- 📁 references/
- 📄 SKILL.md
tla-precheck
使用 TLA PreCheck TypeScript DSL 设计和验证状态机。在构建计费流程、订阅生命周期、代理编排、队列处理、部署管道或任何关键状态机(其中错误意味着数据损坏、用户卡住或静默故障)时使用。在 .machine.ts 文件、状态机设计任务或需要状态转换的形式验证时触发。
使用 TLA PreCheck TypeScript DSL 设计和验证状态机。在构建计费流程、订阅生命周期、代理编排、队列处理、部署管道或任何关键状态机(其中错误意味着数据损坏、用户卡住或静默故障)时使用。在 .machine.ts 文件、状态机设计任务或需要状态转换的形式验证时触发。
- 探索 runpod-flash 框架代码库
当用户需要本地优先的知识库来将持久的 Markdown、图表、搜索、仪表板、评论和 MCP 工件从书籍、笔记、记录、导出、数据集、幻灯片、文件、URL、代码和重复源工作流写入磁盘时,请使用 SwarmVault。
使用 Age 加密和解密文件或流 — 一种简单、现代且安全的加密工具,具有小型显式密钥、密码短语支持、SSH 密钥支持、后量子混合密钥和 UNIX 风格的可组合性。没有配置选项,没有脚枪。
具有权限和策略的基于角色的访问控制 (RBAC)。用于管理仪表板、企业访问、多租户应用程序、细粒度授权或遇到权限层次结构、角色继承、策略冲突。
将杂乱的提示转变为结构化、有效的提示——单代理、多代理或根据出色的输出进行逆向工程。
OPC——一人公司。基于有向图的任务管道,具有独立的多角色评估。与专业代理一起构建、审查、分析和集思广益。每条路径都以评估结束。 /opc <任务>、/opc -i <任务>、/opc <角色> [角色...]
召开高智商委员会——与历史思想家进行多角色审议,对复杂问题进行更深入的分析。
构建或调整静态前端应用程序和迷你游戏,使它们匹配 Nima Tech Space 上传格式,可选择连接平台 LLM API,打包兼容的 zip,并将其上传到网站。当 Codex 需要帮助 OpenClaw 用户创建、改造、打包、验证或发布平台的应用程序/游戏时使用。
每当用户想要安装、配置或使用通用版本管理器 asdf (asdf-vm) 时,请使用此技能。触发任何提及 asdf、.tool-versions 文件、管理运行时版本、在 Node.js、Python、Ruby、Go、Terraform、kubectl、Java、Erlang、Elixir 或由 asdf 管理的任何其他工具的版本之间切换。从 nvm、pyenv、rbenv、goenv、tfenv 或类似的单语言版本管理器迁移时也会触发。使用此技能可以获得 asdf 插件、asdf 安装、asdf 设置/全局/本地、垫片故障排除、Fish/Bash/Zsh shell 配置和多项目版本隔离工作流程的帮助。
在访问 Alchemy API 进行 RPC 调用、代币余额、NFT 元数据、资产转移、交易模拟或 Alchemy 特定功能时使用。当用户提到“SIWE”、“SIWS”、“x402”、“MPP”、“mppx”或“代理网关”时也可使用 - 此技能涵盖 EVM(以太坊、Base、Polygon)和 SVM(Solana)上 Alchemy x402 和 MPP 协议的基于钱包的身份验证流程。
AI 图像生成创意总监由 Google Gemini Nano Banana 模型提供支持。使用此技能来满足涉及图像创建、编辑、视觉资产制作或创意指导的任何请求。触发条件:生成图像、创建照片、编辑此图片、设计徽标、制作横幅、我的任何内容的视觉效果以及所有 /banana 命令。处理文本到图像、图像编辑、多轮创意会话、批处理工作流程和品牌预设。
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: