- 📄 SKILL.md
在网络上搜索信息。当您需要查找内容、查找当前信息或研究某个主题时使用。
在网络上搜索信息。当您需要查找内容、查找当前信息或研究某个主题时使用。
查询以前的 pi 会话以检索上下文、决策、代码更改或其他信息。当您需要查找父会话或任何其他会话文件中发生的情况时使用。
使用 Dagster 和 dg CLI 的专家指南。在执行任何需要 Dagster 特定知识或引用资产、具体化、组件、数据工具或数据管道的任务之前,请务必使用。常见任务可能包括创建新项目、添加新定义、了解当前项目结构、回答有关代码库的一般问题(查找资产、计划、传感器、组件或作业定义)、调试问题或提供有关特定 Dagster 概念的深入信息。 --- ## 核心 Dagster 概念 仅简要定义(有关详细示例,请参阅参考文件): - **资产**:由管道生成的持久对象(表、文件、模型) - **组件**:生成与特定域相关的定义(资产、计划、传感器、作业等)的可重用构建块。 ## 集成工作流程 与任何外部工具或服务集成时,请阅读[集成库索引](./references/integrations/INDEX.md)。其中包含有关存在哪些集成库的信息,以及有关如何为没有已发布库的工具创建新的自定义集成的参考。 ## dg CLI `dg` CLI 是与 Dagster 以编程方式交互的推荐方式(添加定义、启动运行、探索项目结构等)。它作为“dagster-dg-cli”包的一部分安装。如果给定任务存在相关 CLI 命令,请始终尝试使用它。仅当完成用户目标绝对必要时才探索现有项目结构。在许多情况下,现有的 CLI 工具对项目结构有足够的了解,这意味着列出和读取现有文件是浪费且不必要的。 几乎所有返回信息的“dg”命令都有一个“--json”标志,可用于获取机器可读格式的信息。除非您直接向用户显示信息,否则这应该优于默认表输出。 ## 紫外线
通过 CLI 监控 AI 代理跟踪和跨度。当用户需要使用 AgentOps 进行授权、检索跟踪信息或检查跨度指标时使用。
搜索网络。返回要探索的搜索结果列表。当您需要当前信息或验证事实时使用。
控制真实的本地网络浏览器来搜索、导航和提取信息。
structcli 库的演示,具有漂亮的 CLI 功能。当您需要:证明 flagpreset 别名是语法糖并且仍然流经转换和验证、打印版本信息、使用指定的详细信息向系统添加新用户时使用。
获取并显示 ABAP 系统信息,例如系统 ID、客户端和用户详细信息。
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: