- 📄 SKILL.md
snippets
当用户要求创建、编辑、管理或共享片段,或询问片段如何工作时必须使用
当用户要求创建、编辑、管理或共享片段,或询问片段如何工作时必须使用
AWS 云安全测试涵盖 S3 错误配置、IAM 滥用、Lambda SSRF、IMDSv1/v2 漏洞利用和 STS 令牌盗窃
通过 SSH 连接到主机“h100_sglang”,进入 Docker 容器“sglang_bbuf”,在“/data/bbuf/repos/sglang”中工作,并使用准备好的 H100 远程环境进行 SGLang **diffusion** 开发和验证。当任务需要扩散模型冒烟测试、Triton/CUDA 内核验证、torch.compile 扩散检查或用于扩散特定 SGLang 更改的安全远程副本时使用。
为任何 AI 工具生成优化的提示。
在处理 supercli 文档时使用此技能 - 编辑 docs/index.html、docs/plugins.html、创建生成文档数据 (meta-plugins.json) 的脚本,或将文档与当前实现对齐。涵盖文档结构、术语约定、脚本模式和珠子问题工作流程。
对 SDK、CLI、MCP 和提示文档进行基准测试和优化,以便每个 LLM 模型都可以使用正确的参数可靠地调用正确的操作。在为项目设置技能优化器、运行基准测试、解释结果、优化 SKILL.md 文件或诊断配置问题时使用。在技能优化器存储库本身内部工作时也可以使用 - 用于针对模拟存储库运行、测试更改或理解代码库。 --- # Skill-optimizer 针对多个 LLM 对您的 SDK/CLI/MCP/提示文档进行基准测试,衡量它们是否使用正确的参数调用正确的操作,并迭代重写您的指导,直到每个模型都达到质量底线。 ## 上下文检测 在执行任何操作之前,请弄清楚您所在的位置: 1. **查找“skill-optimizer.json”**(在 CWD 或父目录中)。如果找到,则您位于**配置的目标项目**中。 在下面的所有命令中使用该文件路径作为“<config-path>”。 2. **查找 `src/cli.ts` 和带有 `"name": "skill-optimizer"`** 的 `package.json`。如果找到,则您位于 **优化器存储库本身**。您可以直接使用开发命令(`npm run build`、`npm test`、`npx tsx src/cli.ts`)。要对目标进行基准测试,请使用“mock-repos/”中的模拟存储库或将“--config”指向外部项目的配置。 3. **都没有找到** - 您处于**未配置的目标项目**中。在继续之前,请阅读“references/setup.md”来搭建配置。 ## 快速参考 |任务|命令 | |------|---------| |初始化配置| `npx 技能优化器初始化 cli\|sdk\|mcp\|提示` | |初始化(非交互式)| `npx 技能优化器 init cli --yes` | |导入 CLI 命令 | `npx 技能优化器导入命令 --from ./src/cli.ts` | |导入(二进制刮擦)| `npx 技能优化器导入命令 --from my-cli --scrape` | |诊断配置| `npx Skill-optimizer doctor --config <配置路径>` | |自动修复配置| `npx 技能优化医生 --fix --config <配置路径>` | |试运行(无法学硕士通话)| `npx 技能优化器运行 -
将当前会话记录捕获到工作区历史记录中。在会话结束或保留对话上下文时使用。
代理的本地优先交叉线束内存。 Syke 观察支持的线束中的活动,将当前的 memex 保留在上下文中,并为代理提供“syke Ask”、“syke context”和“syke record”以实现会话之间的连续性。
从学术医学论文中删除人工智能生成的写作痕迹。在编辑或审阅手稿时使用,可以使它们听起来更自然、更专业。基于维基百科的“人工智能写作的标志”指南,改编为医学文献。
通过“icalBuddy”(读取)和用于创建事件的 AppleScript(“osascript”)查询和管理 macOS 上的 Apple 日历。当用户询问即将发生的事件或添加日历事件时使用。
从数据生成 OpenChart (https://github.com/tryopendata/openchart) 图表、表格、图形和桑基规格,并指导编辑设计决策。在创建可视化、构建图表、渲染数据表、生成 VizSpec JSON、创建网络图、构建 sankey/流程图、回答有关 OpenChart 类型和编码规则的问题,或做出有关图表类型选择、颜色策略、排版、注释和编辑框架的设计决策时使用。还涵盖了超出声明性规范的情况的自定义 D3.js 信息图表。 --- # 使用 OpenChart 进行数据可视化 **核心概念:** 编写 VizSpec JSON 对象,使用 `<Chart>` / `<DataTable>` / `<Graph>` / `<Sankey>` (React/Vue/Svelte) 或 `createChart()` / `createTable()` / `createGraph()` / `createSankey()` (vanilla JS) 进行渲染。引擎进行验证、编译和渲染。 规格是纯 JSON,没有强制绘图。有关渲染引擎,请参阅 https://github.com/tryopendata/openchart。 **需要 CSS。** 必须加载 OpenChart 的样式表才能正确呈现(镶边、表格、工具提示、品牌水印)。框架导入会自动处理此问题,但 CDN/独立 HTML 需要显式 `<link>`: ```html <link rel="stylesheet" href="https://esm.sh/@opendata-ai/openchart-vanilla/styles.css"> ``` 有关详细信息,请参阅[渲染参考](references/rendering.md)。 ## 图表选择决策树 ``` 单值突出显示 -> 使用 chrome.title 作为大数字显示时间 x 轴列? -> 1 系列:线 | 2-5 series: line + color | 6+:过滤到前 5 个分类 + 数字? -> 排名列表:条形(水平)|定期(一月第一季度):条形图(垂直)| 2-6 组成:arc 两个数字列? -> 点(第三/第四暗淡的可选尺寸/颜色) 分类 + 系列 + 数字? -> 堆叠条形图(使用系列颜色) 分布/分布? -> circle (strip plot) Nodes + edges / network? -> 图表(力/径向/分层布局) 阶段之间的流程? -> 桑基
恢复占位符内容。
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: