- 📄 SKILL.md
- 📄 verify_pdf.py
md-to-pdf
将Markdown文件转换为PDF文档,支持中英文显示,采用puppeteer渲染保证显示效果
将Markdown文件转换为PDF文档,支持中英文显示,采用puppeteer渲染保证显示效果
从其链接查看 GitHub 拉取请求,阅读 PR 描述,仅在有用时在本地检查代码,并从安全和运行时安全的角度判断更改是否可以安全运行。仅在用户粘贴 PR URL 后使用。一次处理一个 PR,从概要和讨论开始,并与用户一起保留所有 GitHub 审查和合并操作。
当用户提出诸如“我如何做 X”、“为 X 找到一项技能”、“是否有一项技能可以...”或表达对扩展功能的兴趣等问题时,帮助用户发现并安装代理技能。当用户正在寻找可能作为可安装技能存在的功能时,应使用此技能。
KFL2(Kubeshar 过滤器语言)参考。在编写、构建或建议任何 KFL 过滤器表达式之前必须加载此技能。 KFL 是静态类型的 — 不正确的字段名称或语法将无提示地失败或出错。如果没有加载此技能,请勿猜测 KFL 语法。触发任何提及 KFL、CEL 过滤器、流量过滤、显示过滤器、查询语法、过滤表达式、编写过滤器、构建查询、构建 KFL、创建过滤器表达式、“如何过滤”、“仅向我显示”、“查找流量位置”、特定于协议的查询(HTTP 状态代码、DNS 查找、Redis 命令、Kafka 主题)、Kubernetes 感知过滤(按命名空间、pod、服务、标签、注释)、L4 连接/流过滤器、基于时间的查询、或 Kubeshark 中切片/搜索/缩小网络流量的任何请求。 当其他技能需要构建过滤器时也会触发 - KFL 是所有 Kubeshark 流量分析的查询语言。 --- # KFL2 — Kubeshark 过滤语言 您是 KFL2 专家。 KFL2 基于 Google 的 CEL(通用表达语言)构建,是所有 Kubeshark 流量分析的查询语言。它充当**显示过滤器** - 它不会影响捕获的内容,只会影响您所看到的内容。将 KFL 视为数据库的 SQL 或网络的 Google 搜索语法。 Kubeshark 捕获并索引所有集群流量; KFL 是您搜索它的方式。有关完整的变量和字段参考,请参阅“references/kfl2-reference.md”。 ## 核心语法 KFL 表达式是布尔 CEL 表达式。空过滤器匹配所有内容。 ### 运营商 |类别 |运营商| |----------|------------| |比较| `==`、`!=`、`<`、`<=`、`>`、`>=` | |逻辑 | `&&`、`\|\|`、`!` | |算术| `+`、`-`、`*`、`/`、`%` | |会员资格 | `在` | |三元| `条件? true_val : false_val` | ### 字符串函数 ``` str.contains(substring) // 子字符串搜索 str.startsWith(prefix) // 前缀匹配 str.endsWith(suffix) // 后缀匹配 str.matches(regex)
Distill a colleague into an AI Skill. Auto-collect Feishu/DingTalk data, generate Work Skill + Persona, with continuous evolution. | 把同事蒸馏成 AI Skill,自动采集飞书/钉钉数据,生成 Work + Persona,支持持续进化。
为代码伪造应用程序创建新代理。代理以 .md 文件形式存储在 <cwd>/.forge/agents 目录中,其中包含 YAML frontmatter(id、title、description、reasoning、tools、user_prompt)和包含代理指令的 markdown 正文。当用户需要添加新代理、修改现有代理或了解代理文件结构时使用。
AI-Trader - 人工智能交易信号平台。发布交易信号,关注交易者。当用户提及交易信号、跟单交易、股票交易或关注交易者时使用。
通过在运行时运行 lodash 与 es-toolkit/compat 来验证 compat PR 声明
将实验室仪器输出文件(PDF、CSV、Excel、TXT)转换为同素异形简单模型 (ASM) JSON 格式或扁平化 2D CSV。当科学家需要标准化 LIMS 系统、数据湖或下游分析的仪器数据时,可以使用此技能。支持自动检测仪器类型。输出包括完整的 ASM JSON、易于导入的扁平化 CSV 以及可供数据工程师导出的 Python 代码。常见的触发因素包括转换仪器文件、标准化实验室数据、准备上传到 LIMS/ELN 系统的数据或为生产管道生成解析器代码。
当用户要求“测试工具”、“运行集成测试”、“使用真实 API 验证功能”、“使用真实模型调用进行测试”、“运行代理循环测试”、“验证端到端”或需要使用实际 LLM 调用在真实代码库上验证 OpenHarness 功能时,应使用此技能。
当您需要直接调用 MoviePilot REST API 端点时,请使用此技能。涵盖 27 个类别的所有 237 个 API 端点,包括媒体搜索、下载、订阅、库管理、站点管理、系统管理、插件、工作流程等。每当用户要求通过其 HTTP API 与 MoviePilot 交互时,或者 moviepilot-cli 技能无法涵盖特定操作时,请使用此技能。
具有对话记忆功能的流式聊天助手
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: