- 📄 SKILL.md
data-catchall
分析、机器学习或质量保证。涵盖ETL、仓储、
分析、机器学习或质量保证。涵盖ETL、仓储、
评估是否可以使用 Bauplan 湖屋中的可用数据来回答业务问题。将业务概念映射到表和列,检查相关子集的数据质量,验证语义匹配,并给出结论:可回答、部分可回答或不可回答。生成结构化的可行性报告。当用户提出业务问题、询问“我们可以回答这个问题吗”、想知道数据是否支持分析或在构建一次性分析或管道之前使用。
在跨店面、IO、无头、市场、支付或任何其他 VTEX 模块界定、审查或记录横切 VTEX 商务架构时应用。架构完善的商务框架的基础是技术基础(可靠性、信任、完整性、安全性、基础设施、合规性)、面向未来(创新、简单、效率、可扩展和适应性强的解决方案)以及卓越运营(准确性、问责制、数据驱动的改进;流程和客户体验)。将实施细节路由到产品轨道(IO 缓存和路径、主数据策略、市场集成)。用于解决方案设计、架构审查和 RFP 级技术结构。
通过代理数据协议 (ADP) MCP 工具查询和操作数据的指南。该技能教授如何有效地使用 adp_discover、adp_describe、adp_validate 和 adp_execute 工具。每当用户想要通过 ADP 探索可用数据资源、查询数据、查找记录、插入新数据或更新现有数据时,即可使用此技能 - 即使他们没有明确提及“ADP”。触发器包括“查找数据”、“查询记录”、“查找客户”、“插入行”、“更新条目”、“可用数据”、“搜索相似项目”、“显示架构”或连接 ADP MCP 工具的任何数据探索和操作任务。 --- # ADP 技能 — 通过代理数据协议进行数据访问 此技能可帮助您通过连接到 ADP Hypervisor 的四个 ADP MCP 工具与数据进行交互。 Hypervisor 是一个策略执行网关,它抽象出单个基于意图的接口背后的后端差异(SQL 数据库、MongoDB、向量存储、文件系统)。 ## 核心工作流程 始终遵循此顺序 - 每个步骤都建立在上一步的基础上: ``` 发现 → 描述 → 验证(可选)→ 执行 ``` 1. **发现** — 查找可用的数据资源 2. **描述** — 读取特定资源的使用契约(字段架构、允许的运算符、必需的谓词) 3. **验证** — 在执行前试运行您的意图以捕获错误(推荐但可选) 4. **执行** — 运行意图并获取结果跳过“describe”会导致格式错误的意图,因为您不知道存在哪些字段、需要哪些谓词或允许哪些运算符。在建立意图之前始终进行描述。 ## 四个 MCP 工具 ### 1. `adp_discover` — 浏览可用资源查找可用数据。使用过滤器来缩小结果范围。 **参数:** - `domain_prefix`(可选):按域过滤,例如`"com.acme"` - `intent_class`(可选):`"LOOKUP"`、`"QUERY"`、`"INGEST"` 或 `"REVISE"` - `keyword`(可选):自由文本搜索 acr
知识库自动编译器。支持通过命令 `/wiki-compiler` 或“收录到知识库”触发。同时包含 `/wiki-dream`(做梦机制/沉思),以在空闲时融合现有知识节点。利用幂等引擎防止重复生成,并融合 Dataview/Marp 原生可视化方案。
用于查找和汇总的数据集成。每当用户需要有关其 Google 日历活动(时间表)、GMail 电子邮件或 Slack 消息的信息时使用。
使用 SoMark 进行准确的文档解析,审查合同和法律协议(PDF、Word、图像)中的风险、不公平条款、缺失条款和关键义务。提供结构化风险分析和严重程度评级。需要 SoMark API 密钥 (SOMARK_API_KEY)。
出版级医学预测工作流程,具有严格的防数据泄漏控制、表型定义保护、基于谱系的泄漏检测、分割协议验证、类不平衡策略验证、超参数调整隔离检查、伪造测试和再现性门。在 EHR/索赔/注册数据中构建、审查或调试疾病风险或预后模型时使用,特别是当目标定义、诊断代码、实验室标准、药物、时间窗口和派生特征可能泄漏目标信息时。
在发布到网络之前从图像中去除敏感的 EXIF 元数据。在处理博客文章、网站或公共内容的图像时,或者在提及 EXIF、元数据、GPS 数据或图像隐私时激活。
为 SQL 和 NoSQL 数据库设计健壮、可扩展的数据库架构。提供规范化指南、索引策略、迁移模式、约束设计和性能优化。确保数据完整性、查询性能和可维护的数据模型。
对抗性机器学习指南:对抗性示例、数据中毒、模型后门和规避攻击。
当您希望您的产品出现在 AI 生成的答案(ChatGPT、Perplexity、Gemini)中时使用 - 创建 llms.txt、优化结构化数据并配置 GEO 的 AI 爬虫访问权限。
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: