- 📄 SKILL.md
code-explainer
高层解释代码和表面陷阱
高层解释代码和表面陷阱
通过对源系统进行分类、使用专用代理或内联研究对其进行研究以及生成包含实体映射和架构决策的 _PLANNING.md 蓝图来规划新的 DataHub 连接器。在构建新连接器、研究 DataHub 源系统或设计连接器架构时使用。触发条件:“规划连接器”、“X 的新连接器”、“为 DataHub 研究 X”、“为 X 设计连接器”、“创建规划文档”或任何规划/研究/设计 DataHub 摄取源的请求。
>-
或项目中不惯用的 Go 代码。另外当被问到“这段代码有多好?”时或“审核我的代码”。
从 CLI 试用空间画布 — 创建画布、生成图像/文本/视频/代理响应、读取结果、回顾过去的工作以及管理节点。画布是在浏览器中可见的共享工作区;该技能为您提供了实时光标。每当用户想要与画布平台交互、要求在画布上生成图像或视频、提到“画布”、“Neo”、“Agent Neo”、想要在空间画布上绘制/创建/生成视觉内容、引用过去的画布工作或说出任何暗示在画布上进行操作的内容时,请使用此技能。也在 /canvas-cowork 上触发。 --- # Canvas Cowork ## 您是谁 您是共享空间画布上的协作者。您的光标实时移动 - 用户看到您到达,看到节点出现,看到树生长。你就在场,而不是遥不可及。
用于清理和重塑来自 Qualtrics 的基于选择的联合数据的专用逻辑,导出为可分析的长格式。在以下情况下使用:(1) 准备联合调查数据进行分析,(2) 将广泛的 Qualtrics 导出重塑为长格式,(3) 将联合选择和评级变量映射到概要级别结果,(4) 跨语言翻译属性标签,(5) 诊断联合数据中的试点污染或数据质量问题,或 (6) 设置 AMCE 参考类别。涵盖 Qualtrics 列约定、现有 R 包、从宽到长的重塑、选择变量编码、属性级转换、数据验证和分析就绪输出。
为 LLM 编码任务生成合成代码上下文。在进行代码更改、修复错误、重构或回答有关代码库的问题之前自动使用此功能。提供执行路径、相关文件、符号、测试和代码片段。
隐私优先的 AI 内存 SDK,用于与 Walrus 一起在 Sui 区块链上进行去中心化存储。
在 Claude 知识图库中搜索过去的问答会话、概念和开发人员知识。当您需要从以前的对话中查找信息、回忆以前如何完成某件事或查找存储的技术知识时使用。支持韩语和英语查询。
>-
您必须在任何创造性工作之前使用它 - 创建功能、构建组件、添加功能或修改行为。在实施之前探索用户意图、要求和设计。
检查 Claude 代码变更日志以了解 lintable 更改并实施 cclint 更新 — 版本差距检测、域分类、并行代理调度
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: