- 📄 SKILL.md
ask
来自 Oracle 的专家指导和建议。在以下情况下使用: - 用户对最佳实践有疑问 - 用户需要架构指导 - 用户询问“我应该做什么”、“我应该如何”、“建议” - 需要专家对方法的意见 - 用户对决策不确定
来自 Oracle 的专家指导和建议。在以下情况下使用: - 用户对最佳实践有疑问 - 用户需要架构指导 - 用户询问“我应该做什么”、“我应该如何”、“建议” - 需要专家对方法的意见 - 用户对决策不确定
SDP 工作流程的 Beads 任务跟踪器集成。
将任何网站抓取为干净的 Markdown 或结构化 JSON。反检测浏览器、智能代理轮换、人工智能驱动的数据提取。
>-
为现有域添加 NiceGUI 管理页面,同时保持配置和页面路由分离并屏蔽敏感字段。
在构建 AdCP 创意代理(广告服务器、创意管理平台或任何接受、存储、转换和提供广告创意的系统)时使用。
安装OpenClaw Mem0 v2增强内存插件
Solana 开发的统一技能中心。通往外部子模块技能(solana-foundation、sendai、solana-game、trailofbits、cloudflare、qedgen、colosseum)和本地技能的路由。渐进式披露——只阅读您需要的内容。
在 Laravel Boost 项目中创建兼容精简包验证器的 .gitattributes 文件;在生成缺少的导出忽略条目或搭建新的 .gitattributes 文件时使用。
LaTeX 论文的逐段学术英语润色。处理中英翻译和母语英语精炼。每个段落输出结构化差异表(原始/修订/原因),消除中式英语模式,加强学术注册,保持术语一致性,并避免人工智能生成的文本标记。支持具有场地适应性会议的多纸张工作流程。当用户提到润色、精炼、提高英语、润色、翻译、母语英语、学术写作、段落编辑或句子级修改时使用。
使用非官方私有 API 与 Notion 交互 - 页面、数据库、块、搜索、用户、评论
AI 虚拟试穿 Agent。用户提供服装信息(图片或文字描述均可), Agent 全程引导完成:服装图预处理 → AI 生成模特 → 虚拟试穿合成 → 生成展示视频。 支持阿里云百炼试衣 API、豆包 Seedream 生图、豆包 Seedance 生视频。 当用户提到"试穿"、"试衣"、"穿上效果"、"模特上身"、"虚拟试衣"、 "看看穿上什么样"、"帮我生成穿衣效果"、"virtual try-on"、"上身图"、 "换装"、"我想看穿上的效果"时,必须立即触发此 Agent。 --- # AI 虚拟试穿 Agent ## 职责 引导用户完成虚拟试穿全流程,输出试穿效果图和展示视频。 不涉及上架、文案、定价。有上架需求告知使用 shopify-quick-listing。 --- ## 配置说明(告知用户时必须按此说明) **.env 文件的唯一标准位置是 `scripts/` 目录:** ``` ~/.claude/skills/ai-tryon/scripts/.env ← 正确位置 ~/.claude/skills/ai-tryon/.env ← 错误,不要放这里 ``` 告知用户配置的标准话术: > 请在 Skill 的 scripts 目录下创建 .env 文件: > ```bash > cp ~/.claude/skills/ai-tryon/scripts/.env.example \ > ~/.claude/skills/ai-tryon/scripts/.env > # 然后编辑填入 Key > ``` 不要让用户在 `ai-tryon/` 根目录或其他位置创建 .env。 --- ## 输出目录约束(最高优先级规则) **所有脚本调用都必须传 `--output-dir`,绝对禁止省略。** 输出目录的唯一真实来源是 `.env` 中的 `TRYON_OUTPUT_DIR` 环境变量: ```bash # .env 示例 TRYON_OUTPUT_DIR=/Users/xxx/Desktop/tryon_output ``` ### 对话开始时锁定 Session(必须在首次调用任何脚本前执行) **每次对话开始时,立即运行以下命令锁定本次任务目录,整个对话全程复用此 `OUTPUT_DIR`:** ```bash # 一行命令:获取(或创建)当前 session 目录,同时确保目录存在 OUTPUT_DIR=$(python scripts/output_manager.py --get-session) echo "本次任务目录:$OUTPUT_DIR" ``` - **24 小时内**再次运行同一命令,返回同一个 `task_YYYYMMDD_HHMMSS` 目录(文件不会覆盖) - 用户明确说「开始新任务」/「重新来」时,改用: ```bash OUTPUT_DIR=$(python scripts/output_manager.py --new-session) echo "新任务目录:$OUTPUT_DIR" ``` 然后每次调用脚本**必须传入同一个 `$OUTPUT_DIR`**: ```bash python scripts/image_gen_tryon.py --desc "..." --output-dir "$OUTPUT_DIR" python scripts/tryon_runner.py --garment g.jpg --output-dir "$OUTPUT_DIR" python scripts/video_gen.py --image img.jpg --output "$OUTPUT_DIR" ``` ### 为什么必须这样做 - 不传 `--output-dir` 时脚本会 fallback 到 `TRYON_OUTPUT_DIR` 环境变量或当前终端 pwd 下的 `tryon_output/` - **但 Agent 子进程的 pwd 不可控**,可能导致文件散落到意外位置 - 多轮对话后 Agent 容易遗忘,显式传参是唯一可靠保证 ### 输出文件名控制(可选) `image_gen_tryon.py` 支持 `--output-filename`,生成后会将第一个结果复制为指定文件名: ```bash python scripts/image_gen_tryon.py --desc "..." --output-dir "$OUTPUT_DIR" \ --output-filename model_ruyan_custom.jpg ``` ### 目录结构 每次对话/试穿任务自动创建独立的 session 子目录(以日期
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: