AI技能的总协调员。从多个来源（SkillsMP.com、SkillHub 和 ClawHub）发现技能，管理 Claude Code、Gemini CLI、Google Anti-Gravity、OpenCode 和其他 AI 工具的安装和同步。处理用户级（全局）和项目级（本地）范围。
在运行promptminder或promptminder-agent命令、设置PROMPTMINDER_TOKEN、传递--team用于工作区范围、处理JSON stderr错误（例如“缺少令牌”或HTTP 401）或使用具有点符号操作和--input JSON的代理包装器时使用。
人工智能与实时屏幕和音频上下文配对编程。当用户想要录制屏幕、开始/停止录制或从他们正在做的事情中获取上下文时使用。
针对科学数据文件的全面 EDA — 200 多种格式的结构、内容、质量和特征分析。在分析任何数据文件时使用，以了解其结构、质量和下游分析建议。
使用建议的平衡基线安装或启用安全克劳德代码。
在 Kubernetes 上编写、调试和操作 Kelos 资源（Task、Workspace、AgentConfig、TaskSpawner）。使用 Kelos CRD 或 kelos CLI 时使用。
用于 AI 代理的 React DevTools CLI。当用户要求您在运行时调试 React 或 React Native 应用程序、检查组件 props/state/hooks、诊断渲染性能、分析重新渲染、查找缓慢组件或了解某些内容重新渲染的原因时使用。触发器包括“为什么要重新渲染”、“检查组件”、“X 有什么 props”、“分析应用程序”、“查找缓慢的组件”、“调试 UI”、“检查组件状态”、“应用程序感觉很慢”或任何 React 运行时调试任务。
在运行演示录制、诊断录制失败或从现有 MP4 重新生成 GIF 时使用。涵盖了 Docker + VHS + ffmpeg 管道。 --- # VHS 演示录制 使用此技能来运行、调试或重新生成 gh-infra 演示 GIF 录制。 ## 何时使用 - 直接运行 `make demo` 或 `docs/tapes/vhs.sh` - 诊断录制失败或生成 0 字节 GIF 的原因 - 从现有 MP4 重新生成 GIF，无需重新录制 - 了解录制管道 ## 先决条件 - Docker 必须运行 - Go 工具链（用于交叉编译 Linux 二进制文件） ## 管道 ```text make demo 1. go build -o docs/tapes/.gh-infra (GOOS=linux GOARCH=amd64) 2. docs/tapes/vhs.sh docker 构建 → gh-infra-vhs 映像 (VHS + vim)对于并行的每个 *.tape： docker run --memory=1g --cpus=2 → 生成 .mp4 c． 对于每个 .mp4 按顺序： docker run jrottenberg/ffmpeg:7-alpine → 生成 .gif 3. 将 GIF 复制到 docs/public/ 4. 清理 .gh-infra 二进制文件 ``` ## 为什么 MP4 → GIF 而不是直接 GIF 当多个容器在 macOS 上并行运行时，VHS 的内置 GIF 输出不可靠。解决方法是仅从 VHS 输出 MP4，然后通过 ffmpeg 使用高质量设置（lanczos 缩放、sierra2_4a 抖动、256 色）转换为 GIF。 ## 关键文件 |文件|角色 | |------|------| | `docs/tapes/vhs.sh` | Orchestrator：并行录制+顺序GIF转换| | `文档/磁带/Dockerfile` | `ghcr.io/charmbracelet/vhs` + vim | | `docs/tapes/*.tape` | VHS 场景文件 | | `docs/tapes/setup*.sh` |每个演示设置脚本（模拟数据、gh 包装器）| | `文档/磁带/mock-gh` | `gh` CLI 的通用模拟 | | `docs/tapes/.gh-infra` |交叉编译的 Linux 二进制文件（临时）| ## 输出位置 - 原始录音：`docs/tapes/*.mp4` 和 `docs/tapes/*.gif` - 已发布资源：`docs/public/demo*.gif`（由 Makefile 复制） ## 环境变量 `make demo` 通过 `-e` 标志将 `DEMO_ENV` 变量转发到 Docker。使用它来将环境覆盖（例如`GH_INFRA_OUTPUT`）传递到
编写有效的架构决策记录。在以下情况下使用：(1) 创建新的 ADR，(2) 记录设计决策，(3) 用户提及 ADR、决策、权衡或替代方案
使用蒙特卡罗的可观测性数据调查数据事件并查找根本原因。指导代理进行系统调查：警报查找、沿袭跟踪、ETL 检查、查询分析和数据分析。当用户询问数据问题、事件、警报或数据看起来错误的原因时激活。
仅当用户按名称请求时才调用 trycycle。
使用受电影启发的视觉系统、导演驱动的艺术指导、故事板优先的布局规划和电影动作来设计和构建网站。当用户请求电影网站、电影风格的登陆页面、导演风格的 UI、黑色电影、科幻、浪漫、惊悚、动作、动画或类似电影的网站美学（包括用中文表达的请求）时使用。除非用户明确想要电影或导演参考，否则请勿用于通用网页设计。
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：
