- 📁 references/
- 📄 SKILL.md
browser-use
自动执行浏览器交互以进行 Web 测试、表单填写、屏幕截图和数据提取。当用户需要导航网站、与网页交互、填写表单、截取屏幕截图或从网页中提取信息时使用。
自动执行浏览器交互以进行 Web 测试、表单填写、屏幕截图和数据提取。当用户需要导航网站、与网页交互、填写表单、截取屏幕截图或从网页中提取信息时使用。
用于 QA 测试和网站测试的快速无头浏览器。导航页面、与元素交互、验证状态、前后比较、截取带注释的屏幕截图、测试响应式布局、表单、上传、对话框以及捕获错误证据。当被要求打开或测试站点、验证部署、测试用户流程或使用屏幕截图提交错误时使用。 (gstack)
在构建 App Store 屏幕截图页面、为 iOS 应用程序生成可导出的营销屏幕截图或使用 Next.js 创建程序化屏幕截图生成器时使用。在应用商店、屏幕截图、营销资源、html 到图像、手机模型上触发。
使用主机端“代理浏览器”CLI 进行本地浏览器冒烟测试、屏幕截图、快照以及针对转发的本地主机 URL 的简单 UI 验证。
浏览网络执行任何任务 - 研究主题、阅读文章、与网络应用程序交互、填写表单、截屏、提取数据和测试网页。只要浏览器有用就使用,而不仅仅是在用户明确要求时使用。
使用 Midscene 的视觉驱动 Android 设备自动化。完全通过屏幕截图进行操作——不需要 DOM 或辅助功能标签。无论技术堆栈如何,都可以与屏幕上的所有可见元素进行交互。通过 ADB 使用自然语言命令控制 Android 设备。执行点击、滑动、文本输入、应用程序启动、屏幕截图等。
自动执行浏览器交互以进行 Web 测试、表单填写、屏幕截图和数据提取。当用户需要导航网站、与网页交互、填写表单、截取屏幕截图、测试 Web 应用程序或从网页中提取信息时使用。
当您需要抓取网站、提取页面内容、下载媒体或在没有完整安装 ArchiveBox 的情况下运行 ArchiveBox 提取器时,请使用此选项。 abx-dl 可以使用与 ArchiveBox 相同的插件生态系统保存多种 Web 内容,包括 txt、md、html、json、pdf、png、jpg、mp4、mp3、srt、屏幕截图、favicons、标题、DOM 快照、镜像站点等。
用于 QA 测试和网站测试的快速无头浏览器。导航页面、与元素交互、验证状态、前后比较、截取带注释的屏幕截图、测试响应式布局、表单、上传、对话框以及捕获错误证据。当被要求打开或测试站点、验证部署、测试用户流程或使用屏幕截图提交错误时使用。
使用 Nano Banana 打造优质、一致的 App Store 屏幕截图活动。当 Codex 需要分析应用程序代码库的品牌、风格和声明时使用,决定应捕获哪些屏幕,指导用户拍摄特定的屏幕截图,将这些屏幕截图转换为广告优先的 App Store 幻灯片,在整个集合中保持一致的风格锚点,并将最终导出标准化为 App Store 纵向尺寸。
自动执行浏览器交互以进行 Web 测试、表单填写、屏幕截图和数据提取。当用户需要导航网站、与网页交互、填写表单、截取屏幕截图、测试 Web 应用程序或从网页中提取信息时使用。
用于检查 Tauri 桌面应用程序并与之交互的 CLI — DOM 查询、屏幕截图、交互(单击/键入/滚动)、IPC 监控、存储检查、结构化断言
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: