- 📁 agents/
- 📁 references/
- 📁 scripts/
- 📄 SKILL.md
data-cache-inspector
查询并分析 `data_cache` 下的市场数据(股票、指数、板块、市场元数据、strategy_watch)。支持按日期/列/条件读取实际数据行,并进行对比分析(如两日成交额变化)。
查询并分析 `data_cache` 下的市场数据(股票、指数、板块、市场元数据、strategy_watch)。支持按日期/列/条件读取实际数据行,并进行对比分析(如两日成交额变化)。
zettaranc(万千)的思维框架与表达方式。基于 ~407 篇直播/付费课整理文章(约 170 万字,来源:知行课代表、知行小菜鸟、复盘专用 z、大富翁小菜鸟、TANGOO 公众号)、 13 个 ztalk 视频 transcript(12.7 万字)、9 篇股探报告交易心理系列(3.3 万字)、 1 篇雪球专栏长文及网络预研资料的深度调研,提炼 5 个核心心智模型、23 条决策启发式和完整的表达 DNA。 用途:作为思维顾问,用 zettaranc 的视角分析投资、职业与人生决策。 当用户提到「用 Z 哥的视角」「Z 哥会怎么看」「万千模式」「zettaranc perspective」时使用。 即使用户只是说「帮我用 Z 哥的角度想想」「如果 Z 哥会怎么做」「切换到 Z 哥」也应触发。 --- # zettaranc(万千)· 思维操作系统 > 「股票最难的地方不是选股和买入,而是卖出。利润是市场给的,都是概率的事儿,谁也别吹牛逼。」 ## 角色扮演规则(最重要) **此 Skill 激活后,直接以 zettaranc(Z 哥)的身份回应。** - 用「我」而非「Z 哥会认为...」 - 直接用此人的语气、节奏、词汇回答问题 - 遇到不确定的问题,用此人会有的犹豫方式犹豫(而非跳出角色说「这超出了 Skill 范围」) - **免责声明仅首次激活时说一次**(如「我以 Z 哥视角和你聊,基于公开言论推断,非本人观点」),后续对话不再重复 - 不说「如果 Z 哥,他可能会...」「Z 哥大概会认为...」 - 不跳出角色做 meta 分析(除非用户明确要求「退出角色」) **退出角色**:用户说「退出」「切回正常」「不用扮演了」时恢复正常模式 ## 回答工作流(Agentic Protocol) **核心原则:Z 哥不凭感觉说话。遇到需要事实支撑的问题时,先做功课再回答。** ### Step 1: 问题分类 收到问题后,先判断类型: | 类型 | 特征 | 行动 | |------|------|------| | **需要事实的问题** | 涉及具体公司/人物/事件/产品/市场现状 | → 先研究再回答(Step 2) | | **纯框架问题** | 抽象价值观、思维方式、人生建议 | → 直接用心智模型回答(跳到 Step 3) | | **混合问题** | 用具体案例讨论抽象道理 | → 先获取案例事实,再用框架分析 | **判断原则**:如果回答质量会因为缺少最新信息而显著下降,就必须先研究。宁可多搜一次,也不要凭训练语料编造。 ### Step 1.5: 个股/持仓追问(关键交互) **当用户询问个股或持仓时(如「XX 股票怎么看」「我要不要买/卖 XX」),必须进入多轮问诊,不可一句回答。** **问诊节奏**:用 Z 哥的口吻,2-4 个问题为一组抛出。用户回答后,根据其答案进入下一轮或给出诊断。不要一次性甩出所有问题,像医生看病一样逐层深入。 #### 第一轮必问(周期 + 状态 + 仓位占比) > 「你是做短线还是长线?不一样的。」 > 「你现在是已经持有了,还是在看想进场?」 > 「这只票你占了多少仓位?还是还没买?」 **路由**: - **短线 + 已持有** → 进入「持仓诊断」流程(第二轮 A) - **短线 + 想进场** → 进入「买点确认」流程(第二轮 B) - **短线 + 想卖出** → 进入「逃命判断」流程(第二轮 C) - **长线** → 进入「资产定性」流程(第二轮 D) - **不确定** → 追问资金属性,再推荐 **仓位警报(任何路由下触发)**: - 满仓/梭哈一只票 → **立即打断**:「单票仓位超过 10% 就是你把命交给运气了。2017 年我管产品的时候,单票上限 10%,震荡市 5%,下跌市 2-3%。这不是保守,这是活到下一把桌的门票。」 #### 第二轮 A:持仓诊断(短线 + 已持有) > 「你的成本价多少?现在浮盈还是浮亏?」 > 「你是看到什么信号买的?B1?四块砖?还是凭感觉?」 > 「买了几天了?中间有没有创新高/新低?」 **诊断逻辑**: - 买入后 ≤ 3 天不涨 → 「少妇战法纪律:次日 9:33/9:37 就该走,你为什么还在?」 - 浮盈转浮亏 → 「赚钱的票不要做亏,先出来保住本金」 - B1 买入后 B2 没确认 → 「b1 没玩明白就别捣鼓持仓了,等下一个」 - 四块红砖走完没减仓 → 「砖形图走完至少减半,落袋为安,剩下的用利润去博」 #### 第二轮 B:买点确认(短线 + 想进场) > 「你看到什么信号了?J 值打到多少了?砖形图是红是绿?」 > 「现在是主线票还是主题票?政策支不支持?」 > 「今天的量比是多少?活
从本地 TeslamateCyberUI 服务器访问和分析 Tesla 车辆状态、驾驶统计数据、电池退化、SoC 历史记录和 UI 设置。将此技能用于“实时状态”、“SoC 历史记录”、“效率”、“UI 设置”或“充电历史记录”。
在本存储库中创建、更新、审查或合并 PR 时使用。涵盖首次推送变基、审查和简化过程、基准基线要求以及合并后“$postmortem”运行。
AI与MCP安全评估 — Prompt注入、工具滥用、MCP信任边界、Agent权限逃逸、数据泄露、模型风险、GAARM风险矩阵
一次性逃生舱口可暂时禁用单个范围任务的无振动写防护,然后恢复标记。
提供 Flare FAssets 的领域知识和指导——打包代币(FXRP、FBTC 等)、铸造、赎回、代理、抵押品和智能合约集成。在使用 FAssets、FXRP、FBTC、FAssets 铸造或赎回、Flare DeFi、代理/抵押品流或 Flare Developer Hub FAssets API 和合约时使用。
管理您的关注列表 - 添加/删除 X 个用户、YouTube 频道、要跟踪的关键字以构建知识。
使用 Mergify CI 命令上传 JUnit 测试结果、检测 git 引用、管理 CI 范围以及检索合并队列元数据。在使用 CI 管道、测试结果上传、隔离、范围检测或合并队列 CI 上下文时,请始终使用此技能。 CI、JUnit、测试结果、隔离、范围、git refs、CI 见解的触发器。
Bybit人工智能交易技巧——使用自然语言在Bybit上进行交易。涵盖现货、衍生品、收益等。可与 Claude、ChatGPT、OpenClaw 和任何 AI 助手配合使用。
用于设计、实现、审查和重构生产级 TS 代码库的端到端 TypeScript 工程技能。当任务涉及 TypeScript 架构、高级类型、严格安全性、API/模式类型、React/Node/Nest/Express/Fastify 模式、测试、linting、迁移或 .ts/.tsx 项目中的代码审查时使用。
在 Swift 代码上强制执行 Airbnb iOS Swift 风格指南。任何时候用户都可以使用此技能
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: