将任何代码库转变为精美的交互式单页 HTML 课程，向非技术人员教授代码的工作原理。每当有人想要从代码库或项目创建交互式课程、教程或教育演练时，请使用此技能。当用户提到“将其变成课程”、“交互式解释此代码库”、“教授此代码”、“代码交互式教程”、“代码库演练”、“从此代码库学习”或“从此项目制作课程”时也会触发。这项技能可以生成令人惊叹的、独立的 HTML 文件，其中包含基于滚动的导航、动画可视化、嵌入式测验以及带有简单英语并排翻译的代码。
如何按照既定的编程风格、模式和约定来开发、修改和扩展 Claude Code 代码库。在处理 claude 代码源时使用此技能 - 添加工具、命令、实用程序、组件、类型、挂钩、服务或修复错误。当用户询问克劳德代码架构、编码标准、文件组织或想要了解代码库如何工作时也可以使用。这项技能可确保所有贡献都与现有代码库风格完全匹配。
当需要代码搜索（无论是明确请求还是作为完成任务的一部分）、在更改后索引代码库时，或者当用户询问 ccc、cocoindex-code 或代码库索引时，应该使用此技能。触发短语包括“搜索代码库”、“查找相关代码”、“更新索引”、“ccc”、“cocoindex-code”。
分析现有代码库以了解结构、模式和技术债务
为代码库的特定区域生成简洁的 .instructions.md 文件，范围仅限于匹配某些模式的文件。
将 AI 生成的代码编辑从响应文件应用到本地代码库。
自动分析代码库并生成零配置架构图。当用户要求“绘制此存储库的图表”、“可视化架构”、“自动绘制图表”或请求代码库概述而不指定组件时使用。当用户提供具体描述、示例图或组件列表时，请勿使用 - 请改用 exalidraw 技能。
分析代码库、创建项目文档、生成可重建的代码库索引并更新 AGENTS.md。在 /5:implement-feature CONFIGURE 期间使用。
执行结构化代码库健康评估并将结果附加到 docs/health-log.md。当要求检查代码库运行状况时使用。
该代码库的核心约定和模式
在搜索代码库（文本、结构/AST、按名称的文件、PDF/档案、代码统计）或在任务之前构建上下文时使用。
分析代码库并生成动画 HTML 架构报告 - 漂亮的定制可视化效果，带有交互式动画图表，显示系统如何工作。每当用户要求“可视化代码库”、“解释架构”、“生成图表”、“显示代码如何流动”、“创建架构图”、“动画数据流”、“直观地解释此存储库”、“向我展示其工作原理”或“生成架构报告”时，请使用此技能。 --- # Codebase Visualizer 分析代码库并生成带有动画流程图的漂亮、独立的 HTML 架构输出。 ===================================================================== 输出模式 ======================================================================= /archflow → 完整架构报告（默认） /archflow-diagram → 仅动画图（传统、独立） /archflow-slides → 幻灯片演示 ======================================================================= 工作流程 — 完整报告（默认：/archflow） ======================================================================= 1. 分析 阅读references/analysis.md → 扫描代码库 阅读references/layouts.md → 决定图表布局模式 2. 思考（编码前确定视觉方向） 阅读references/design-system.md → CSS 模式库 阅读references/libraries.md → 字体、Mermaid、CDN 导入 阅读references/design-qa.md → 质量门
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：
