- 📄 meta.yaml
- 📄 SKILL.md
- 📄 SKILL.rhai
blockcell
- 适合获取最新 AI / 大模型 / 生成式 AI 新闻、热点和来源列表。
- 适合获取最新 AI / 大模型 / 生成式 AI 新闻、热点和来源列表。
遵循 Rhetoric of Decks 哲学,创建并编译精美的 Beamer 演示文稿。在制作幻灯片、创建幻灯片或编译 .tex 演示文稿文件时使用。
通过 shell 将编码任务委托给外部编码代理(Claude Code、Codex、Pi、OpenCode)。在以下情况下使用:(1) 在单独的项目中构建新功能或应用程序,(2) 审查 PR,(3) 重构大型代码库,(4) 需要文件探索的迭代编码。不适用于:简单的单行修复(直接编辑)、读取代码(使用读取/文件工具)或在 SwarmClaw 工作区本身内工作。
Git 用于代理身份 — 一个身份,任何应用程序
创建和使用brand.yml文件,以在Shiny应用程序和Quarto文档中保持一致的品牌。在 Shiny 或 Quarto 项目中处理品牌样式、颜色、字体、徽标或企业标识时使用。涵盖:(1) 根据品牌指南创建新的 _brand.yml 文件,(2) 使用 bslib 将brand.yml 应用到 Shiny for R 应用程序,(3) 使用 ui.Theme 将brand.yml 应用到 Shiny for Python 应用程序,(4) 在四开本文档、演示文稿、仪表板和 PDF 中使用brand.yml,(5) 修改现有的brand.yml 文件,(6) 解决品牌集成问题。包括完整的规范和特定于框架的集成指南。
AI 代理的持久记忆增强。存储对话、通过语义检索搜索记忆以及跨会话回忆上下文。当您需要记住用户首选项、过去的对话、项目上下文或任何应在当前会话之后保留的信息时,请使用此技能。提供分层访问(摘要/概述/内容)以实现高效的上下文管理。
生成 Genkit Dart SDK 的代码并提供文档。当用户要求在 Dart 中构建 AI 代理、使用 Genkit 流程或将 LLM 集成到 Dart/Flutter 应用程序时使用。
通过 ktui CLI 进行全面的看板和任务管理。用于项目跟踪、待办事项列表、任务依赖性、工作流程自动化和看板管理。当用户提及看板、任务、看板或项目管理时激活。如果“ktui”命令不可用,但“uv”可用,请改用“uvx kanban-tui”。
进行竞争对手研究并生成具有市场定位见解的详细分析报告。涵盖功能比较、定价分析、SWOT 和战略建议。
审核第三方 AI API 中继/代理服务是否存在安全风险。检测隐藏提示注入、提示泄漏、指令覆盖、身份劫持(中国市场替代)、越狱漏洞、上下文截断、工具调用包替换(AC-1.a)、错误响应头泄漏(AC-2相邻)、SSE级流完整性异常(AC-1流)、Web3提示注入(慢雾签名隔离)。使用场合:测试中继、审计API、审计中继、检测注入、中继安全、API中继审计、该中继安全吗、是否注入提示、测试代理API、检查API密钥、中转站安全、测试中转站、中转站审计。
当用户说“API 集成”、“连接 API”、“同步数据”、“数据映射”、“速率限制”或需要具有身份验证、速率限制处理和错误恢复功能的系统到系统连接器时,请使用此技能。生成具有身份验证(OAuth、API 密钥、JWT)、请求/响应映射、速率限制处理、断路器错误恢复和同步监控的 API 集成代码。请勿用于可视化 n8n 工作流程或 Webhook 接收。
跨 Claude Code、Codex、Gemini 和 Cursor 引擎管理持久编码会话。在编排多引擎编码代理、启动/发送/停止会话、运行多代理理事会协作、跨会话消息传递、ultraplan 深度规划、ultrareview 并行代码审查或在运行时切换模型/工具时使用。在“开始会话”、“发送到会话”、“运行委员会”、“ultraplan”、“ultrareview”、“切换模型”、“多代理”、“编码会话”、“会话收件箱”、“光标代理”上触发。
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: