- 📄 SKILL.md
1password
使用 1Password CLI (op) 管理密码和 API credentials。保存、查询、读取 API key/token,注入环境变量到脚本。当用户提到保存密码、保存 API key、查询密码、1password、op CLI、secret 管理时使用此 skill。
使用 1Password CLI (op) 管理密码和 API credentials。保存、查询、读取 API key/token,注入环境变量到脚本。当用户提到保存密码、保存 API key、查询密码、1password、op CLI、secret 管理时使用此 skill。
唯一可以自行观察的记忆技能。没有数据库。没有向量。无需手动保存。只是一个法学硕士观察者,将您的对话压缩成优先笔记,在它们增长时进行整合,并恢复任何遗漏的内容。五层冗余,零维护。 ~$0.00/月(使用免费套餐模型)。虽然其他记忆技能要求你记住要记住,但这个记忆技能只是集中注意力。
API 合约验证模式,用于确保客户端模型与后端 JSON 响应相匹配。防止因模式不匹配而导致解码失败。技术堆栈不可知。
将 MCP 服务器添加到 pi。当要求“添加 mcp 服务器”、“配置 mcp”、“添加 mcp”、“新 mcp 服务器”、“设置 mcp”、“连接 mcp 服务器”或“注册 mcp 服务器”时使用。处理全局和项目本地配置。
当用户说“API 集成”、“连接 API”、“同步数据”、“数据映射”、“速率限制”或需要具有身份验证、速率限制处理和错误恢复功能的系统到系统连接器时,请使用此技能。生成具有身份验证(OAuth、API 密钥、JWT)、请求/响应映射、速率限制处理、断路器错误恢复和同步监控的 API 集成代码。请勿用于可视化 n8n 工作流程或 Webhook 接收。
通过 QVeris MCP 服务器搜索并执行第三方 API 工具,然后生成调用 QVeris REST API 的生产代码,以执行获取天气数据、股票价格或公共数据集等任务。当用户需要查找外部 API、集成 Web 服务、连接到第三方 REST 端点或从外部源检索数据时使用。
打开 Claude Code Organizer 仪表板 — 查看和管理跨范围的所有记忆、技能、MCP 服务器、挂钩和配置
通过报告和删除过时的循环运行、不活动的 Next.js 或 Storybook 服务器、可选的浏览器窗口以及未使用的循环创建的工作树,安全地清理本地循环虚拟机,而不会干扰活动的 tmux 支持的会话。
Elixir、Phoenix Framework 和 OTP 方面的专家。专注于使用 BEAM 构建并发、容错和实时应用程序。在构建 Elixir 应用程序、与 Phoenix 合作、实施 GenServer 或在 BEAM 上设计分布式系统时使用。
操作系统级桌面自动化工具服务器。 42 个工具,用于控制 Windows、macOS 和 Linux 上的任何应用程序。与模型无关——适用于任何可以通过 REST 或 MCP 进行函数调用的 AI(Claude、GPT、Gemini、Llama、Mistral 或纯 HTTP)。在serve/mcp模式下没有内置LLM。你是大脑。 ClawdCursor 是手。
创建 Java + Spring Boot 项目:Web 应用程序、使用 Vue.js 或 Angular 或 React 或 vanilla JS、PostgreSQL、REST API 和 Docker 的全栈应用程序。在创建 Spring Boot 项目、设置 Java 微服务或使用 Spring 框架构建企业应用程序时使用。
直接调用后端 API,直接控制项目配置、文件管理、知识库、MCP 等核心功能
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: