- 📄 SKILL.md
[SPEC] skill-name
[SPEC] 明确描述何时应激活该技能。包括 Claude 用于决定是否自动调用的关键字。描述对于自动激活至关重要——要具体。
[SPEC] 明确描述何时应激活该技能。包括 Claude 用于决定是否自动调用的关键字。描述对于自动激活至关重要——要具体。
每当用户想要设计、构建、评估或调试 AI 代理系统、RAG 管道或 LLM 支持的应用程序时,请使用此技能。 触发器包括:任何提及“代理”、“人工智能代理”、“代理”、“自主代理”、“多代理”、“ReAct”、“思想链”、“工具使用”、“函数调用”、“RAG”、“检索增强生成”、“矢量搜索”、“语义搜索”、“嵌入管道”、“分块策略”、 'LangChain', 'LangGraph', 'LlamaIndex', 'CrewAI', 'AutoGen', '克劳德代理', '代理SDK', 'Letta', 'MemGPT', '代理内存', '上下文窗口管理', '提示工程', '系统提示', '护栏', '代理评估', 'LLM评估', “幻觉”、“接地”、“引用”、“代理编排”、“规划代理”、“编码代理”、“研究代理”、“代理循环”、“代理工具”、“MCP 工具”、“结构化输出”、“JSON 模式”、“流媒体”、“代理可观察性”、“代理测试”或任何构建 AI 支持的应用程序、设计代理工作流程、实施 RAG、评估的请求LLM 输出,或架构师系统 法学硕士做出决策并采取行动的项目。 当用户询问“如何构建人工智能代理?”、“我应该如何对我的文档进行分块?”、“为什么我的 RAG 返回不好的结果?”或者想要将 LLM 连接到外部工具和数据时,也可以使用。如果有人正在构建任何需要法学硕士推理和行动的东西,请使用此技能。
纪律、持久的联系、完成的信号。克罗斯克劳德的触发点
为软件开发工作流程编排 AI 代理(Claude Code、子代理等)。在协调多个 AI 助手或规划 AI 驱动的开发流程时使用。
适用于 Jira 的 AI 友好 CLI 旨在实现最高效率和安全性。所有输出都是结构化 JSON — 没有人类可读的格式,没有交互式提示。
当用户说“superflow”、“суперфлоу”或要求完整的开发工作流程时使用。四个阶段:(0) 项目启动和 CLAUDE.md 引导程序,(1) 通过多专家头脑风暴进行协作产品发现,(2) 通过 PR-per-sprint、git 工作树、双模型审查、最大并行性和验证规则完全自主执行,(3) 与文档更新合并。
使用此技能直接从 Claude Code 查询您的 Google NotebookLM 笔记本,以获取来自 Gemini 的基于来源、引用支持的答案。浏览器自动化、库管理、持久身份验证。通过仅文档响应大幅减少幻觉。
将当前的 Claude Code 会话移交给 Microsoft Teams 以实现移动连续性
跨会话的持久内存。自动捕获您的工作并提供过去会话的相关背景。与克劳德·代码共享。
当用户要求“进化 CLAUDE.md”、“根据经验更新 CLAUDE.md”或“自我进化”时,应该使用此技能。扫描对话和笔记以提取可操作的发现并将其附加到 CLAUDE.md。
用于实时 Web 测试、UI 验证和经过身份验证的流程的持久浏览器守护进程。当 Claude 需要与正在运行的 Web 应用程序(登台、本地主机或生产)交互时使用。
您必须在任何工作之前使用它来调用项目内存,并在实施之后使用它来存储决策。 Lossless-claude (lcm) 通过 CLI 命令提供持久的跨会话内存。
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: