当用户要求“创建斜杠命令”、“添加命令”、“编写自定义命令”、“定义命令参数”、“使用命令 frontmatter”、“组织命令”、“使用文件引用创建命令”、“交互式命令”、“在命令中使用 AskUserQuestion”，或者需要有关斜杠命令结构、YAML frontmatter 字段、动态参数、命令中的 bash 执行、用户交互模式或 Claude Code 的命令开发最佳实践的指导时，应使用此技能。
将原始入站内容（电子邮件、语音备忘录、笔记）处理为结构化的黑曜石保险库记录，并具有适当的前言、维基链接和文件放置。
校对 Markdown 而不改变结构或语气。编辑或编写新材料时使用。修复标点符号、拼写错误、拼写错误、语法和类似错误，同时保留标题、项目符号、链接、前言、格式和作者风格。
分析备忘录（Analytical Memo）生成工具。研究者在编码过程中或编码后，直接 说出脑子里的想法——一个编码、一段资料、一个困惑、一个"这里有什么"的感觉—— skill 自动生成结构化的分析备忘录并保存为 Markdown 文件到本地。 适用于主题分析（TA）、扎根理论（GT）及一切质性研究方法。 与 memo-coach 的区别：analytic-memo 由 AI 代写分析内容； memo-coach 由研究者自己写，AI 只负责追问（专用于程序化扎根理论）。 当用户提到"写备忘录""记录分析思路""写 memo""分析笔记""帮我记下这个想法" "这个编码有点意思""这里好像有什么""这个值得记录" "这个受访者说的很奇怪"，或在编码/主题分析过程中表达任何需要捕捉的分析直觉时触发。 --- # 分析备忘录（Analytical Memo） 分析备忘录是质性研究中捕捉分析动能的核心工具。Charmaz（2014）将备忘录定义为 研究者与数据之间持续进行的智识对话，而非填写分类表格的形式操作。 此 skill 的设计原则：**研究者只管说出想法，工具负责追问和结构化**。 ## 启动：获取必要信息 触发后，只需收集两项信息（其余由 skill 自动判断）： 1. **触发内容**：用户输入的编码片段、类属名称、原始资料段落、初步想法或困惑 （直接使用用户的原始表述，不要要求用户重新整理或分类） 2. **保存路径**（可选）：若未提供，默认保存到 `~/Documents/research-memos/` 若用户在之前对话中已提供研究背景（研究主题、研究问题），直接沿用，不重复询问。 --- ## 内部识别逻辑（对用户不可见） 根据用户输入，自动判断分析方向，**不向用户暴露这个判断过程**： **→ 概念深化**（输入是单个编码或类属，附带描述或疑问） 追问：这个概念的核心含义和边界是什么？在哪些条件下更显著或消退？ 与已有理论概念有何联系或张力？它暗示了什么理论主张？ **→ 关系假设**（输入涉及两个或以上概念，且包含关系词：关系、影响、导致、联系、之间） 追问：这个关系的性质是什么（因果、条件、并行、对立）？ 数据中有哪些直接证据？在什么情境下成立或不成立（边界条件）？ **→ 负面案例**（输入包含反差信号：但是、例外、不符合、反而、奇怪、矛盾、和别人不一样） 追问：这是真正的反例，还是揭示了边界条件？ 是否需要修订现有类属或理论假设？修订方向是什么？ **→ 反身性**（输入包含研究者自我指涉：我觉得、我担心、我是否、我的立场、我注意到自己） 追问：研究者的哪种预设或情绪可能影响了这段分析？ 这个反思对理论抽样或研究设计有什么启示？ **→ 综合展开**（输入混合多种信号，或信号不明确） 先用一句话锚定这段想法的核心，再沿最主要的分析方向展开。 --- ## 发展阶段判断（参考 Birks, Chapman & Francis, 2008） 根据用户描述的研究进展，在文件 frontmatter 中自动标注阶段： - `preliminary`：研究者处于开放编码早期，想法贴近数据、印象式 - `interim`：开始跨类属思考，建立概念间联系 - `advanced`：涉及核心类属、理论命题或整体理论框架 判断依据： - "刚开始编码"/"第一份访谈" → preliminary - 提到多个类属的关系/"开始看到模式" → interim - 提到核心类属/"理论框架"/"饱和" → advanced - 无法判断 → 留空，不强行填写 --- ## 备忘录生成 按以下结构生成分析内容（对话中展示，同时写入文件）： ### 文件 frontmatter ```yaml ---
将现有 ADR 迁移为 YAML frontmatter 格式。扫描文档/决策/无标题的 ADR，从正文推断状态，显示试运行以供批准。触发器：/adr-migrate
当用户提供一个或多个微信或小红书链接，并希望将解析后的笔记保存到特定的本地路径而不依赖于 Obsidian 插件 UI 时使用。该技能通过捆绑的脚本将存储库的导入功能包装为直接代理工具，包括批量导入、frontmatter 生成、媒体下载和 JSON 结果报告。
生成 Claude Code 插件代理 .md 文件：编写 YAML frontmatter（名称、模型、颜色、工具、挂钩、disallowedTools），制作系统提示，并创建带有上下文和注释的触发示例块。根据命名、长度和格式限制验证代理结构。当用户要求创建代理、添加代理、编写子代理、配置代理前端、设计代理系统提示、设置代理工具或颜色、构建自治代理或添加代理挂钩时使用。 --- # Claude 代码插件的代理开发 代理是带有 YAML frontmatter 的自治 Markdown 文件，可以独立处理多步骤任务。代理人是为了自主工作；命令用于用户启动的操作。 ## 工作流程 1. 定义代理目的和触发条件 2. 创建 `agents/agent-name.md`，其中包含 frontmatter + 系统提示正文 3. 在描述中包含 2-4 个 `<example>` 块 4. 验证结构（参见下面的约束） 5. 使用真实场景测试触发 6. 如果验证失败：检查错误恢复表，修复，重新验证 ## 代理文件模板 ```markdown ---
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：
