- 📁 references/
- 📁 scripts/
- 📄 SKILL.md
browser-mcp
通过浏览器 MCP Chrome 扩展程序自动化用户真正的 Chrome 浏览器。使用用户的登录会话和真实的浏览器指纹来避免机器人检测。当用户需要使用实际的浏览器配置文件浏览网站、填写表单、抓取数据或测试网页时使用。
通过浏览器 MCP Chrome 扩展程序自动化用户真正的 Chrome 浏览器。使用用户的登录会话和真实的浏览器指纹来避免机器人检测。当用户需要使用实际的浏览器配置文件浏览网站、填写表单、抓取数据或测试网页时使用。
与 data.gouv.fr API 交互 — 主要 API(数据集、组织、用户、资源、重用、讨论)、指标 API(按模型的使用/统计)、表格 API(按资源 ID 查询 CSV 行)。在使用 data.gouv.fr 数据、目录或平台功能时使用。
最大限度地减少所有 bash、文件和数据处理操作中的令牌浪费。每当执行命令、读取文件或处理输出时,始终应用这些原则。这项技能控制着 LLM 代理如何与系统交互——它适用于涉及工具使用、文件读取、数据处理或 shell 命令的每项任务。 TRIGGER 在任何计算机上使用。 --- # 令牌高效的计算机使用 从工具调用返回的标准输出的每个字符都会被令牌化并计费。 2000 行 JSON 文件中的一只粗心的“猫”所付出的代价与一次深思熟虑的对话所付出的代价一样多。目标不是记住特定的命令 - 而是内化一个简单的成本模型:**工具输出的每个字节都是花费的金钱和上下文窗口**,并且每个工具调用都有固定的往返开销。每次工具调用之前应先提出两个问题: 1. **我可以完全避免此调用吗?** 如果该信息已经存在于先前读取的上下文中或来自用户,请使用它。 2. **如果我必须调用,如何最小化返回的字节?** 在源处过滤、投影、截断或计数,而不是转储原始输出。
[UDS] 分析 AC 與測試的追蹤關係及覆蓋率
使用分页从任何 GitHub 存储库中获取所有未解决的问题,并生成全面的分析,包括类别细分、年龄分布、陈旧问题(30 天以上)、热门讨论问题、优先级和详细的分类建议。高效处理大型存储库(5000 多个问题)。
通过“bk” CLI 与 beankeeper 会计系统交互时,应该使用此技能。当用户要求“记录交易”、“过帐条目”、“检查余额”、“生成报告”、“创建公司”、“设置帐户”、“导入银行对账单”、“设置预算”、“比较预算与实际”、“核对条目”、“验证分类账”、“导出数据”、“附加收据”或任何财务簿记任务时使用。当将结构化 JSON 输出从“bk”传输到其他工具或代理时也可使用。 --- # Beankeeper (`bk`) -- 复式记账 CLI Beankeeper 是一个完全通过 `bk` 命令行界面操作的复式记账系统。它将数据存储在本地 SQLite 数据库中(可以选择通过 SQLCipher 加密)。所有输出都支持三种格式:人类可读的表格、机器可读的 JSON 和 CSV。 ## 核心概念 - **复式记账**:每笔交易都有平衡的借方和贷方。借方总额始终等于贷方总额。 - **公司**:多租户——每家公司都有自己的会计科目表和分类账。通过 `--company SLUG` 或 `BEANKEEPER_COMPANY` 环境变量指定。 - **账户**:五种类型:“资产”、“负债”、“权益”、“收入”、“费用”。每个都有一个代码(例如“1000”)和正常余额方向(借方或贷方)。 - **金额**:始终在 CLI 上以**主要单位**(美元,而不是美分)指定。内部存储为小单位(分)。示例:“2500”表示 2,500.00 美元。 - **仅追加分类账**:交易在过账后无法编辑或删除。通过冲销分录进行更正。 - **幂等性**:使用 `--reference KEY` 和 `--on-conflictskip` 来安全地重试重复的帖子。 有关详细的会计概念和帐户类型,请参阅 [`references/accounting.md`](references/accounting.md)。 ## 代理集成 **始终使用 `--json` 进行编程访问。** 每个 JSON 响应都使用统一的信封: ```json { "ok": true, "meta": { "command": "...", "company": "...", "timestamp": "..." }, "data": { ...
对静态分析结果进行分类、评估优点并接受噪音或不相关的项目
适用于 Solidity 智能合约的人工智能优先安全审计员。 4 阶段管道(侦察 → 检测 → 状态分析 → 验证),具有 101 个启发式、15 个检测模块和 8 个杀伤门。经过 50 次盲目影子审核,测试精度为 100%。
管理 Omni Analytics 实例 - 通过 Omni CLI 管理连接、用户、组、用户属性、权限、计划和架构刷新。每当有人想要管理用户或组、在仪表板或文件夹上设置权限、配置用户属性、创建或修改计划、管理数据库连接、刷新架构、设置访问控制、配置用户或“添加用户”、“授予访问权限”、“设置权限”、“谁有权访问”、“配置连接”、“刷新架构”或“安排交付”的任何变体时,请使用此技能。
按 ID 显示单个 Claude Code 项目的详细信息。当用户想要检查特定项目的元数据、成本或目录时使用。
使用 OfferPilot 技能包进行简历优化、中国首创的京东适配诊断、有针对性的简历以及 Claude Code 风格存储代理中的求职信。当用户想要从本地简历和职位描述文件中获得结构化职位申请输出或 JD 适合度分析时使用。
如何使用 Soda CLI 进行数据质量管理 — 身份验证、数据源、数据集、合同、监视器、结果、机密、权限和 CI/CD 集成。使用 Soda、数据质量或 sodacli 命令时使用。
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: