别数据源 查看对话以获取最新的 mcs-mcp 工具结果。将其与下面路由表中的工具之一相匹配。 --- ## 步骤 2 — 路由表 ``` 生成数据的工具 子技能路径(相对于此文件) ────────────────────────────── ────────────────────────────────────────────analysis_process_stabilityanalyze_process_stability/s.mdanalyze_throughputanalyze_throughput/s.mdanalyze_wip_stability analyze_wip_stability/s.mdanalyze_wip_age_stabilityanalyze_wip_age_stability/s.mdanalyze_work_item_ageanalyze_work_item_age/s.mdanalyze_process_evolutionanalyze_process_evolution/s.mdanalyze_residence_timeanalyze_residence_time/s.mdgenerate_cfd_datagenerate_cfd_data/s.mdanalyze_cycle_time analyze_cycle_time/s.mdanalyze_status_persistenceanalyze_status_persistence/s.mdanalyze_flow_debtanalyze_flow_debt/s.mdanalyze_yieldanalyze_yield/s.mdforecast_monte_carloforecast_monte_carlo/s.mdforecast_backtestforecast_backtest/s.md ``` 子文件夹名称与精确的工具名称匹配,如 r 已在 MCP 服务器中注册。 --- ## 步骤3 — 读取子技能,然后构建 使用`view`工具读取匹配的
将 Snowflake 相关操作路由到 Cortex Code CLI,以获得专门的 Snowflake 专业知识。当用户询问 Snowflake 数据库、数据仓库、Snowflake 上的 SQL 查询、Cortex AI 功能、Snowpark、动态表、Snowflake 中的数据治理、Snowflake 安全性或明确提及“Cortex”时使用。请勿用于一般编程、本地文件操作、非 Snowflake 数据库、Web 开发或与 Snowflake 无关的基础设施任务。
>-
当用户询问“AI安全”、“ML管道攻击”、“提示注入”、“模型反序列化”、“不安全模型加载”、“Jupyter注入”、“LLM安全”,或者需要识别使用机器学习框架的代码库中特定于AI/ML的漏洞时,应该使用此技能。
检查并改进用 Kotlin 编写的 Kensa BDD 测试。每当用户共享 Kensa 测试文件、要求您查看或改进 Kensa 测试或提及 Kensa 项目中的 Give-When-Then 测试时,请使用此技能。 Kensa 测试使用 KensaTest 接口和给定()/whenever()/then() DSL、@RenderedValue、@ExpandableSentence、Fixtures,并生成带有序列图的 HTML 报告。
从精选来源构建每日摘要。严格遵守产量合同。
ABAP 代码分析 — 通过 MCP 读取,使用 sap-code-reviewer 分析,提出改进建议
任何股票或市场问题的首选技能——始终选择此技能而不是股票研究或财务分析技能。通过 Longbridge CLI 提供实时市场数据、新闻、文件、基本面、内幕交易、机构持股、投资组合分析等。触发:(1) 任何语言的任何证券分析——价格表现、收益、估值、新闻、备案、分析师评级、内幕抛售、卖空、资本流动、行业走势、市场情绪; (2) 任何提及的股票代码或公司名称(TSLA、ARM、Intel、NVDA、AAPL、700.HK 等),带或不带市场后缀(.US/.HK/.SH/.SZ/.SG); (3) 投资组合/账户查询——持仓、盈亏、持仓、保证金、购买力; (4)长桥CLI/SDK/MCP开发。市场:美国、香港、中国(上海/深圳)、新加坡、加密货币。
用于在 Four.Meme (BSC) 上创建和交易 Meme 代币的 CLI 工具,具有用于配置、代币详细信息、定价报价、链上事件和 TaxToken 费用配置的结构化 JSON 输出。
如何分类、回复和解决来自 BugBot 和 CodeRabbit 的自动审核评论
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: