每日精选skills数量
05/08
05/09
05/10
05/11
05/12
05/13
05/14
♾️免费开源 🛡️安全无忧
导入技能
KonghaYao
from GitHub
工具与效率
通过访谈式问答创建结构化的 issue 文档。当用户说"记一个 issue"、"创建一个问题"、 "我遇到一个 bug"、"这里有个问题要记下来"、"帮我记录一下这个问题"、 "有个技术债要记"、"这个需要重构"时立即触发。 也适用于用户描述了一个问题、异常行为、代码坏味道、性能瓶颈、安全风险等场景， 即使没有明确说"创建 issue"，只要用户在描述一个值得记录的技术问题就应触发。 与 fix-issue 不同，本 skill 专注于信息收集和文档化，不执行修复。 与 interview 不同，本 skill 有明确的输出格式（issue 文档）和分类评级逻辑。 --- # issue-create: 访谈式 Issue 文档创建 通过结构化访谈帮用户把遇到的问题转化为高质量的 issue 文档。你是一个善于倾听的记录员——通过提问还原用户遇到的场景、补充细节、准确定性，最终产出一份完整的 issue 文档。 ## 核心原则 1. **忠实记录，不分析不修复**：你的任务是还原用户遇到的情况，不是排查根因、不是提出修复方案。把分析和修复留给 fix-issue 或后续处理 2. **读代码辅助提问**：用户提到文件、模块、函数时，立即去读相关代码。目的是更好地理解用户描述的上下文，提出更精准的问题，而不是为了排查根因 3. **不问显而易见的问题**：如果读代码就能知道的事（比如文件有多少行、函数签名是什么），不要问用户 4. **一次一个问题**：每个 AskUserQuestion 只问一件事，提供 2-4 个选项 + 推荐项 5. **所有面向用户的文本使用中文** 6. **访谈过程中可以穿插代码阅读**，不需要等访谈结束才读代码 7. **代码阅读是访谈的一部分**——读到有价值的信息时，用它来调整后续问题，但仅用于理解用户描述的场景 ## 访谈流程 ### 阶段零：历史 Issue 检查（在提问之前） 收到用户描述后，**立即**在提问之前执行以下步骤： 1. **搜索已有 issue**：用 Grep 在 `spec/issues/` 中搜索与用户描述相关的关键词（文件名、模块名、错误信息、现象描述等） 2. **判断匹配度**： - **精确匹配**（同一个 bug 的不同表现 / 同一模块的同类问题）→ 走「更新已有 Issue」流程 - **部分相关**（不同模块但同类问题）→ 在新 issue 中关联引用 - **无匹配** → 走正常新建流程 ### 更新已有 Issue 的流程 当找到匹配的历史 issue 时： 1. 向用户确认："找到了相关 issue `spec/issues/xxx.md`（状态：Fixed/Open），是否更新这个 issue 而不是新建？" 2. 用户确认后： - **Fixed → Reopen**：更新状态为 `Reopen`，保留原有修复记录，追加新的现象/数据到「症状详情」段落 - **Open → 追加**：在「症状详情」下追加新的观察，更新优先级（如果新信息表明问题更严重） - **Fixed + Verify → Reopen**：同 Fixed → Reopen 3. 输出更新摘要而非新建摘要： ``` ✅ Issue 已更新 → spec/issues/YYYY-MM-DD-<slug>.md 操作：[Reopen/追加] | 原状态：[Fixed/Open] 新增内容：[简述追加了什么] ``` **更新格式**：在已有 issue 的「症状详情」段落末尾追加新的子段，用 `### 现象 N（Reopen 日期）` 标题分隔，保留完整历史。不删除或覆盖原有内容。 ### 阶段一：理解初始描述 用户通过 `$ARGUMENTS` 输入了他们遇到的问题。 1. **分析输入**：理解用户在描述什么类型的问题 2. **提取线索**：从描述中提取提到的文件名、模块名、函数名、错误信息等 3. **主动读代码**：对提到的文件/模块进行 Read/Grep，建立初步理解 4. **提出第一个问题**：基于代码理解，问用户最关键的一个缺失信息 **不要**：问"能不能详细说说？"这种开放式问题。用户已经给了初始描述，你应该通过代码阅读来理解上下文，然后问具体的、有技术深度的问题。 ### 阶段二：场景还原 围绕问题类型选择最相关的维度。不要机械地逐项提问——根据已读代码的理解，只问真正缺失的信息。 **Bug/异常行为类**： - 复现条件：必现还是偶发？是否有明确的触发步骤？ - 期望行为 vs 实际行为 - 错误信息、日志、堆栈（如果有） - 影响范围：哪些用户/场景受影响？ **重构/技术债类**： - 当前代码的主要问题是什么？（职责混乱？耦合过紧？重复
Skills文件组织结构基本样例（仅作参考）
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
SKILL.md 内容要求
├─ ⭐ 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）
为什么选择 SkillWink？
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。
AI 语义搜索
关键词检索
版本更新
多维排序
开放标准
评论交流
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。
常见问题解答（FAQ）
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。
1，什么是Agent Skills?
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。
2，Skills是怎么运行的？
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。
3，我该怎么快速找到想要的技能？
推荐 3 种方式组合使用：
- 语义搜索：用一句自然语言描述你想解决的问题；
- 多维筛选：按分类/标签/作者/语言/许可证过滤；
- 排序对比：按下载、点赞、评论、最近更新等维度排序，快速筛出“更可能好用”的技能。
4，SkillWink 支持哪些导入方式？
- 上传归档文件导入：.zip / .skill 一键导入（推荐）
- 上传skills文件夹
- 从GitHub仓库导入
注：以上导入方式文件大小控制在10M之内。
5，在Claude / Codex 等系统中如何是使用？
常见路径如下（不同系统略有差异，以你本机为准）：
- Claude Code：~/.claude/skills/
- Codex CLI：~/.codex/skills/
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”。
6，一个技能能不能被多个工具一起用？
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。
7，这些skills使用安全吗？
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。
8，为什么我导入后“没有生效”？
最常见原因是这几类：
- 放错目录（路径不对、层级多了一层）
- SKILL.md 缺字段或格式不规范（名称/入口/依赖不完整）
- 依赖未安装（Python/Node/CLI 工具缺失）
- 工具未重新加载技能（某些环境需要重启/刷新）
9，SkillWink 会不会收录重复或低质量技能？
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前：
- 重复技能：看差异点（更快/更稳定/更强主题能力）
- 低质量技能：我们会定期清理低质量skills