- 📄 SKILL.md
blog-author
深入研究一个主题,逐步规划一个博客,并在当前工作目录中使用结构化 Markdown 输出撰写一篇长篇文章。支持多语言编写、源跟踪、元数据生成以及通过可用图像工具插入可选图像。
深入研究一个主题,逐步规划一个博客,并在当前工作目录中使用结构化 Markdown 输出撰写一篇长篇文章。支持多语言编写、源跟踪、元数据生成以及通过可用图像工具插入可选图像。
通过 7 步管道生成完整的、可用于生产的代理技能包。每个步骤都定义了输入、输出和质量约束。
空投项目评估 — 基于 v3 门槛+加权模型(发币意愿/风险 门槛检查 → 筹码/链上/竞争/成本 加权评分) 百分制 × 系数,输出档位判定(Sprint/中等维护/低保维护)。 输出格式对齐 P-xxx 空投评估模板。Triggers on "空投评估", "airdrop evaluation", "项目评分", "airdrop scoring", "空投分析", "evaluate airdrop", or "P-xxx". --- # Airdrop Evaluation (v3) 基于门槛+加权评分框架对空投项目进行综合评估,输出 P-xxx 格式报告。 ## Data Source Priority ### Layer 1: MCP - **coingecko** — 代币信息(如已发币) - **dune** — 链上数据(交易指标、用户增长、手续费、供需分析、KPI 汇总) ### Layer 2: Chrome CDP - `defillama.com/protocol/{protocol}` — TVL 趋势、协议数据 - 官网、文档、Discord ### Layer 3: Web Search - 融资背景、团队信息、社区规模、积分机制、官方公告、竞品信息 ## Workflow ### Step 1: Project Identification + Document Collection - 解析项目名称 - 查找官网、文档、社交媒体链接 - 确认项目状态(是否已发币、是否有积分系统) - **主动询问用户是否有项目相关文档**(白皮书、tokenomics、积分规则等) - 用户提供 → 优先作为评分依据,按文档性质标注置信度 - 官方公告/白皮书/合约文档 → ◆ - 多源交叉验证的分析 → ◇ - 单一来源未验证 → ○ - 用户没有 → 继续自动拉取 ### Step 2: Auto-Fetch Data 自动拉取可获取的数据: - coingecko: 代币信息(如已发币) - dune: 链上数据 - 日度交易指标(交易次数、交易量 USD、手续费 USD、Unique Takers/Makers) - 用户增长(新增用户、7日均值、累计用户) - 协议收入/手续费趋势 - 供需背离分析(供给侧 vs 需求侧指标趋势对比) - 汇总 KPI(总交易量、总交易数、总手续费、总用户数、峰值日、WoW 变化) - defillama: TVL 趋势(Chrome CDP) - Web Search: 融资轮次、估值、团队背景、积分机制细节、社区规模、竞品信息 (URL 未知时先 Web Search 取 URL 再 Chrome CDP 访问,Web Search 无法找到 URL 则直接 Web Search 摘要兜底) ### Step 3: Gate Check (门槛检查) 预填"发币意愿"和"风险等级"评分 + 依据 + 置信度标注: | 门槛维度 | 建议分数 | 系数 | 依据 | 置信度 | |---------|---------|------|------|-------| | 发币意愿 | X | ×Y | [data] | ◆/◇/○ | | 风险等级 | X | ×Y | [data] | ◆/◇/○ | **明确标注为建议评分,等待用户确认或调整。** - 用户确认后: - 任一维度 < 3 → 输出"放弃"精简报告,**流程终止** - 两项都 ≥ 3 → 记录系数,进入 Step 4 ### Step 4: Weighted Scoring (加权评分预填 + 用户确认) 预填四个加权维度评分建议: | 维度 | 权重 | 建议分数 | 依据 | 不确定性 | 置信度 | |------|------|---------|------|---------|-------| | 筹码获取 | 30% | X | [data] | [unknowns] | ◆/◇/○ | | 链上健康度 | 25% | X | [data] | [unknowns] | ◆/◇/○ | | 竞争定位 | 25% | X | [data] | [unknowns] | ◆/◇/○ | | 单位成本 | 20% | X | [data] | [unknowns] | ◆/◇/○ | **明确标注为建议评分,等待用户确认或调整。** 用户可以补充自己的判断依据。 ### Step 5: Calculate + Report (计算 + 生成报告) - 计算最终分 - 档位判定(含降档规则) - 催化剂表格(如有) - 按模板输出报告 ## Output Template — Gate
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: