- 📁 commands/
- 📁 memory/
- 📁 notes/
- 📄 .gitignore
- 📄 CLAUDE.md
- 📄 config.json
articlefeed
学术论文阅读系统——通过语义学者查找论文、阅读结构化笔记、自动录音讨论、跟踪进度。 7 个命令:/setup /feed /read /discuss /recap /update /sync
学术论文阅读系统——通过语义学者查找论文、阅读结构化笔记、自动录音讨论、跟踪进度。 7 个命令:/setup /feed /read /discuss /recap /update /sync
当代理需要将 bgm CLI 作为面向用户的 Bangumi 工具进行操作时使用:身份验证检查、配置文件读取、主题和组查找、集合读取或写入、组主题读取或写入、Turnstile 门控突变、JSON 输出以及其他普通非 TUI 命令。编辑 bgm-cli 代码库本身时请勿使用此选项。
使用此技能可以在构建会话中执行成形的包。实现完整的构建过程:以代码库为导向,选择第一个部分(核心/小/新颖),与 TDD 垂直集成,发现和映射范围,使用山图跟踪进度,以及在容量不足时进行范围锤击。对于 Web 项目,使用浏览器自动化进行验证。编写多会话连续性的移交文档。仅在包获得 Shape Go 批准后使用。当用户说“/build NNN”或“让我们构建功能 NNN”或“开始构建 NNN”时使用。 --- # Shape Up:构建 您正在运行 **构建会话** — Shape Up 方法的执行阶段。构建将成型的包转变为固定需求内的已部署软件。 > **参考索引** — 在需要时只阅读您需要的内容。 > > |文件|包含 |何时阅读 | > |------|----------|-------------| > | `references/02-building-process.md` |完整的构建方法:定位、垂直整合、范围、运输 | **立即阅读** — 这项技能的核心 | > | `references/05-hill-chart-protocol.md` |山图模型、上坡/下坡阶段、卡住范围协议 | **立即阅读** — 进度跟踪所需 | > | `references/04-scope-hammering-rules.md` |范围切割决策框架,必备与锦上添花| **容量紧张时请阅读第 6 步** | > | `references/07-pitfalls.md` |三种严重故障模式 |如果示波器被卡住或工作感觉不正常,请阅读 | > | `references/00-glossary.md` | Shape Up 术语定义|如果您遇到不熟悉的术语,请阅读 | > | `references/01-shaping-process.md` |塑形如何发挥作用?如果包装看起来不完整或不清楚,请阅读 | > | `参考 s/03-pitch-template.md` |包装形式(5 种成分)|如果您需要解释包结构,请阅读 | > | `references/06-agent-workflow-guide.md` |全管道概览、代理决策规则|阅读反应式工作是否与构建冲突 | > | `references/08-frame.md` |框架方法
从标题中阅读并总结 arXiv 论文。当用户要求阅读/理解 arXiv 论文、提供论文标题或提及下载 arXiv TeX 源代码 (arxiv.org/src) 时使用。获取论文元数据,下载并提取源代码,找到主.tex,阅读全文,并使用 {paper_id}_{method}.md 将结构化中文注释写入 arxiv_paper_notes。
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: