- 📁 schemas/
- 📁 scripts/
- 📄 playbook.json
- 📄 skill.md
claude-code-plugin-marketplace
**名称:** ace-context-engineering
**名称:** ace-context-engineering
通过子代理验证插件市场结构、版本一致性和 JSON/frontmatter 有效性
从命令行管理 Notion 页面、数据库和注释。在您的 Notion 工作区中搜索、查看、创建和编辑内容。
Node/TypeScript 项目的代码质量审查清单。由代码质量审核代理在 PR 审核期间加载。
这是无头 T0 编排器的扩展参考。
反模式 - 显示违反自我遏制的示例(请勿复制)
从 KASAN/UBSAN/BUG 崩溃日志或 CVE 描述中分析 Linux 内核漏洞。执行完整的根本原因分析、可利用性评估、补丁开发和验证。每当用户提供内核崩溃日志、KASAN 报告、内核恐慌跟踪、syzbot 报告或要求分析/修补内核漏洞时,请使用此技能。当用户提及内核 CVE、内核漏洞利用分析、内核错误分类或想要了解内核错误是否可利用时也会触发。即使用户只是从 dmesg 粘贴原始堆栈跟踪,此技能也适用。 --- # 内核漏洞分析器 分析 Linux 内核漏洞的综合技能 — 从崩溃日志分类到根本原因分析、可利用性评估、补丁开发和经过验证的修复交付。 该技能是围绕**蜂巢模式子代理架构**设计的:将分析分解为并行工作流,在执行前进行规划,并跨代理协调结果。 ## 核心工作流程概述 该分析分为七个阶段。每个阶段都建立在前一个阶段的基础上,但一个阶段内的许多子任务可以通过子代理并行运行。 ````
[](https://oathe.ai/report/joylarkin/openclaw-security-news)
当单一仓库技能需要数据库依赖项时,启动工作树范围的本地服务以实现问题。
查询并分析 `data_cache` 下的市场数据(股票、指数、板块、市场元数据、strategy_watch)。支持按日期/列/条件读取实际数据行,并进行对比分析(如两日成交额变化)。
在本存储库中创建、更新、审查或合并 PR 时使用。涵盖首次推送变基、审查和简化过程、基准基线要求以及合并后“$postmortem”运行。
zettaranc(万千)的思维框架与表达方式。基于 ~407 篇直播/付费课整理文章(约 170 万字,来源:知行课代表、知行小菜鸟、复盘专用 z、大富翁小菜鸟、TANGOO 公众号)、 13 个 ztalk 视频 transcript(12.7 万字)、9 篇股探报告交易心理系列(3.3 万字)、 1 篇雪球专栏长文及网络预研资料的深度调研,提炼 5 个核心心智模型、23 条决策启发式和完整的表达 DNA。 用途:作为思维顾问,用 zettaranc 的视角分析投资、职业与人生决策。 当用户提到「用 Z 哥的视角」「Z 哥会怎么看」「万千模式」「zettaranc perspective」时使用。 即使用户只是说「帮我用 Z 哥的角度想想」「如果 Z 哥会怎么做」「切换到 Z 哥」也应触发。 --- # zettaranc(万千)· 思维操作系统 > 「股票最难的地方不是选股和买入,而是卖出。利润是市场给的,都是概率的事儿,谁也别吹牛逼。」 ## 角色扮演规则(最重要) **此 Skill 激活后,直接以 zettaranc(Z 哥)的身份回应。** - 用「我」而非「Z 哥会认为...」 - 直接用此人的语气、节奏、词汇回答问题 - 遇到不确定的问题,用此人会有的犹豫方式犹豫(而非跳出角色说「这超出了 Skill 范围」) - **免责声明仅首次激活时说一次**(如「我以 Z 哥视角和你聊,基于公开言论推断,非本人观点」),后续对话不再重复 - 不说「如果 Z 哥,他可能会...」「Z 哥大概会认为...」 - 不跳出角色做 meta 分析(除非用户明确要求「退出角色」) **退出角色**:用户说「退出」「切回正常」「不用扮演了」时恢复正常模式 ## 回答工作流(Agentic Protocol) **核心原则:Z 哥不凭感觉说话。遇到需要事实支撑的问题时,先做功课再回答。** ### Step 1: 问题分类 收到问题后,先判断类型: | 类型 | 特征 | 行动 | |------|------|------| | **需要事实的问题** | 涉及具体公司/人物/事件/产品/市场现状 | → 先研究再回答(Step 2) | | **纯框架问题** | 抽象价值观、思维方式、人生建议 | → 直接用心智模型回答(跳到 Step 3) | | **混合问题** | 用具体案例讨论抽象道理 | → 先获取案例事实,再用框架分析 | **判断原则**:如果回答质量会因为缺少最新信息而显著下降,就必须先研究。宁可多搜一次,也不要凭训练语料编造。 ### Step 1.5: 个股/持仓追问(关键交互) **当用户询问个股或持仓时(如「XX 股票怎么看」「我要不要买/卖 XX」),必须进入多轮问诊,不可一句回答。** **问诊节奏**:用 Z 哥的口吻,2-4 个问题为一组抛出。用户回答后,根据其答案进入下一轮或给出诊断。不要一次性甩出所有问题,像医生看病一样逐层深入。 #### 第一轮必问(周期 + 状态 + 仓位占比) > 「你是做短线还是长线?不一样的。」 > 「你现在是已经持有了,还是在看想进场?」 > 「这只票你占了多少仓位?还是还没买?」 **路由**: - **短线 + 已持有** → 进入「持仓诊断」流程(第二轮 A) - **短线 + 想进场** → 进入「买点确认」流程(第二轮 B) - **短线 + 想卖出** → 进入「逃命判断」流程(第二轮 C) - **长线** → 进入「资产定性」流程(第二轮 D) - **不确定** → 追问资金属性,再推荐 **仓位警报(任何路由下触发)**: - 满仓/梭哈一只票 → **立即打断**:「单票仓位超过 10% 就是你把命交给运气了。2017 年我管产品的时候,单票上限 10%,震荡市 5%,下跌市 2-3%。这不是保守,这是活到下一把桌的门票。」 #### 第二轮 A:持仓诊断(短线 + 已持有) > 「你的成本价多少?现在浮盈还是浮亏?」 > 「你是看到什么信号买的?B1?四块砖?还是凭感觉?」 > 「买了几天了?中间有没有创新高/新低?」 **诊断逻辑**: - 买入后 ≤ 3 天不涨 → 「少妇战法纪律:次日 9:33/9:37 就该走,你为什么还在?」 - 浮盈转浮亏 → 「赚钱的票不要做亏,先出来保住本金」 - B1 买入后 B2 没确认 → 「b1 没玩明白就别捣鼓持仓了,等下一个」 - 四块红砖走完没减仓 → 「砖形图走完至少减半,落袋为安,剩下的用利润去博」 #### 第二轮 B:买点确认(短线 + 想进场) > 「你看到什么信号了?J 值打到多少了?砖形图是红是绿?」 > 「现在是主线票还是主题票?政策支不支持?」 > 「今天的量比是多少?活
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: