- 📄 SKILL.md
novel-openviking
翰林院 OpenViking 记忆增强 — 将小说写作 pipeline 的设定、摘要、伏笔接入 OpenViking 语义记忆。若你从属于翰林院,当你看到这个skill时,务必加载这个skill。
翰林院 OpenViking 记忆增强 — 将小说写作 pipeline 的设定、摘要、伏笔接入 OpenViking 语义记忆。若你从属于翰林院,当你看到这个skill时,务必加载这个skill。
端到端代理评估和改进管道。采用跟踪文件夹和可选的 HITL 标志,然后通过 7 个阶段编排子代理 - 每个阶段都是由专用子代理调用的自己的技能。当用户说“运行管道”、“kayba 管道”、“评估和修复”、“全面评估”、“分析跟踪并修复”或提供跟踪文件夹以改进其代理时触发。
确定下一个版本,更新营销站点,并运行完整的发布管道。
确定下一个版本,更新营销站点,并运行完整的发布管道。
使用 Obsidian Vault Pipeline 自动化整理知识库。 **触发场景:** - 用户说 "运行 WIGS 流程"、"整理 Obsidian Vault"、"处理知识库" - 用户说 "提取 Evergreen"、"更新 MOC"、"运行 Pipeline" - 用户提到 "整理笔记"、"知识管理"、"处理书签" - 用户说 "质检"、"质量检查"、"检查一致性" **Vault 位置设置:** 默认使用当前工作目录作为 vault 根目录,或通过 `--vault-dir` 参数指定。 只要用户提到 Obsidian、知识管理、WIGS、Pipeline、Evergreen、MOC 等关键词,就立即使用此 skill。 --- # Obsidian Vault Pipeline Skill ## 概述 此 skill 用于帮助用户运行 Obsidian Vault Pipeline 自动化知识管理流程。 ## 安装 ```bash pip install obsidian-vault-pipeline ``` ## Vault 位置设置 Pipeline 自动检测 vault 位置(按优先级): 1. **当前工作目录** - 默认使用 `cwd` 2. ** `--vault-dir` 参数** - 显式指定 3. **环境变量** - `VAULT_DIR` **最佳实践:** ```bash cd /path/to/my-vault # 进入 vault 目录 ovp --check # 检查环境 ovp --full # 运行完整 pipeline ``` ## 可用命令 | 命令 | 说明 | |------|------| | `ovp --check` | 检查环境配置 | | `ovp --init` | 初始化配置(交互式) | | `ovp --full` | 运行完整 pipeline | | `ovp-article --process-inbox` | 处理 50-Inbox/01-Raw/ 中的文章 | | `ovp-evergreen --recent 7` | 提取最近7天的 Evergreen 笔记 | | `ovp-moc --scan` | 扫描并更新 MOC 索引 | | `ovp-quality --recent 7` | 质量检查 | ## 标准操作流程 ### 1. 首次使用 ```bash # 进入 vault 目录 cd my-vault # 检查环境 ovp --check # 如果提示未配置,运行初始化 ovp --init ``` ### 2. 日常处理 ```bash # 放入新文章到 50-Inbox/01-Raw/ cp article.md my-vault/50-Inbox/01-Raw/ # 运行 pipeline ovp --full ``` ### 3. WIGS 完整性检查 ```bash # 5层一致性检查 ./60-Logs/scripts/check-consistency.sh # 自动修复低风险问题 ./60-Logs/scripts/repair.sh --auto ``` ## 配置文件 在 vault 根目录创建 `.env`: ```bash AUTO_VAULT_API_KEY=your_api_key AUTO_VAULT_API_BASE=https://api.minimaxi.com/anthropic AUTO_VAULT_MODEL=minimax/MiniMax-M2.5 ``` ## 触发词映射 | 用户说 | 执行命令 | |--------|----------| | "运行 WIGS 流程" | `./60-Logs/scripts/check-consistency.sh` | | "整理 Obsidian" | `ovp --full` | | "处理文章" | `ovp-article --process-inbox` | | "提取 Evergreen" | `ovp-evergreen --recent 7` | | "更新 MOC" | `ovp-moc --scan` | | "质量检查" | `ovp-quality --recent 7` | | "检查一致性" | `./60-Logs/scripts/check-consistency.sh` | ## 处理流程 ``` 50-Inbox/01-Raw/ → ovp-article → 20-Areas/深度解读 20-Areas/ →
使用自然语言查询 AutoRAG-Research 管道结果。将问题转换为 SQL,安全执行(仅限 SELECT),返回格式化结果。从 configs/db.yaml 或环境变量自动检测数据库连接。用于管道比较、指标分析、令牌使用。
当用户要求“开发下载脚本”、“调试数据下载”、“修复下载错误”、“创建数据管道模板”、“下载模板”、“GAIA 数据管道”、“从 S3 下载”、“访问 Zarr 存储”、“云数据访问”或提及特定数据源名称(例如“CONUS404”、“HRRR”、“WRF”、“PRISM”、“Stage IV”、“USGS”、“ORNL”、下载或处理数据时的“DEM”、“Synoptic”或“IRIS”。为 GAIA 项目中使用的水文气候数据下载脚本提供模板、配置验证和调试指南。
使用 PixInsight 进行自动化深空天文摄影处理。通过完整流程处理天文图像(星云、星系、星团)时使用:通道组合、校准、拉伸、Ha/窄带注入、恒星处理和最终调整。涵盖 HaRGB、HaLRGB 和 LRGB 工作流程。通过基于 Node.js 文件的 IPC 桥驱动 PixInsight 的 PJSR 脚本引擎。 --- # PixInsight 深空管道 ## 概述 配置驱动的分支管道,可将线性天文母版处理为出版质量的深空图像。该管道是一个 Node.js 脚本 (`scripts/run-pipeline.mjs`),它通过基于文件的 IPC (`~/.pixinsight-mcp/bridge/`) 将 PJSR 命令发送到 PixInsight。 ## 快速启动 — 新目标 1. **准备数据** — 在 WBPP 中堆叠您的潜艇。将线性母版 (`.xisf`) 放在一个文件夹中。 2. **创建配置** — 复制 `editor/default-config.json`,或使用 Web 编辑器 (`node editor/server.mjs`)。 3. **设置文件路径** — 填写 `files.R`、`files.G`、`files.B`、`files.Ha`、`files.L`(如果适用)、`files.outputDir`、`files.targetName`。 4. **选择工作流程**: - **HaRGB**(无亮度):禁用`l_stretch`、`l_nxt`、`l_bxt`、`lrgb_combine` - **HaLRGB**(有亮度):启用亮度分支步骤+`lrgb_combine` - **LRGB**(无Ha):将`files.Ha`设置为`""`,禁用`ha_sxt`, `ha_stretch`、`ha_curves`、`ha_ghs`、`ha_inject`。管道自动检测“hasHa”并跳过 Ha 文件打开/克隆。 - **仅 RGB**(无 Ha,无 L):将 `files.Ha` 和 `files.L` 设置为 `""`,禁用 Ha + lum 分支步骤 5. **打开 PixInsight** — 启动 PixInsight 并加载 PJSR 观察程序脚本。 6. **运行** — `node script/run-pipeline.mjs --config path/to/config.json` 7. **迭代** — 在每个步骤中查看 JPEG 预览。调整config中的参数。重新运行。 ## 管道架构### 分支|分公司|标签|颜色 |叉后|合并于 | |--------|--------|--------|-------------|------------| | `主要` | RGB |蓝色| — | — | | `星星` |明星|黄色| `sxt` | `star_add` |
人工智能驱动的视频编辑——转录、自动剪切、字幕、挂钩、剪辑、封面、速度、管道。阅读本文以了解何时以及如何使用视频剪辑。
顶层路由入口,判断用户输入应该触发哪个 Pipeline。
用于跟踪门进度、先决条件和结果的管道状态管理。由所有门代理用来协调管道执行。
分析交易渠道的健康状况并预测结果。
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: