- 📄 SKILL.md
adversarial-machine-learning
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。
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。
在处理 Auto.dev API、车辆数据、VIN 解码、汽车列表、车辆照片、规格、召回、付款、利率、税收、OEM 构建数据、车牌到 VIN、CLI 命令、MCP 工具或任何汽车数据任务的 SDK 方法时使用
扩散模型的实用工程:架构、训练、推理、内存优化。用于具有扩散模型的任何任务:设计或修改架构(UNet/DiT/Flow/Flux)、调度器/采样器的选择和配置、附加训练(LoRA/DreamBooth/完全微调)、内存优化(AMP/检查点/ZeRO/FSDP/量化)、文本编码器的替换或融合(CLIP/Qwen)、使用扩散器、调试扩散管道、质量评估(FID/CLIPScore/LPIPS)、潜扩散、VAE、引导/CFG、整流流、稳定扩散、SDXL、通量。在训练生成模型、文本到图像管道、ControlNet、多编码器融合、WebDataset 时询问有关 GPU 内存的问题时也可使用。 --- # 扩散工程技能 ## 快速定位 最影响质量/速度/成本的三个工程决策是: 1. **扩散在哪里** → 像素(昂贵)或潜在空间(LDM/SD 系列 - 实用) 2. **降噪器的骨干** → UNet(经典,更简单)或 Transformer/DiT/Flow(缩放更好) 3. **采样控制** → 调度程序、步骤数、guiding_scale - 通常提供的不仅仅是编辑网络 --- ## 参考文件 - 按任务读取 |主题 |文件 |何时阅读 | |---|---|---| |架构和数据流| `references/architectures.md` | DDPM/SDE/LDM/DiT/Flux/VAE/SDXL,管道图| |调度程序和指导| `references/samplers.md` | DDIM/Euler/Heun/DPM-Solver/PNDM、CFG、预测类型 | |培训和进修| `参考文献/training.md` |损失/目标、LoRA/DreamBooth/full FT、超参数 | |内存和分布| `引用/内存.md` | AMP、检查点、ZeRO、FSDP、量化、FP8 | |文本编码器和数据 | `references/encoders-data.md` | CLIP/Qwen/多编码器、标记化、数据管道 | |评估和故障排除 | `references/eval-debug.md` | FID/CLIPScore/LPIPS、典型故障和修复、许可证 | --- ## 快速清单“我正在构建/修改 diffusio n» - [ ] **Backbo
数据分析技能中心。根据请求路由到正确的专家子技能 - 探索、查询编写、端到端分析、可视化、验证、交互式仪表板组装或定期快照刷新。
DTC电商综合人工智能营销合作伙伴。结合了由 Attribuly 第一方数据支持的多种诊断和优化技能。
使用浏览器自动化连接来自任何网络平台的个人数据。
基于东方财富专业数据库,支持自然语言查询金融数据,覆盖A股、ETF、债券、港美股、基金等全品类资产,含实时行情、公司信息、估值、财务报表等,数据实时、权威、全面,可用于投资研究、交易复盘、行业分析、信用研究、财报审计、资产配置、报告撰写等场景,一站式满足机构与个人投资分析、市场监控、数据检索等需求。返回结果包含数据说明及 xlsx 文件。
MBB 级管理顾问,精通结构化思维、框架、猜测、行业分析和执行级交付成果。使用此技能可以:解决业务问题、构建案例、市场规模、盈利能力分析、市场进入、并购、定价、运营、数字化转型、组织设计以及任何咨询交付成果(幻灯片、备忘录、一页纸)。触发:“咨询框架”、“MECE”、“问题树”、“假设驱动”、“80/20”、“麦肯锡”、“贝恩”、“BCG”、“战略咨询”、“管理咨询”、“问题陈述”、“根本原因”、“执行摘要”、“尽职调查”、“案例研究”、波特五力、3C、安索夫、价值链,或任何结构化的业务问题解决和战略分析任务。 --- # 管理顾问 — MBB 级问题解决者和战略协调者 您是一位经验丰富的 MBB 管理顾问(麦肯锡/贝恩/BCG 级别),拥有 9 至 13 年的跨行业经验 — 在负责人、董事或初级合伙人级别运营。您将严谨的分析思维与务实的商业判断、商业头脑以及在极度模糊的情况下与最高管理层建立信任的能力结合起来。您不仅仅是一个构建问题的分析师,您还是一个协调者,负责设计企业范围内的转型、协商数百万美元的项目,并将分析洞察转化为可衡量的客户价值。您可以跨任何行业、任何问题类型以及任何模糊程度进行工作。 你拥有一个已经见过数百次跨部门合作的人的模式库——并且你可以将这些模式转移到每个新问题上。 ## 您的核心身份您用结构思考,用金字塔沟通,用行动交付。您生成的每一项分析都通过了三个测试: 1. **那又怎样?** — 什么是洞察力,而不仅仅是数据? 2. **为什么会这样?** — 有什么证据支持这一说法? 3. **现在怎么办?** — 客户实际应该做什么
SentrySkills - 具有 33 条以上检测规则的 AI 代理安全框架。防止提示注入、数据泄露、不安全命令和代码漏洞。
始终使用“nb”CLI 进行所有 Jupyter 笔记本操作,而不是内置工具(Read、NotebookEdit 等)。这包括读取、创建、编辑单元格、执行和搜索笔记本。默认情况下输出 AI 优化的 Markdown 格式,带有面向行的标记(@@notebook、@@cell、@@output)和 JSON 元数据以进行确定性解析。支持本地基于文件和远程实时协作模式。此项目中的所有 .ipynb 文件都是必需的。
使用 Deepxiv 搜索、摘要、标题和实验部分读取,提取论文标题、URL、开源状态、数据集、基准分数和其他可供比较的详细信息,为研究主题构建 Markdown 基线表。
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: