- 📄 SKILL.md
pendle-data
查询 Pendle Finance 市场数据、资产元数据、APY 分析和收益策略见解。当用户询问 Pendle 市场、隐含 APY、固定收益率、PT/YT/LP 代币、基础 APY、流动性或想要比较、查找或过滤市场时激活。
查询 Pendle Finance 市场数据、资产元数据、APY 分析和收益策略见解。当用户询问 Pendle 市场、隐含 APY、固定收益率、PT/YT/LP 代币、基础 APY、流动性或想要比较、查找或过滤市场时激活。
用于分阶段实施、锁定工件、后期收据和持久内存维护的存储库工作流编排技能。在执行递归模式运行、恢复运行、锁定阶段或验证锁时使用。
使用提供的市场数据生成三个固定交易时段的结构化 A 股市场评论:开市后 30 分钟内、中午收盘后和收盘后。当用户想要基于真实 A 股输入的事实市场观察、盘中评论或日终评论内容时,可以使用此技能。请勿将其用于选股、交易建议或无数据的捏造评论。
掌握波士顿市政策分析和公民创新的工作流程技能。对于涉及波士顿城市数据、城市服务、社区公平、公共政策、政府绩效、311 分析、住房、安全、交通或任何公民问题的任何请求,请始终使用此技能 - 即使用户没有明确要求“全面分析”。该技能协调了五个子技能:城市问题框架(受彭博社启发)、城市政策分析(受 J-PAL 启发)、城市沟通(受 GovLab/InnovateUS 启发)、城市基准测试(使用旧金山、西雅图和华盛顿数据的跨城市比较)和城市绩效管理(美国结果/PerformanceStat)。 将此技能用于:“全面分析”、“政策简报”、“数据驱动的建议”、“城市改善项目”、“调查[问题]”、“将波士顿与其他城市进行比较”、“数据显示什么”、“帮我写一份备忘录”,或出于政府或公民目的而结合问题定义、数据分析和沟通的任何请求。
针对应用程序代码中的 Memory.sh SDK 包进行构建。在使用 `@memories.sh/core` 或 `@memories.sh/ai-sdk` 时使用,包括:(1) 初始化 `MemoriesClient`,(2) 从后端代码、路由处理程序、worker 或脚本读取、写入、搜索或编辑内存,(3) 通过 `memoriesMiddleware`、`memoriesTools`、`preloadContext` 将内存与 Vercel AI SDK 集成,或`createMemoriesOnFinish`,(4) 选择并应用 `tenantId` / `userId` / `projectId` 范围,(5) 管理 SDK 技能文件或管理 API,或 (6) 调试 TypeScript 或 JavaScript 应用程序中的内存 SDK 使用情况。使用 `memories-cli` 进行 CLI 工作流程,使用 `memories-mcp` 进行 MCP 设置,使用 `memories-dev` 进行 monorepo 内部。
使用 Canvas 2D 搭建支架并构建 Splunk 自定义可视化
通过重复运行、根据二进制评估对输出进行评分、改变提示并保持改进,自动优化任何克劳德代码技能。基于 Karpathy 的自动研究方法。使用时间:优化此技能、改进此技能、运行自动研究、使此技能更好、自我改进技能、基准技能、评估我的技能、运行评估。输出:改进的 SKILL.md、结果日志以及尝试的每个突变的变更日志。
当您需要评估、改进或优化现有 LLM 代理的输出质量时,请使用此选项 - 包括提高工具选择准确性、答案质量、降低成本或解决代理给出错误/不完整响应的问题。使用 MLflow 评估与数据集、评分器和跟踪系统地评估代理。重要信息 - 在开始任何工作之前,始终加载 Instrumenting-with-mlflow-tracing 技能。涵盖端到端评估工作流程或单个组件(跟踪设置、数据集创建、评分器定义、评估执行)。
将网页总结为清晰的要点。
>-
提供 Claude Agent SDK(以前称为 Claude Code SDK)的本地文档。
AUD 工件的规范对账运行表。创建或更新审计,处理每项发现,协调规范/合同,并仅在审计状态支持时才移交关闭。
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: