[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-agentskills--agentskills":3,"tool-agentskills--agentskills":64},[4,17,27,35,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,43,44,45,15,46,26,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,46],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70612,"2026-04-05T11:12:22",[26,15,13,45],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":67,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":95,"env_os":96,"env_gpu":97,"env_ram":97,"env_deps":98,"category_tags":101,"github_topics":102,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":104,"updated_at":105,"faqs":106,"releases":134},2289,"agentskills\u002Fagentskills","agentskills","Specification and documentation for Agent Skills","agentskills 是一套由 Anthropic 主导开发的开放标准，旨在为 AI 智能体（Agent）赋予新的能力与专业 expertise。它定义了一种简洁通用的文件格式，让开发者可以将指令、脚本和资源打包成独立的“技能包”。智能体能够自动发现并加载这些技能包，从而在特定任务中表现得更出色。\n\n这一方案主要解决了当前 AI 智能体能力扩展难、格式不统一的问题。过去，为不同智能体添加新功能往往需要重复开发或适配私有接口，而 agentskills 实现了“一次编写，处处可用”，极大地降低了能力复用的门槛。其核心理念是将复杂的专家知识模块化，使智能体能像人类查阅手册一样灵活获取新技能。\n\nagentskills 特别适合 AI 应用开发者、研究人员以及希望构建垂直领域智能体的团队使用。无论是需要让智能体掌握特定的代码调试技巧，还是理解复杂的行业流程，都可以通过编写或引用现有的技能包快速实现。作为开源项目，它拥有活跃的社区支持和丰富的示例库，鼓励全球开发者共同贡献，推动智能体生态的标准化发展。通过这种开放协作的模式，agentskills 正成为连接通用大模型与具体应用场景的重要桥梁","agentskills 是一套由 Anthropic 主导开发的开放标准，旨在为 AI 智能体（Agent）赋予新的能力与专业 expertise。它定义了一种简洁通用的文件格式，让开发者可以将指令、脚本和资源打包成独立的“技能包”。智能体能够自动发现并加载这些技能包，从而在特定任务中表现得更出色。\n\n这一方案主要解决了当前 AI 智能体能力扩展难、格式不统一的问题。过去，为不同智能体添加新功能往往需要重复开发或适配私有接口，而 agentskills 实现了“一次编写，处处可用”，极大地降低了能力复用的门槛。其核心理念是将复杂的专家知识模块化，使智能体能像人类查阅手册一样灵活获取新技能。\n\nagentskills 特别适合 AI 应用开发者、研究人员以及希望构建垂直领域智能体的团队使用。无论是需要让智能体掌握特定的代码调试技巧，还是理解复杂的行业流程，都可以通过编写或引用现有的技能包快速实现。作为开源项目，它拥有活跃的社区支持和丰富的示例库，鼓励全球开发者共同贡献，推动智能体生态的标准化发展。通过这种开放协作的模式，agentskills 正成为连接通用大模型与具体应用场景的重要桥梁。","# Agent Skills\n\n[Agent Skills](https:\u002F\u002Fagentskills.io) are a simple, open format for giving agents new capabilities and expertise.\n\nSkills are folders of instructions, scripts, and resources that agents can discover and use to perform better at specific tasks. Write once, use everywhere.\n\n## Getting Started\n\n- **[Documentation](https:\u002F\u002Fagentskills.io)** — Guides and tutorials\n- **[Specification](https:\u002F\u002Fagentskills.io\u002Fspecification)** — Format details\n- **[Example Skills](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fskills)** — See what's possible\n- **[Discord](https:\u002F\u002Fdiscord.gg\u002FMKPE9g8aUy)** — Join the discussion!\n\nThis repo contains the specification, documentation, and reference SDK. Also see a list of example skills [here](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fskills).\n\n## About\n\nAgent Skills is an open format maintained by [Anthropic](https:\u002F\u002Fanthropic.com) and open to contributions from the community.\n\n## License\n\nCode in this repository is licensed under [Apache 2.0](LICENSE). Documentation is licensed under [CC-BY-4.0](https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby\u002F4.0\u002F). See individual directories for details.\n","# 代理技能\n\n[Agent Skills](https:\u002F\u002Fagentskills.io) 是一种简单、开放的格式，用于为代理赋予新的能力和专业知识。\n\n技能是一组包含指令、脚本和资源的文件夹，代理可以发现并使用它们来更好地完成特定任务。一次编写，随处可用。\n\n## 快速入门\n\n- **[文档](https:\u002F\u002Fagentskills.io)** — 指南和教程\n- **[规范](https:\u002F\u002Fagentskills.io\u002Fspecification)** — 格式详情\n- **[示例技能](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fskills)** — 了解可能的应用场景\n- **[Discord](https:\u002F\u002Fdiscord.gg\u002FMKPE9g8aUy)** — 加入讨论！\n\n此仓库包含规范、文档和参考 SDK。更多示例技能列表请参见 [这里](https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fskills)。\n\n## 关于我们\n\nAgent Skills 是一种由 [Anthropic](https:\u002F\u002Fanthropic.com) 维护的开放格式，并向社区开放贡献。\n\n## 许可证\n\n本仓库中的代码采用 [Apache 2.0](LICENSE) 许可证。文档则采用 [CC-BY-4.0](https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby\u002F4.0\u002F) 许可证。具体细节请参阅各个目录。","# Agent Skills 快速上手指南\n\nAgent Skills 是一种由 Anthropic 维护的开放格式，旨在通过包含指令、脚本和资源的文件夹，为 AI 智能体（Agents）赋予新的能力和专业知识。遵循“一次编写，随处使用”的原则。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux、macOS 或 Windows（需支持 Python 环境）。\n*   **Python 版本**：建议安装 Python 3.8 或更高版本。\n*   **前置依赖**：\n    *   `git`：用于克隆示例技能仓库。\n    *   `pip`：Python 包管理工具。\n*   **网络环境**：由于官方资源托管于 GitHub 和国际站点，国内开发者建议配置科学上网环境，或使用 GitHub 镜像加速服务以获取示例代码。\n\n## 安装步骤\n\n目前 Agent Skills 主要作为一种规范格式和参考 SDK 存在。您可以直接通过 pip 安装参考实现（如有发布），或直接克隆官方示例仓库开始使用。\n\n### 1. 安装参考 SDK（如可用）\n```bash\npip install agentskills\n```\n\n### 2. 获取示例技能库\n官方提供了丰富的示例技能供参考和学习，建议克隆至本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fanthropics\u002Fskills.git\n```\n\n> **提示**：如果克隆速度较慢，可使用国内镜像源加速：\n> ```bash\n> git clone https:\u002F\u002Fgitee.com\u002Fmirrors\u002Fanthropics-skills.git\n> ```\n> *(注：若上述镜像不可用，请配置 git proxy 后使用原始地址)*\n\n## 基本使用\n\nAgent Skills 的核心在于让智能体“发现”并加载特定的技能文件夹。以下是最基础的使用逻辑示例。\n\n### 1. 查看技能结构\n进入克隆的示例仓库，观察技能的组织形式。每个技能通常是一个独立的文件夹，包含 `instructions`（指令）、`scripts`（脚本）等资源。\n\n```bash\ncd skills\nls\n# 输出示例：code_interpreter, web_search, data_analysis 等\n```\n\n### 2. 在代码中加载技能\n假设您正在构建一个基于 Python 的 Agent 应用，您可以按照以下方式引用技能路径。具体的加载逻辑取决于您使用的 Agent 框架，但核心是传递技能文件夹的路径。\n\n```python\nimport os\nfrom agentskills import load_skill  # 假设的参考 SDK 接口\n\n# 指定技能路径\nskill_path = \".\u002Fskills\u002Fcode_interpreter\"\n\n# 加载技能\nif os.path.exists(skill_path):\n    agent_capabilities = load_skill(skill_path)\n    print(f\"成功加载技能：{agent_capabilities.name}\")\n    \n    # 将 capabilities 注入到您的 Agent 运行时中\n    # my_agent.add_capabilities(agent_capabilities)\nelse:\n    print(\"未找到指定的技能文件夹\")\n```\n\n### 3. 自定义技能\n您可以创建自己的技能文件夹，结构如下：\n\n```text\nmy_custom_skill\u002F\n├── instructions.txt   # 定义智能体如何执行任务的自然语言指令\n├── scripts\u002F           # 存放可执行的辅助脚本\n└── resources\u002F         # 存放所需的数据文件或配置\n```\n\n编写好 `instructions.txt` 后，即可将其路径传递给支持 Agent Skills 格式的智能体，使其获得新能力。\n\n---\n*更多详细教程和规范说明，请访问 [官方文档](https:\u002F\u002Fagentskills.io)。*","某电商公司的数据团队正致力于让 AI 助手自动处理每日的销售报表分析与异常检测任务。\n\n### 没有 agentskills 时\n- 每次更新分析逻辑（如新增“节假日权重”算法），开发人员需修改底层代码并重新部署整个 AI 应用，流程繁琐且风险高。\n- 不同业务线的 AI 助手各自为政，导致“库存预警”等通用能力重复开发，无法在不同项目间复用。\n- 非技术背景的业务专家难以直接贡献专业知识，只能口头描述需求，导致 AI 对特定业务场景的理解经常偏差。\n- 缺乏统一的标准格式，第三方开发的脚本和指令难以被 AI 自动发现和加载，集成成本极高。\n\n### 使用 agentskills 后\n- 团队将新的分析逻辑封装为独立的“销售分析技能包”，只需放入指定文件夹，AI 助手即可即时发现并掌握新能力，无需重启或重部署。\n- 通用的“库存预警”技能被编写一次后，可被公司内部所有 AI 助手直接调用，彻底消除了重复造轮子的现象。\n- 业务专家可直接按照规范编写包含具体判断规则的指令文档，AI 能精准理解并执行复杂的业务策略，大幅降低沟通损耗。\n- 基于开放标准，团队轻松集成了社区开源的“异常值清洗”技能，快速补齐了数据处理短板，提升了整体响应速度。\n\nagentskills 通过将专业能力模块化与标准化，让 AI 助手像安装插件一样灵活获取新技能，实现了从“硬编码”到“即插即用”的效率飞跃。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentskills_agentskills_6e22e680.png","Agent Skills","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fagentskills_6404479b.png","A simple, open format for giving agents new capabilities and expertise.",null,"https:\u002F\u002Fagentskills.io","https:\u002F\u002Fgithub.com\u002Fagentskills",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",99.1,{"name":88,"color":89,"percentage":90},"Shell","#89e051",0.9,14946,878,"2026-04-03T11:09:29","Apache-2.0",1,"","未说明",{"notes":99,"python":97,"dependencies":100},"README 中未提供具体的运行环境需求（如操作系统、GPU、内存、Python 版本或依赖库）。该项目主要定义了一种用于赋予 AI 代理新能力的开放格式规范（包含指令、脚本和资源文件夹），而非一个需要特定硬件配置才能运行的独立模型或重型软件。详细的技术规格请参考其官方文档链接。",[],[15],[103],"agent-skills","2026-03-27T02:49:30.150509","2026-04-06T05:17:23.971159",[107,112,117,122,126,130],{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},10504,"如何定义带有类型输入\u002F输出和安全密钥注入的可执行技能操作？","可以通过创建 `ACTIONS.yaml` 文件来增强技能。该文件允许定义 typed inputs\u002Foutputs、直接执行脚本而无需解析自然语言指令，并安全地注入密钥（对 LLM 隐藏）。\n\n示例结构：\n```yaml\nenv:\n  API_KEY: { secret: true, required: true }\n\nactions:\n  - name: scrape\n    description: Scrape a URL to markdown\n    command: python scripts\u002Fmain.py scrape {{url}}\n    inputSchema:\n      type: object\n      required: [url]\n      properties:\n        url: { type: string }\n    outputSchema:\n      type: object\n      properties:\n        content: { type: string }\n```\n此外，也可以考虑使用 `skill.package.yaml` 进行更确定的运行时执行和容器化，或者将脚本清单添加到 SKILL.md 的 frontmatter 中以实现上下文学习。","https:\u002F\u002Fgithub.com\u002Fagentskills\u002Fagentskills\u002Fissues\u002F87",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},10505,"Agent Skills 的标准安装和发现路径是什么？","为了确保技能在不同 Agent 实现之间的可移植性，建议遵循以下标准搜索路径（按顺序检查）：\n1. `.\u002F.agent-skills\u002F` (项目级，优先检查)\n2. `~\u002F.agent-skills\u002F` (用户级)\n3. `$AGENT_SKILLS_PATH` (可选覆盖，类似 $PATH，冒号分隔)\n\n虽然某些实现可能有自己的特定路径（如 Claude 使用 `\u002Fmnt\u002Fskills\u002F`），但支持上述标准路径能确保技能格式真正成为互操作标准。","https:\u002F\u002Fgithub.com\u002Fagentskills\u002Fagentskills\u002Fissues\u002F63",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},10506,"`evals\u002Fevals.json` 文件应该放在目录结构的哪个位置？","`evals\u002Fevals.json` 通常位于技能工作区的根目录下（例如 `csv-analyzer-workspace\u002Fevals\u002Fevals.json`）。\n\n需要注意的是，该文件不属于规范性规范（Specification）的一部分，而是评估指南中的非规范性内容。规范中的目录结构以 `...` 结尾，暗示了可以存在其他目录（如 evals）。因此，它落在规范中目录结构末尾的 `...` 类别中，具体位置可根据项目需求灵活安排，但通常与迭代文件夹同级。","https:\u002F\u002Fgithub.com\u002Fagentskills\u002Fagentskills\u002Fissues\u002F238",{"id":123,"question_zh":124,"answer_zh":125,"source_url":111},10507,"在定义技能动作时，应该使用 'actions' 还是 'scripts' 作为字段名？","如果允许执行任意命令（而不仅仅是调用脚本文件），建议使用 `actions` 而不是 `scripts`。\n\n例如，如果需要运行系统命令如 `ffmpeg -formats`，`actions` 更为贴切。但如果仅涉及脚本文件调用，两者皆可。社区倾向于使用 `actions` 以保持与 MCP (Model Context Protocol) 的兼容性，并支持更广泛的执行语义。",{"id":127,"question_zh":128,"answer_zh":129,"source_url":111},10508,"如何让自定义脚本的输出更好地被模型理解（利用上下文学习）？","可以让自定义脚本打印包含自然语言描述的完整句子，而不仅仅是原始数据路径或结果。\n\n例如，脚本 `python scripts\u002Fextract.py` 不应只输出 `path\u002Fto\u002Ffile.mp3`，而应输出 `\"The audio track has been extracted to: path\u002Fto\u002Ffile.mp3\"`。\n\n这样做的好处是：\n1. 保持技能主体（SKILL.md）简洁；\n2. 在相关时刻直接向模型提供具有上下文的信息，利用模型的上下文学习能力，减少额外解释的需要。",{"id":131,"question_zh":132,"answer_zh":133,"source_url":111},10509,"是否可以将脚本清单直接写在 SKILL.md 的 frontmatter 中？","是的，这是一种可行的替代方案。你可以将脚本清单添加到 `SKILL.md` 文件的 frontmatter 部分，而不是单独创建 `ACTIONS.yaml`。\n\n示例格式：\n```yaml\n---\nname: video-audio-extractor\ndescription: Use when you need to list or extract audio tracks from a video file.\nscripts:\n  list-formats:\n    description: List supported output formats\n    command: python scripts\u002Fformats.py\n  extract-audio:\n    description: Extract audio track from video\n    command: python scripts\u002Fextract.py\n---\n```\n这种方式适合希望保持文件数量最少且脚本逻辑相对简单的场景。",[]]