每日精选skills数量
04/05
04/06
04/07
04/08
04/09
04/10
04/11
♾️免费开源 🛡️安全无忧
导入技能
指导如何高效使用 web_search 和 web_extract 工具进行网络资料查找、深度阅读与信息整合当用户要求“搜索一下”、“查资料”、“总结网页”、“了解最新动态”时触发 --- # 标准操作指南 你的目标是利用 `web_search` 和 `web_extract` 这两个工具,以**最少的 Token 消耗、最精准的方式**为用户获取高质量信息 ## 🛠️ 工具核心认知 你有两个核心武器,请严格按照它们的定位使用: 1. **`web_search` (广度扫描)**:用于寻找线索、获取最新资讯或快速回答 - **绝招**:利用 `time_range` 或 `days` 找最新消息;利用 `include_domains` 在特定网站(如 github.com, zhihu.com)内定向搜索 - **捷径**:如果只需要网页的粗略内容,直接开启 `include_raw_content: true`,通常可以省去后续调用 `web_extract` 的步骤 2. **`web_extract` (深度挖掘)**:用于精准提取长文章、深度报告或复杂网页的核心内容 - **绝招**:**永远不要把整个长网页无脑塞进上下文!** 如果你只关心网页中的特定问题,**必须**使用 `query` 参数,并配合 `chunks_per_source`(建议设为 3-5),让工具只返回最相关的片段 - **注意**:只有当 `web_search` 的摘要信息不足以回答用户问题时,才挑选 1-3 个最有价值的 URL 使用此工具 --- ## 📋 高效检索标准工作流 (SOP) 处理用户的搜索需求时,请遵循以下 4 步流程: ### 第一步:需求拆解与策略制定 - 分析用户需要的是“时效性信息”(如今天的新闻)、“特定站点信息”(如某公司的财报),还是“通用知识” - 确定搜索关键词(建议拆分为多个精准的 query) ### 第二步:执行广度搜索 (`web_search`) - 根据策略调用 `web_search` - **参数配置建议**: - 找新闻:`topic: "news"`, `time_range: "w"` (近一周) - 找特定网站内容:`include_domains: ["example.com"]` - 需要直接看内容:`include_raw_content: true`, `max_results: 5`(减少数量以防 Token 溢出) ### 第三步:评估与深度提取 (`web_extract`) - 阅读 `web_search` 返回的 Snippet(摘要)如果信息已经足够回答,**直接跳到第四步** - 如果信息不足,挑选 1-3 个最权威、最相关的 URL 调用 `web_extract` - **高阶技巧**:如果网页很长(如维基百科、官方文档),**务必**在 `web_extract` 中传入 `query` 参数(例如 `query: "2023年Q3营收数据"`),强制工具进行智能分块和重排序,只提取你需要的精准片段 ### 第四步:信息交叉验证与输出 - 综合所有获取到的信息进行总结 - **强制要求**:在回答中必须使用 Markdown 链接格式标注信息来源,例如:`[来源](URL)`如果不同来源信息有冲突,需客观指出 --- ## 💡 典型场景参数模板 (Cheat Sheet) 遇到以下场景时,请直接参考这些参数组合: **场景 A:用户问“今天 AI 圈有什么大新闻?”** - 工具:`web_search` - 参数:`topic: "news"`, `time_range: "d"`, `max_results: 10` **场景 B:用户问“帮我总结一下这个 Github 项目的 README:[URL]”** - 工具:`web_extract` - 参数:`urls: ["[URL]"]`, `extract_depth: "basic"`, `format: "markdown"` **场景 C:用户问“在苹果官网查一下 iPhone 15 Pro 的钛金属材质说明”** - 动作 1:`web_search` -> `query: "iPhone 15 Pro 钛金属"`, `include_domains: ["apple.com"]` - 动作 2:拿到具体 URL 后,调用 `web_extract` -> `urls: [URL]`, `query: "钛金属 材质 制造工艺"` (精准提取,忽略其他无关参数) --- **⚠️ 最终警告:** 1. 不要为了搜索而搜索,如果你的内在知识足以完美且准确地回答(且不需要最新数据),
- 📄 scrapling_fetch.py
- 📄 SKILL.md
从任意 URL 提取干净正文(Markdown 格式)。三层降级策略:Jina Reader → Scrapling + html2text → web_fetch。触发关键词:「抓取网页」「提取正文」「读取文章」「网页内容」「fetch article」「extract web」「读取 URL」「抓文章」「web extract」「网页提取」。当用户给出一个 URL 并要求获取/阅读/提取其内容时自动触发。
从网页下载嵌入视频。获取页面,识别视频托管服务(Vimeo、YouTube 等),解析正确的嵌入/播放器 URL,并使用 yt-dlp 下载。处理需要引用标头或嵌入 URL 的私有/不公开视频。当有人说“下载此视频”、“保存此视频”、“从此页面抓取视频”、“翻录此视频”或提供 URL 并要求从中下载媒体时,请使用此技能。当有人将 URL 粘贴到包含嵌入视频的页面并希望在本地获取视频文件时也会触发。
NikitaDmitryuk
from GitHub
内容与多媒体
- 📁 screenshots/
- 📄 CHANGELOG.md
- 📄 clawhub.json
- 📄 README.md
通过 Telegram Media Server (TMS) REST API 管理下载 — 通过 URL(视频/磁铁/torrent URL)或 torrent_base64(.torrent 字节)添加、列出、删除、搜索 torrent。
Skills文件组织结构基本样例(仅作参考)
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
SKILL.md 内容要求
├─ ⭐ 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)
为什么选择 SkillWink?
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。
AI 语义搜索
关键词检索
版本更新
多维排序
开放标准
评论交流
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。
常见问题解答(FAQ)
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。
1,什么是Agent Skills?
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。
2,Skills是怎么运行的?
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。
3,我该怎么快速找到想要的技能?
推荐 3 种方式组合使用:
- 语义搜索:用一句自然语言描述你想解决的问题;
- 多维筛选:按分类/标签/作者/语言/许可证过滤;
- 排序对比:按下载、点赞、评论、最近更新等维度排序,快速筛出“更可能好用”的技能。
4,SkillWink 支持哪些导入方式?
- 上传归档文件导入:.zip / .skill 一键导入(推荐)
- 上传skills文件夹
- 从GitHub仓库导入
注:以上导入方式文件大小控制在10M之内。
5,在Claude / Codex 等系统中如何是使用?
常见路径如下(不同系统略有差异,以你本机为准):
- Claude Code:~/.claude/skills/
- Codex CLI:~/.codex/skills/
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”。
6,一个技能能不能被多个工具一起用?
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。
7,这些skills使用安全吗?
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。
8,为什么我导入后“没有生效”?
最常见原因是这几类:
- 放错目录(路径不对、层级多了一层)
- SKILL.md 缺字段或格式不规范(名称/入口/依赖不完整)
- 依赖未安装(Python/Node/CLI 工具缺失)
- 工具未重新加载技能(某些环境需要重启/刷新)
9,SkillWink 会不会收录重复或低质量技能?
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前:
- 重复技能:看差异点(更快/更稳定/更强主题能力)
- 低质量技能:我们会定期清理低质量skills