- 📄 SKILL.md
cortex-mem-mcp
AI 代理的持久记忆增强。存储对话、通过语义检索搜索记忆以及跨会话回忆上下文。当您需要记住用户首选项、过去的对话、项目上下文或任何应在当前会话之后保留的信息时,请使用此技能。提供分层访问(摘要/概述/内容)以实现高效的上下文管理。
AI 代理的持久记忆增强。存储对话、通过语义检索搜索记忆以及跨会话回忆上下文。当您需要记住用户首选项、过去的对话、项目上下文或任何应在当前会话之后保留的信息时,请使用此技能。提供分层访问(摘要/概述/内容)以实现高效的上下文管理。
将 Claude Code 对话历史收录到 Obsidian wiki 中。当用户想要挖掘他们过去的 Claude 对话以获取知识、导入他们的 ~/.claude 文件夹、从以前的编码会话中提取见解,或者说“处理我的 Claude 历史记录”、“将我的对话添加到 wiki”、“我之前与 Claude 讨论过什么”之类的内容时,请使用此技能。当用户提及其 .claude 文件夹、Claude 项目、会话数据或过去的对话日志时也会触发。 --- # Claude History Ingest — 对话挖掘 您正在从用户过去的 Claude Code 对话中提取知识,并将其提炼到 Obsidian wiki 中。对话内容丰富但混乱——你的工作是找到信号并对其进行编译。 ## 开始之前 1. 读取 `.env` 以获取 `OBSIDIAN_VAULT_PATH` 和 `CLAUDE_HISTORY_PATH`(默认为 `~/.claude`) 2. 在 Vault 根目录中读取“.manifest.json”,检查已提取的内容 3. 在 Vault 根目录中读取“index.md”,了解 wiki 已包含的内容 ## 提取模式 ### 附加模式(默认) 检查每个源文件(对话 JSONL、内存文件)的“.manifest.json”。只处理: - 不在清单中的文件(新对话、新内存文件、新项目) - 修改时间比清单中“ingested_at”更新的文件 这通常是您想要的 — 用户运行了一些新会话并希望捕获增量。 ### 完整模式 处理所有内容,无论清单如何。在“wiki-rebuild”之后或用户明确要求时使用。 ## Claude Code 数据布局 Claude Code 将所有内容存储在 `~/.claude/` 下。 下面是实际的结构: ``` ~/.claude/ ├──projects/ # 每个项目目录 │ ├── -Users-name-project-a/ # 路径派生名称(斜线 → 破折号) │ │ ├── <session-uuid>.jsonl # 对话数据 (JSONL) │ │ └── memory/ # 结构化内存 │ │ ├── MEMORY.md # 内存索引 │ │ ├── user_*.md # U
为LLM代理人提供长期记忆服务。通过三个操作提供持久的结构化内存(认知关联):形成(将对话编码到内存中)、调用(使用自然语言查询内存)和维护(巩固和修剪内存)。
您可以通过 MCP 集成访问 GoHighLevel (GHL) CRM 数据。使用此技能来管理联系人、对话、机会并监控保险机构子帐户的业务指标。
当用户要求“进化 CLAUDE.md”、“根据经验更新 CLAUDE.md”或“自我进化”时,应该使用此技能。扫描对话和笔记以提取可操作的发现并将其附加到 CLAUDE.md。
使用 ai-elements 组件构建 AI 聊天界面 - 对话、消息、工具显示、提示输入等。当用户想要构建聊天机器人、人工智能助手 UI 或任何人工智能驱动的聊天界面时使用。
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: