- 📄 LICENSE.txt
- 📄 SKILL.md
code-review
>-
>-
>-
处理 Firefox 书签导出 (JSON) 以按类别组织链接、生成摘要并生成可视化 HTML 提要。当用户提及“书签”、“书签管理员”、“组织书签”、“导出操作系统书签”或“书签源”时激活。 --- # Bookmark Curator Process Firefox 书签 JSON 导出为有组织的、分类的输出:用于培训导师技能的结构化 Markdown 文件和用于浏览的可视化 HTML 提要。 ## 输入 Firefox 书签 JSON 导出。默认位置:“~/Downloads/bookmarks-YYYY-MM-DD.json”(或询问用户文件名)。如果未找到该文件,请要求用户导出: > Firefox > 书签 > 管理书签 > 导入和备份 > 备份 > 另存为 JSON ## 处理管道 ### 步骤 0:检查进度 阅读“references/progress.md”(在此技能的文件夹中)。该文件跟踪哪些 URL 已被处理。 如果不存在,则创建它。将 JSON 中的所有书签 URL 与处理后的列表进行比较。仅处理尚未在列表中的新 URL。
>-
>-
使用并行 Haiku 子代理审核 BMAD 源文件是否违反文件引用约定。当用户请求技能、工作流程或任务的“审核文件参考”时使用。
使用 data.diemeng.chat 提供的接口查询股票日线、分钟线、财务指标等数据,支持 A 股等市场。
AI 编码工作流程的持续规范管理。当用户明确提及规格、锻造或结构化规划时,请使用此技能:说“锻造”、“锻造规格”、“为 X 编写规格”、“创建规格”、“将 X 计划为规格”、“恢复”、“我在做什么”、“规格列表/状态/暂停/切换/激活”、“实现规格”、“实现 N 阶段”、“实现所有阶段”、“生成 openapi”或退出计划模式(建议保存为规格)。当会话开始时存在“.specs/”目录时也会触发。不要触发一般功能请求、编码任务或未提及规格或锻造的问题 - 这些是正常的编码任务,而不是规格管理。 --- # Spec Mint Core 将临时计划转变为通过深入研究和迭代访谈构建的结构化、持久的规范。 规范包含阶段、任务、验收标准、注册表、简历上下文、决策日志和偏差日志。它们位于项目根目录的“.specs/”中,并与任何可以读取 Markdown 的 AI 编码工具一起使用。是否提交“.specs/”是存储库策略。尊重“.gitignore”以及用户对跟踪与仅本地规范状态的偏好。 ## 关键不变量 1. **单文件策略**:将此工作流程保留在一个“SKILL.md”文件中。 2. **规范路径**: - 注册表:`.specs/registry.md` - 每个规范文件:`.specs/<id>/SPEC.md`、`.specs/<id>/research-*.md`、`.specs/<id>/interview-*.md` 3. **权威规则**:`SPEC.md` frontmatter 具有权威性。注册表是一个用于快速查找的非规范化索引。 4. **活动规范规则**:一次仅针对一个活动规范。 5. **解析器策略**:使用尽力而为的解析,并提供明确的警告和修复指导,而不是对格式错误的行进行硬故障。 6. **进度跟踪是神圣的**:完成任何任务后,立即更新 SPEC.md(复选框、`←当前`标记、阶段标记)和registry.md(进度计数、日期)。然后重新读取这两个文件以验证编辑是否正确。在未更新这两个文件的情况下,切勿移至下一个任务。
Vercel Engineering 的 React 和 Next.js 性能优化指南。在编写、审查或重构 React/Next.js 代码时应使用此技能,以确保最佳性能模式。触发涉及 React 组件、Next.js 页面、数据获取、捆绑优化或性能改进的任务。
从文件系统标记(package.json、Cargo.toml、pyproject.toml、mkdocs.yml 等)检测项目的编程语言和文档框架时使用。
>-
在没有文档的情况下,通过代码对架构进行逆向工程,生成 ADR、组件图和依赖关系图。
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: