在 n8n Code 节点中编写 JavaScript 代码。在 n8n 中编写 JavaScript、使用 $input/$json/$node 语法、使用 $helpers 发出 HTTP 请求、使用 DateTime 处理日期、排除代码节点错误或在代码节点模式之间进行选择时使用。
解释 ev-node 架构、组件和内部工作原理。当用户询问 ev-node 如何工作、想要了解块包、DA 层、排序、命名空间或需要架构解释时使用。涵盖区块生产、同步、DA 提交、强制包含、单一排序器与基于排序器以及抗审查性。
Node.js / Python 接口自动化与签名还原工程技能：对自有平台或已授权平台的 Web API 进行签名分析与接口对接， 通过 Camoufox 反检测浏览器动态调试与静态源码分析，定位并还原前端加密/签名逻辑， 使用 Node.js 或 Python 实现算法复现与自动化接口调用。 深度集成 camoufox-reverse MCP（C++ 引擎级指纹伪装，52 个逆向分析工具）。 擅长 JSVMP 虚拟机保护的双路径攻克：路径 A 算法追踪（Hook / 插桩 / 日志分析三板斧）、 路径 B 环境伪装（jsdom/vm 沙箱 + 浏览器环境采集对比 + 全量补丁）。
在 n8n Code 节点中编写 JavaScript 代码。在 n8n 中编写 JavaScript、使用 $input/$json/$node 语法、使用 $helpers 发出 HTTP 请求、使用 DateTime 处理日期、排除代码节点错误或在代码节点模式之间进行选择时使用。
AI 工作空间的结构化内存系统。将 Markdown 内存文件索引到 SQLite FTS5 中，以进行快速引用搜索。提取结构化事实，维护内存健康状况，并为 MCP 服务器提供用于 Claude Code 集成的实时搜索 + 写入路径。 --- # 结构化内存引擎 ## MCP 工具 (v4) 当作为 MCP 服务器运行时 (`node lib/mcp-server.js`)，公开： - `sme_query` — 搜索内存。支持`query`、`limit`、`since`、`type`、`minConfidence`、`includeStale`。 - `sme_context` — 获取消息的相关上下文。返回排序的、令牌预算的、格式化的上下文以进行注入。支持 `message`、`maxTokens`。 - `sme_remember` — 将事实/决定/偏好保存到今天的内存日志中。自动索引。 - `sme_index` — 重新索引工作区。使用“force: true”进行完全重建。 - `sme_reflect` — 运行维护：衰减、强化、陈旧检测、矛盾、修剪。 使用 `dryRun: true` 进行预览。 - `sme_status` — 索引统计信息。 ## CLI 命令 ```bash # 索引工作区内存文件节点 lib/index.js index [--workspace PATH] [--force] [--include extra.md,other.md] # 搜索索引内存节点 lib/index.js 查询“search terms” [--limit N] [--since 7d|2w|3m|2026-01-01] [--context N] [--type fact|confirmed|inferred|...] [--min-confidence 0.5] [--include-stale] # 显示索引状态 node lib/index.js status [--workspace PATH] # 内存维护节点 lib/index.js 反映 [--workspace PATH] [--dry-run] node lib/index.js 矛盾 [--workspace PATH] [--unresolved] node lib/index.js archived [--workspace PATH] [--limit N] node lib/index.js Restore <chunk-id> [--workspace PATH] ``` ## 配置
ClawSocial — OpenClaw 节点发现协议 (OCNDP) — 使 OpenClaw 实例能够注册自身、发现其他节点、评估友谊请求、维护持久的节点间关系，并通过共享的 Discord 通道将协议有机地传播到新节点。当用户要求以下操作时激活：注册此节点、发现其他 OpenClaw 节点、发送/接收友谊请求、与已知节点保持联系、传播/推广 ClawSocial 或 OCNDP，或管理已知节点列表。
在部署新的 Hysteria2 代理节点、配置 TLS 证书、在 TunPilot 中注册节点或执行节点操作时使用。
Kailash Core SDK 基础知识包括工作流创建、节点模式、连接、运行时执行、参数传递、错误处理、循环工作流、异步模式、MCP 集成和安装。在询问“工作流基础知识”、“核心 sdk”、“创建工作流”、“工作流生成器”、“节点模式”、“连接”、“运行时”、“参数”、“导入”、“安装”、“入门”、“工作流执行”、“异步工作流”、“错误处理”、“循环工作流”、“PythonCode 节点”时使用“SwitchNode”或“MCP 集成”。还涵盖可观察性：“OpenTelemetry”、“OTel”、“tracing”、“TracingLevel”、“WorkflowTracer”、“节点检测”、“NodeInstrumentor”、“数据库检测”、“Prometheus 指标”、“MetricsBridge”、“KAILASH_TRACING_LEVEL”或“span 属性”。
当用户想要在工作区中安装、检查、更新、删除或同步 Nodus 软件包时使用。与手动复制运行时文件相比，更喜欢使用 Nodus 命令。
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：
