원클릭으로 Manus에서 모든 스킬 실행

search-router

基于 opencli 的智能搜索路由器，根据话题和场景将查询路由到最佳搜索源。当用户需要从网络获取信息时务必使用此技能——包括但不限于：查资料、搜新闻、找帖子、比价格、搜职位、查论文、搜视频、搜天气、查股价、找商品。即使用户没有明确说"用 opencli 搜索"，只要需要网络信息就加载此技能。

Manus에서 실행

개요

설치 명령

npx skills add https://github.com/CNife/skills --skill search-router

이 명령을 Claude Code에 복사하여 붙여넣어 스킬을 설치하세요

출처

CNife/skills

스타0

포크0

업데이트2026년 5월 28일 07:15

파일 탐색기

2 개 파일

SKILL.md

readonly

name

search-router

description

搜索路由器

根据话题和场景，将查询路由到最佳的 opencli 搜索源。核心原则：每次搜索前先想清楚为什么搜、搜什么、去哪搜。

工作流

步骤 1：判断是否需要搜索

收到用户问题后，先问自己：

这个问题能用已有对话中的搜索结果回答吗？
这个问题是常识/静态知识，不需要搜索吗？
这个问题需要实时/最新/来自特定平台的信息吗？

只有信息确实不足时才启动搜索。如果已有信息足够，直接回答。

判断完成后，如果确定需要搜索，输出一行决策：

🔍 需要搜索：<一句话说明为什么已有信息不足>

如果不需要搜索，直接回答用户。

步骤 2：选源

根据用户问题和场景选择搜索源。参考 references/sources.md 中的分类站点表，按以下优先级：

用户明确指定了网站/平台 → 直接用该站点
用户没有指定，属于通用问题 → 从 AI 源（grok / doubao / gemini）中选一个，按语言和语境判断：
- 中文语境、国内热点、生活方式 → doubao
- 英文实时讨论、Twitter/X 语境、热点追踪 → grok
- 全球网页、英文资料、背景综述 → gemini
AI 源返回不足，需要原始数据/权威来源/垂直结果 → 从 references/sources.md 中找 1-2 个专用源

不要一开始就并行跑多个 AI 源。先选一个，不够再补。

步骤 3：检查站点可用性

选定站点后，不要假设它可用。分两步验证：

第一步：确认站点存在。 如果对这个站点不熟悉，运行紧凑的站点列表命令，一次拿到所有可用站点名：

opencli list -f json | python3 -c "import json,sys; print(', '.join(sorted(set(c['site'] for c in json.load(sys.stdin)))))"

如果确定目标站点在常用列表中（如 grok、gemini、doubao），可以跳过这一步，直接验证子命令。

第二步：查看子命令。 运行：

opencli <site> -h

如果还需要了解具体子命令的参数和输出列，再运行：

opencli <site> <command> -h

命令签名和参数以 -h 实时输出为准，不要在技能文档里硬编码。

如果站点不可用，记录跳过原因，回退到同类其他站点或 AI 源。

步骤 4：构造查询词

不要只丢一个关键词。按以下结构构造查询：

<主题> + <目标> + <限定条件>

主题：要查的对象、事件、产品、人物、技术名词
目标：想要什么结果——总结、对比、原因、趋势、推荐、原始数据
限定条件：语言、地区、时间范围、平台范围、输出要求

示例：

❌ Rust 新特性
✅ Rust 2026年最新稳定版有哪些主要新特性，简洁汇总

AI 源查询模板：

场景	模板
热点/新闻	`<事件> + 最新进展 + <时间范围> + <地区/平台>`
对比/推荐	`<对象A> vs <对象B> + <关注维度> + <人群/预算/用途>`
中文社区	`<主题> + 中文讨论里主要观点 + <时间范围>`
全球资料	`<主题> + overview/background + with sources`
求职	`<岗位> + <城市/国家> + market trends/hiring + <时间范围>`
购物	`<商品> + reviews/price/value + <地区/预算>`

步骤 5：执行搜索并记录理由

执行搜索命令。每次搜索前，输出一行理由：

🔍 使用 <site> 搜索 "<query>"，因为 <理由>

理由必须具体说明为什么选这个站点、为什么已有信息不足以回答当前问题。

搜索次数约束（软性）：

每条用户消息，AI 源最多搜 1 次——选一个最合适的，搜一次拿到初步答案
如果 AI 源结果不够，最多再补 1-2 个专用源
不要对同一条用户消息反复搜索同一个站点
如果搜索失败（报错、超时、需要登录），不要无脑重试——记录失败原因，换一个同类站点或直接说明缺口

步骤 6：结果评估与补充

搜索完成后评估结果：

足够 → 基于结果回答用户
不足 → 说明缺口，补 1-2 个专用源（非 AI 站点），不要再搜 AI 源
两次补充后仍不足 → 停止扩搜，明确说明覆盖范围和信息缺口，不要进入无限搜索循环

步骤 7：搜索摘要

每次查询结束后，在回答末尾追加搜索摘要：

搜索摘要
- 网站：<site1> | 查询词：<term1> | 理由：<reason1>
- 网站：<site2> | 查询词：<term2> | 理由：<reason2>
- 已跳过：<site3>，原因：<不可用/报错/信息已够>

处理不可用的源

不要因为单个源失败而中止整个搜索
记录跳过原因：「已跳过：，原因：<具体原因>」
回退到同类其他站点，或回退到一个 AI 源
始终以实际执行结果为准，不要假设任何站点"绝对可用"

参考文件

references/sources.md — 所有站点按分类整理（AI 源 + 专用源），包含适用场景和路由提示。当需要选源时，读取此文件查找合适的站点。

只读与当前查询相关的分类段落，无需全量加载。

이 저장소의 다른 Skills

같은 저장소

ast-grep

CNife/skills

Search and rewrite code by AST structure across 25 languages with ast-grep (sg). Use when the task is structural - find function calls shaped like X, rewrite console.log to logger.info, find all `as any`, migrate require() to import, find empty catch blocks, missing await, codemod a class hierarchy, scan project against YAML rules. Preferred over grep when the user mentions code SHAPE or needs deterministic refactoring across many files. Triggers: 'ast-grep', 'sg', 'ast grep', 'astgrep', 'find all functions that', 'find every call to', 'codemod', 'structural search', 'pattern match code', 'replace pattern across files', 'rename function everywhere', 'find usages of pattern', 'apply this transformation to all', 'migrate X to Y'.

2026-05-290

obsidian-diary

CNife/skills

将会话内容总结并写入 Obsidian 工作日志或个人日记，管理待办事项。当用户说「记录一下」「保存这个」「记一笔」「总结工作」「更新日志」「写日记」「记录会议」「更新待办」，或会话末尾有多个可记录的事件/结论/决策时，必须加载此技能。工作相关（公司代码开发、方案设计、运维部署、正式会议）用 work 变体；个人方向（技术探索、学习笔记、投资复盘、生活记录、个人开源项目）用 personal 变体。会话末尾有结构化结论、技术选型、部署结果、调研成果时，在结束前主动询问用户是否需要记录。

2026-05-270

pi-skill-audit

CNife/skills

Audit pi agent skills usage frequency, identify unused skills, and clean up safely. Queries pi session logs for skill invocation records (skill tags + read SKILL.md calls), cross-references against globally installed skills, categorizes by usage into high/medium/low/unused tiers, and drives cleanup via bunx skills remove. Use whenever the user mentions skill management, cleanup, or usage analysis — including "技能使用频率", "哪些技能用的多", "整理技能", "删掉不用的技能", "技能审计", "skill audit", "看看技能", "用哪些技能", "used skills", "unused skills", "清理", "clean up skills". Also use when the user has many installed skills and you suspect some are unused, or when reviewing what skills are worth keeping. This is the go-to skill for any pi skill management task. Not for Hermes agent skills — use audit-hermes-agent-skills instead.

2026-05-270

worklog

CNife/skills

从多个数据源收集用户活动轨迹 → 分析并区分工作与个人内容 → 排版为 PDF → 投递到邮箱。触发词：「发日报」「生成日报」「发我的今天」「今日汇总」「日记 PDF」「每天总结」「保存日志」「生成日报发邮件」。当你发现用户需要做每日回顾、日志汇总、生成日报 PDF 并发送时触发。

2026-05-210

models-dev-query

CNife/skills

Query AI model specifications from the models.dev database. Use when the user asks about model specs (pricing, context limits, capabilities: reasoning, tool_call, modalities), needs API endpoint information for a provider, wants to list what models a provider supports, or compare models across providers. Triggers for questions like "查一下 XXX 支持哪些模型"、"gpt-5 的定价"、 "配置 Trae 用 deepseek 的配置"。

2026-05-180

prompt-craft

CNife/skills

根据 OpenAI 提示词工程最佳实践，帮用户创建和改进 pi 的 prompt template（/命令）。当用户想要「写一个提示词」「改进提示词」「做提示词工程」「创建 prompt template」「写一个 / 命令」，或提到提示词效果不好需要优化时，务必使用此技能。也适用于用户问「怎么让模型输出更好」这类问题。

2026-05-160

출처

CNife

CNife/skills

GitHub 저장소 열기 Creator 저장소 보기

설치 명령

다운로드

Manus에서 실행

유용한 대상SOC

소프트웨어 개발자컴퓨터 및 수학직15-1252L4

name

search-router

description

搜索路由器

根据话题和场景，将查询路由到最佳的 opencli 搜索源。核心原则：每次搜索前先想清楚为什么搜、搜什么、去哪搜。

工作流

步骤 1：判断是否需要搜索

收到用户问题后，先问自己：

这个问题能用已有对话中的搜索结果回答吗？
这个问题是常识/静态知识，不需要搜索吗？
这个问题需要实时/最新/来自特定平台的信息吗？

只有信息确实不足时才启动搜索。如果已有信息足够，直接回答。

判断完成后，如果确定需要搜索，输出一行决策：

🔍 需要搜索：<一句话说明为什么已有信息不足>

如果不需要搜索，直接回答用户。

步骤 2：选源

根据用户问题和场景选择搜索源。参考 references/sources.md 中的分类站点表，按以下优先级：

用户明确指定了网站/平台 → 直接用该站点
用户没有指定，属于通用问题 → 从 AI 源（grok / doubao / gemini）中选一个，按语言和语境判断：
- 中文语境、国内热点、生活方式 → doubao
- 英文实时讨论、Twitter/X 语境、热点追踪 → grok
- 全球网页、英文资料、背景综述 → gemini
AI 源返回不足，需要原始数据/权威来源/垂直结果 → 从 references/sources.md 中找 1-2 个专用源

不要一开始就并行跑多个 AI 源。先选一个，不够再补。

步骤 3：检查站点可用性

选定站点后，不要假设它可用。分两步验证：

第一步：确认站点存在。 如果对这个站点不熟悉，运行紧凑的站点列表命令，一次拿到所有可用站点名：

opencli list -f json | python3 -c "import json,sys; print(', '.join(sorted(set(c['site'] for c in json.load(sys.stdin)))))"

如果确定目标站点在常用列表中（如 grok、gemini、doubao），可以跳过这一步，直接验证子命令。

第二步：查看子命令。 运行：

opencli <site> -h

如果还需要了解具体子命令的参数和输出列，再运行：

opencli <site> <command> -h

命令签名和参数以 -h 实时输出为准，不要在技能文档里硬编码。

如果站点不可用，记录跳过原因，回退到同类其他站点或 AI 源。

步骤 4：构造查询词

不要只丢一个关键词。按以下结构构造查询：

<主题> + <目标> + <限定条件>

主题：要查的对象、事件、产品、人物、技术名词
目标：想要什么结果——总结、对比、原因、趋势、推荐、原始数据
限定条件：语言、地区、时间范围、平台范围、输出要求

示例：

❌ Rust 新特性
✅ Rust 2026年最新稳定版有哪些主要新特性，简洁汇总

AI 源查询模板：

场景	模板
热点/新闻	`<事件> + 最新进展 + <时间范围> + <地区/平台>`
对比/推荐	`<对象A> vs <对象B> + <关注维度> + <人群/预算/用途>`
中文社区	`<主题> + 中文讨论里主要观点 + <时间范围>`
全球资料	`<主题> + overview/background + with sources`
求职	`<岗位> + <城市/国家> + market trends/hiring + <时间范围>`
购物	`<商品> + reviews/price/value + <地区/预算>`

步骤 5：执行搜索并记录理由

执行搜索命令。每次搜索前，输出一行理由：

🔍 使用 <site> 搜索 "<query>"，因为 <理由>

理由必须具体说明为什么选这个站点、为什么已有信息不足以回答当前问题。

搜索次数约束（软性）：

每条用户消息，AI 源最多搜 1 次——选一个最合适的，搜一次拿到初步答案
如果 AI 源结果不够，最多再补 1-2 个专用源
不要对同一条用户消息反复搜索同一个站点
如果搜索失败（报错、超时、需要登录），不要无脑重试——记录失败原因，换一个同类站点或直接说明缺口

步骤 6：结果评估与补充

搜索完成后评估结果：

足够 → 基于结果回答用户
不足 → 说明缺口，补 1-2 个专用源（非 AI 站点），不要再搜 AI 源
两次补充后仍不足 → 停止扩搜，明确说明覆盖范围和信息缺口，不要进入无限搜索循环

步骤 7：搜索摘要

每次查询结束后，在回答末尾追加搜索摘要：

搜索摘要
- 网站：<site1> | 查询词：<term1> | 理由：<reason1>
- 网站：<site2> | 查询词：<term2> | 理由：<reason2>
- 已跳过：<site3>，原因：<不可用/报错/信息已够>

处理不可用的源

不要因为单个源失败而中止整个搜索
记录跳过原因：「已跳过：，原因：<具体原因>」
回退到同类其他站点，或回退到一个 AI 源
始终以实际执行结果为准，不要假设任何站点"绝对可用"

参考文件

references/sources.md — 所有站点按分类整理（AI 源 + 专用源），包含适用场景和路由提示。当需要选源时，读取此文件查找合适的站点。

只读与当前查询相关的分类段落，无需全量加载。