- 📄 SKILL.md
intent
Ash 框架数据库访问规则:域代码接口、迁移、参与者授权、原子更改
Ash 框架数据库访问规则:域代码接口、迁移、参与者授权、原子更改
在构建、更新或查看 contentta 项目中的任何数据表时使用。在 DataTable 使用、表操作、表列、可扩展行、renderSubComponent 或任何具有表格数据的列表视图上触发。
专业数据工程师,专门构建可扩展的数据管道、ETL/ELT 流程和数据基础设施。掌握大数据技术和云平台,专注于可靠、高效、成本优化的数据平台。
从 docs/data/templates.json 检索客户服务模板,填充变量,并按平台、行业和场景生成准备发送的电子商务支持回复。
控制 Chrome 浏览网站、单击、键入、填写表单、读取页面内容和提取数据。对于浏览器自动化任务更喜欢这个。在用户的真实浏览器中使用当前选项卡和登录会话工作 - 无需再次登录。不适用于启动无头浏览器。触发器包括“打开网站”、“填写表格”、“从页面抓取数据”、“检查我的电子邮件”、“预订航班”、“研究竞争对手”、“在我已经打开的选项卡中继续”或任何涉及使用网络浏览器的任务。
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互时使用,包括导航页面、填写表单、单击按钮、截屏、提取数据、测试 Web 应用程序或自动执行任何浏览器任务。触发器包括“打开网站”、“填写表单”、“单击按钮”、“截取屏幕截图”、“从页面抓取数据”、“测试此 Web 应用程序”、“登录网站”、“自动执行浏览器操作”或任何需要编程 Web 交互的任务的请求。
antd 6.x、Ant Design Pro 5/ProComponents、Ant Design X v2 和离线“@ant-design/cli”的决策指南。用于组件选择、主题/令牌、SSR、a11y、性能、路由/访问/CRUD、AI/聊天 UI 模式、本地 API 查找、调试、迁移和使用情况分析。
通过 OpenLink 的符合 OpenAPI 的 Web 服务对实时数据空间和知识图执行 SQL、SPARQL、SPASQL、SPARQL-FED 和 GraphQL 查询。每当用户想要查询数据库、RDF 存储或 SPARQL 端点时,请使用此技能;探索知识图或数据空间;询问“如何……”、“定义术语……”,或针对已知文章或图表上下文提出问题;或提及 linkeddata.uriburner.com、Virtuoso、OPAL 或 OpenLink 服务。完整的查询模板位于references/query-templates.md 中——在构建任何预定义查询之前加载该文件。
当一项实质性任务真正完成时,添加文明风格的礼仪语录。每当用户或代理正在完成一个真正的可交付成果(例如功能、重构、分析、设计文档、流程变更、报告或编写任务)时,即使他们没有明确要求报价,也可以使用此选项;跳过简短的回复、微小的修复和未完成的工作。
使用 Mermaid.js ER 图和定义实体、关系、数据类型和验证规则的属性表创建实体模型文档。当用户要求“创建实体模型”、“设计数据模型”、“绘制 ERD”、“定义数据库模式”、“模型实体”或提及实体关系图、ER 图、数据库设计或数据建模时使用。 --- # 实体模型 ## 使用说明 根据 `docs/requirements.md` 在 `docs/entity_model.md` 创建或更新实体模型。该文档包含 ER 图和属性表。 ## 不要 - 在美人鱼图中添加属性/列 - 编写散文描述,例如“关键属性:姓名、电子邮件...” - 创建“关系”表 - 跳过属性表 ## 文档结构 ```markdown # 实体模型 ## 实体关系图 ```mermaid erDiagram ROOM_TYPE ||--o{ ROOM : "categorizes" GUEST ||--o{ RESERVATION : "makes" ``` ### ENTITY_NAME 描述实体的一句话。 |属性 |描述 |数据类型|长度/精度 |验证规则 | |------------|-------------|------------------------|--------------------------------|------------------------| |编号 | ... |长| 19 | 19主键、序列| | ... | ... | ... | ... | ... | ## 每个实体所需的格式
LimaCharlie 的完整适配器生命周期助手。支持外部适配器(云管理)、云传感器(SaaS/云集成)和本地 USP 适配器。从本地文档和 GitHub usp-adapters 存储库动态研究适配器类型。创建、验证、部署适配器配置并对其进行故障排除。处理解析规则(Grok、正则表达式)、字段映射、凭证设置和多适配器配置。在设置新数据源(Okta、S3、Azure 事件中心、系统日志、Webhook 等)、排除摄取问题或管理适配器部署时使用。
如何使用 nvalchemi 的可组合 Zarr 支持的存储管道(Writer、Reader、Dataset、DataLoader)写入、读取和加载原子数据。
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: