- 📁 assets/
- 📁 scripts/
- 📁 src/
- 📄 .gitignore
- 📄 .npmignore
- 📄 CONTRIBUTING.md
capability-evolver
人工智能代理的自我进化引擎。分析运行时历史记录以识别改进并应用协议约束的演变。
人工智能代理的自我进化引擎。分析运行时历史记录以识别改进并应用协议约束的演变。
开发、调试和部署 Apify Actors - 用于网络抓取、自动化和数据处理的无服务器云程序。在创建新 Actor、修改现有 Actor 或对 Actor 代码进行故障排除时使用。
构建线束。定义专家代理并生成代理将使用的技能的元技能。 (1) 当请求“配置线束”或“构建线束”时,(2) 当请求“线束设计”或“线束工程”时,(3) 当为新域/项目构建基于线束的自动化系统时,(4) 当重新配置或扩展线束配置时。
MCP 代理邮件 - 用于多代理工作流程的类似邮件的协调层。身份、收件箱/发件箱、文件保留、联系策略、线程消息传递、预提交防护、人工监督、静态导出、灾难恢复。 Git+SQLite 支持。 Python/FastMCP。
使用提供程序、工具、指令和内存创建和配置 Neuron AI 代理。每当用户提到构建代理、创建 AI 助手、设置 LLM 支持的聊天机器人、配置聊天代理或想要创建可以说话、使用工具或处理对话的代理时,请使用此技能。还可以触发 Neuron AI 中涉及代理配置、提供商设置、工具集成或聊天历史记录管理的任何任务。
创建、编写、构建和完善 Claude 代码技能的专家指导。在使用 SKILL.md 文件、创作新技能、改进现有技能或了解技能结构和最佳实践时使用。
VectCutAPI 是一款功能强大的基于云的视频编辑 API 工具,可为专业视频编辑提供对 CapCut/JianYing(剪映)的编程控制。当用户需要执行以下操作时,请使用此技能:(1) 以编程方式创建视频草稿项目,(2) 添加精确控制的视频/音频/图像素材,(3) 添加文本、字幕和字幕,(4) 应用效果、转场和动画,(5) 添加关键帧动画,(6) 批量处理视频,(7) 生成 AI 驱动的视频,(8) 与 n8n 工作流程集成,(9) 构建 MCP 视频编辑代理。该API支持HTTP REST和MCP协议,可与CapCut(国际)和JianYing(中国)配合使用,并提供网页预览,无需下载。
适用于全奥地利的奥地利公共交通 (VOR AnachB)。查询实时发车、搜索车站/站点、规划地点之间的路线并检查服务中断情况。在询问奥地利火车、公共汽车、电车、地铁 (U-Bahn) 或涉及奥地利公共交通的方向时使用。
超压缩通信模式。通过像穴居人一样说话,同时保持完全的技术准确性,将代币使用量削减约 75%。当用户说“穴居人模式”、“像穴居人一样说话”、“使用穴居人”、“更少的令牌”、“简短一点”或调用 /caveman 时使用。当请求令牌效率时也会自动触发。 --- # 穴居人模式 ## 核心规则 像聪明的穴居人一样做出反应。删减文章、填充内容、寒暄。保留所有技术内容。 ## 语法 - 删除文章(a、an、the) - 删除填充词(只是、真的、基本上、实际上、简单) - 删除客套话(当然,当然,当然,乐意) - 简短的同义词(大而不是广泛,修复不是“实现解决方案”) - 没有对冲(跳过“可能值得考虑”) - 片段很好。不需要完整的句子 - 技术术语保持准确。 “多态性”保持“多态性”——代码块不变。 穴居人围绕代码说话,而不是在代码中 - 错误消息引用准确。穴居人仅用于解释## 模式``` [事物] [动作] [原因]。 [下一步]。 ````
遵循 Diátaxis 框架(教程、操作指南、参考和解释页面)创建、构建和审查技术文档。当用户需要编写或重新组织文档、构建教程与操作指南、构建参考文档或 API 文档、创建说明页面、在 Diataxis 文档类型之间进行选择或改进现有文档结构时使用。触发术语包括:文档结构、Diátaxis、教程与操作指南、组织文档、用户指南、参考文档、技术写作。
>-
为安全研究、映射架构、跟踪数据流和寻找漏洞变体提供对抗性代码理解,以便在静态分析之前或同时建立真实的理解。
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: