- 📄 SKILL.md
acpx-session
管理 ACPX 会话,将任务从协调器代理委派给编码代理。用于具有命名会话、并行工作流和状态跟踪的代理到编码代理工作委派。
管理 ACPX 会话,将任务从协调器代理委派给编码代理。用于具有命名会话、并行工作流和状态跟踪的代理到编码代理工作委派。
根据黄金参考对座席行为进行评估和评分。每当用户想要运行评估、检查通过/失败状态、了解指标分数、比较会话的回归、验证代理行为或对文件或实时会话的跟踪进行评分时,请使用此技能。触发诸如“评估此跟踪”、“检查我的代理输出”、“我的代理是否做了正确的事情”、“比较运行”、“我的代理回归了吗”、“对会话 X 进行评分”、“针对黄金进行评估”、“运行评估”等短语。适用于本地跟踪文件和实时流会话。 --- 评估代理行为并解释分数的含义。 ## 确定输入类型 首先,确定要评估的内容: - **跟踪文件** — 用户提及 `.json` 或 `.jsonl` 文件路径 → 使用 `evaluate_traces` - **Sessions 与 Golden** — 用户有多个实时会话并希望进行回归测试 → 使用 `evaluate_sessions` - **单个实时会话** — 用户希望针对黄金评估集对一个会话进行评分 → 指导他们将 `evaluate_sessions` 与一个会话一起使用Golden ## 评估跟踪文件 1. 获取文件路径。检查扩展名: `.jsonl` → `trace_format: "otlp-json"` | `.json` → `"jaeger-json"`(默认) 2. 询问他们是否有黄金评估集 JSON。对于“tool_trajectory_avg_score”(默认指标),需要一个评估集 - 它提供了要进行比较的预期工具调用序列。 如果他们还没有,请解释这一点并建议从“hallucinations_v1”开始,或者询问他们是否想首先从参考运行中创建一个黄金集。 3. 使用文件、格式和评估集调用“evaluate_traces”。 4. 以分数表形式呈现结果(请参阅下面的分数解释)并解释失败的原因。 ## 评估会话(回归测试) 此工作流程要求服务器使用“--dev”标志运行(启用 WebSocket 和会话流)。普通的“agentevasserve”不会有会话。如果您从下面的任何工具中收到连接错误,请告诉用户:``bash uv run agentevalsserve --dev``
监控和查询 Claude Code 会话 - 列出会话、搜索对话、检查成本、查看 AI 流畅度分数、查看实时运行的代理。当用户询问其 Claude Code 使用情况、成本、会话历史记录或正在运行的代理时使用。 --- ## 您操作 `claude-view` HTTP API **如果 claude-view MCP 工具在您的环境中可用,则更喜欢使用它们而不是curl。** 此技能是不支持 MCP 的环境的后备技能。 claude-view 在端口 47892(或“$CLAUDE_VIEW_PORT”)上运行本地服务器。所有端点都返回 JSON(驼峰命名法字段名称)。基本 URL: `http://localhost:47892` ## 解析服务器 1. 检查是否运行: `curl -sf http://localhost:47892/api/health` 2. 如果未运行,请告诉用户:`npx claude-view` ## 端点 |意向 |方法|端点 |关键参数| |--------|--------|----------|------------| |列出会话 |获取 | `/api/sessions` | `?limit`, `?q`, `?filter`, `?sort`, `?offset`, `?branches`, `?models`, `?time_after`, `?time_before` | |获取会话详细信息 |获取 | `/api/sessions/{id}` | — | |搜索会话 |获取 | `/api/搜索` | `?q` (必需)、`?limit`、`?offset`、`?scope` | |仪表板统计 |获取 | `/api/stats/dashboard` | `?project`、`?branch`、`?from`、`?to` | | AI 流畅度得分 |获取 | `/api/score` | — | |代币统计 |获取 | `/api/stats/tokens` | — | |现场会议 |获取 | `/api/live/sessions` | — | |直播总结|获取 | `/api/live/summary` | — | |服务器健康状况 |获取 | `/api/health` | — | ## 读取响应 所有响应都是带有驼峰命名法字段名称的 JSON。 关键形状:**会话列表:**`{会话:[{id,project,displayName,gitBranch,durationSeconds,totalInputTokens,totalOutputTokens,primaryModel,messageCount,turnCount,commitCount,modifiedAt}],total,hasMore}`**会话详细信息:**所有会话字段加上`commits:[{ hash,message,timestamp,branch}]`和`衍生指标:{tokensPerPrompt, reeditRate、toolDensity、editVelocity }` **搜索:** `{ 查询、totalSessions、totalMatches、elapsedMs、
Claude Code Manager — 管理帐户、会话、环境并优化令牌使用。当用户提到切换 Claude 帐户、清理会话、环境快照、磁盘使用情况、令牌优化、Claude 代码运行状况检查、孤立会话、孤立进程、tmp 文件、MCP 审核、项目绑定、会话搜索、令牌使用历史记录、帐户重新排序、配置文件、隔离、并发会话、监视、速率限制、自动切换、仪表板、会话存档、设置向导、恢复、使用仪表板、使用情况比较、claudeignore、权限规则、状态行、状态栏或说时使用“ccm”、“doctor”、“清理缓存”、“清理 tmp”、“会话列表”、“会话搜索”、“env 快照”、“绑定”、“取消绑定”、“重新排序”、“使用历史记录”、“init”、“权限审核”、“状态行”、“ccm 监视”、“ccm 配置文件”、“ccm 设置”、“ccm 恢复”。
自我改进的技能工具包,可以观察真实的座席会话,检测错过的触发,对执行质量进行评分,并改进技能描述以匹配用户的实际交谈方式。在对会话进行评分、生成评估、改进技能描述或路由表、检查技能运行状况、查看仪表板、从其他平台提取会话或运行自主改进循环时使用。每当用户提到技能改进、技能表现、技能触发、技能进化、技能健康状况、触发不足、过度触发、会话评分,或想知道他们的技能表现如何时,请确保使用此技能 - 即使他们没有明确地说“自我调整”。
扫描正在运行的 Claude 会话以查看其他代理正在做什么。当被问到“其他代理在做什么”、“检查其他会话”、“正在运行什么”、“扫描代理”、“谁在做什么”时,或者在开始新工作之前使用,以避免重叠。 --- # Agents: Scan Running Claude Sessions 运行 `scan.sh` 来检查所有运行 Claude 的 tmux 会话并报告每个会话正在做什么。 ## 用法 ```bash bash ~/.claude/skills/agents/scripts/scan.sh # 所有会话 bash ~/.claude/skills/agents/scripts/scan.sh floom # 仅 floom/* 会话 bash ~/.claude/skills/agents/scripts/scan.sh openpaper # 仅 openpaper/* 会话 ``` ## 显示内容
跨会话的持久内存。自动捕获您的工作并提供过去会话的相关背景。与克劳德·代码共享。
跟踪项目的票证、问题和进度。加载项目上下文、管理会话、指导设置。
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: