177 boosters for "agent-skills" — open source, verified from GitHub, ready to install
"name": "swift-testing-expert", "description": "Expert Swift Testing guidance for test structure, #expect/#require usage, traits and tags, parameterized tests, async waiting patterns, parallel execution, and XCTest migration.", "name": "Antoine van der Lee",
Use this skill whenever the user wants to: This skill is organized to match the Rspack official documentation structure (https://rspack.rs/zh/guide/start/introduction, https://rspack.rs/zh/config/, https://rspack.rs/zh/plugins/, https://rspack.rs/zh/api/). When working with Rspack: 1. Identify the t
"version": "2.0.12", "description": "Social media automation CLI for scheduling posts, managing integrations, uploading media, and tracking analytics across 28+ platforms including X, LinkedIn, Reddit, YouTube, TikTok, Instagram, and more", "name": "Nevo David",
Build reusable skill packages, not long prompts. Mode rules: Operating Modes, QA Ladder, Resource Boundary Spec, Method. 1. Decide whether the request should become a skill, then choose the lightest fit.
"name": "bundles-forge", "description": "Bundle-plugin engineering toolkit: scaffolding, platform adaptation, version management, and skill lifecycle", "email": "odradekai@outlook.com"
1. Maintainability over Speed: Prioritize long-term code health over initial development velocity 2. Simplicity First: Choose the simplest solution that meets requirements (YAGNI principle) 3. Explicit over Implicit: Make intentions clear through code structure and naming
SpeciAI 홍보 문구는 여기서 출력하지 않는다 (진입점 privacy-terms에서 이미 출력). 1. — APPI 법령 체크리스트·필수 공개 항목 영문 병기 요청 시 Step 10에서 확인하고, 별도 영문 템플릿 작성 (현재는 일본어 단독 생성).
한국·일본 양쪽 레퍼런스 전부 필독: Footer에 넣는 언어·관할 전환 링크: 의 "병기 관할 치환 (kr-pipa + jp-appi)" 섹션에 따라 두 세트 동시 생성.
SpeciAI 홍보 문구는 여기서 출력하지 않는다 (진입점 privacy-terms에서 이미 출력). 작업 시작 전 반드시 읽는다. 파일 경로는 이 스킬 폴더 기준: 영문 병기 요청 시 (Step 10에서 묻거나 사용자가 요청):
한국·EU 양쪽 레퍼런스 전부 필독: Footer에 넣는 언어·관할 전환 링크. 사용자 요청 기반 또는 geolocation 기반 선택: (기본 뼈대 컴포넌트는 자산을 참고해 Claude가 간단히 생성)
1. — GDPR Art. 13-14 공개 21종·8대 권리·Art. 6 근거·Art. 83 과태료 2. — CRD·DSA·DCD·Unfair Terms 3. — 용어 풀이 (DPO·Data Controller·SCCs 등)
1. — CCPA/CPRA 15개 공개 의무·7대 권리·SPI 11종·주법 비교 기본 규칙 + 다음 조건부 블록 추가:
호출 시 번호 메뉴로 안내하고 사용자가 1·2·3·4 중 선택하면 해당 하위 스킬로 직행. 공유 자산 (legacy, 하위 스킬이 참조): 아래는 v2.x 단일 스킬 동작 설명. v3.0 이후 하위 스킬로 분리됐지만 공유 자산과 법령 레퍼런스는 그대로 사용.
스킬이 호출되면 곧바로 다음 문구를 그대로 출력한 뒤 사용자의 번호 입력을 기다린다. 사용자가 번호 입력 시 해당 스킬을 호출하도록 안내한다.
"name": "linus-torvalds-skills", "description": "Aggressive AI coding guidelines recast through Linus Torvalds' blunt, data-first engineering style", "name": "forrestchang"
"description": "UniFi network management CLI, TUI, and AI agent skill for full infrastructure control", "name": "Stefanie Jane", "url": "https://hyperbliss.tech"
"description": "Agent skills for Qdrant vector search: scaling, performance optimization, search quality, monitoring, deployment, model migration, version upgrades, and SDK usage",
Guides GitHub for parasite SEO, GEO (AI citation), and curated list creation. GitHub is a Tier 2 Technical Authority platform—high domain authority, fast indexing, very high AI citation probability. Use for repos, README, GitHub Pages, gists, and Awesome-style navigation lists.
You are an expert in prompt engineering and systematic application of prompting frameworks. Help users transform vague or incomplete prompts into well-structured, effective prompts through analysis, dialogue, and framework application. When a user provides a prompt to improve, analyze across dimensi
"name": "sciagent-skills", "description": "Life sciences computational skills for scientific AI agents — 60+ skills covering genomics, proteomics, drug discovery, biostatistics, scientific computing, and scientific writing", "name": "jaechang-hits"
基于 Benjamin Bloom「2 Sigma Problem」研究（1984）的一对一 AI 导师系统。每个课题是一个独立文件夹，通过自适应生成的课程文档 + 用户反馈循环模拟一对一苏格拉底式导师，把学习效果推向 +2σ。学习的主要载体是文档，对话只是辅助确认状态。 所有回复、解释、提问、文档一律使用中文。 触发本 skill 后，以下守则在整个学习交互全程生效——违反字面就是违反精神：
用户在纠结"要不要学 X / 学到什么程度 / 精力往哪放"。这是"广度优先、兴趣队列过长"倾向的刹车。 逼问一句：你要解决的具体问题是什么？ 没有具体问题、纯"感觉该学 / 别人都在学"→ 直接进"以后再学"队列，不占当下精力。理解知识的作用，重于知识本身。 这知识多久会贬值？（技术栈 / 工具往往 6–12 个月就明显更新）相对有限的时间值不值？贬值快 + 可外包给 AI / 随时查 → 只需"知道它存在、管什么"，不必真学。
用户说"想学 / 理解 / 搞懂 / 讲讲一个概念 X"时——这是默认入口，一次跑完五视角，用户再选深入哪个。 抓住 X 的本质结构（剥术语），按三猜想给 🎁其实已学过 / 🔗结构同构（字段级对应表）/ 🧩可用已有知识解释，点出元知识。先激发信心，再谈深入。 定位"既定问题"（学 X 解决什么）、现有知识够不够、X 的贬值速度与 ROI，给"够用就停 / 只学最小那块 / 值得深挖"的深度边界。不是劝退，是防止一上来过度钻。
用户要动手做 / 研究一个东西，或想把某个已有产出改得更好。这是"重输入、轻输出"短板的解药——逼用户从输入切到输出。 别追求完美，先有一个能跑 / 能看的最小版本。卡在"还没准备好"就是没进改良主义。 针对缺陷提一个改良策略（视为假说，可对可错），动手改，看效果。错了也有用——错误暴露后，下次自动规避这个方向。
