菜单
Grok 实时联网搜索与事实核验技能，调用 scripts/grok_search.py 获取带来源链接的 JSON 研究结果。凡是用户明确要求搜索、联网、查最新、核实资料、找来源、查官网文档、查新闻、版本、价格、法规、API 变更、错误信息、模型发布、竞品资料，或问题可能因时间变化而过期时，都应积极触发；即使用户没有明说搜索，只要答案需要外部证据、当前状态或精确出处，也优先使用本技能。输出和后续总结默认使用简体中文。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
代码库 Wiki 文档生成助手，用于深度分析现有代码库、项目目录、模块边界、核心流程、配置入口和开发路径， 并将结论沉淀为结构化 Markdown 技术文档。适用于用户要求"分析这个项目/代码库"、"生成 wiki"、 "写架构文档"、"整理模块说明"、"输出技术文档"、"生成项目文档"、"梳理目录结构"、 "说明某个模块怎么开发/怎么扩展/怎么排查"、"把代码分析结果保存成文档"等场景。 当任务核心是代码库理解、架构说明、模块地图、数据流/调用流梳理、开发指南或文档沉淀时触发， 也兼容 /wiki-with-docs 显式调用。若用户只想学习一个通用概念，使用 learn 或 learn-with-docs 更合适； 若用户要求评审代码质量，使用 review 语气而不是本文档生成流程。
使用中文 Conventional Commit 提交代码。用户要求提交、commit、创建 git commit 或使用 /commit 时触发；先审查状态与 diff，区分本次任务改动和用户已有改动，只暂存相关文件，生成中文提交信息并执行 git commit。
知识学习助手（带文档沉淀），帮助用户理解和学习各种知识点，并将讲解内容保存为独立的 Markdown 文件。 使用费曼解释法和苏格拉底式引导，将复杂概念拆解为易懂的解释、关键概念、示例图解、易错点和思考问题， 最后把整理好的知识点以独立文档形式沉淀下来，方便日后复习。 当用户提到"帮我理解"、"解释一下"、"学习"、"什么是"、"为什么"、"怎么理解"、 "讲讲"、"科普一下"、"入门"、"概念"、"原理"、"区别是什么"等学习类表达，并且 明确希望"保存"、"记录"、"写成文档"、"沉淀"时自动触发，也兼容 /learn-with-docs 显式调用。 若用户问概念性问题又想保留笔记，优先使用此 skill；若只是随手问问，使用 learn skill 更轻量。
从视频中提取连续帧、然后用视觉逐帧分析画面内容的技能，专为嵌入式软件开发调试设计。 当用户需要分析装置录像、找出显示屏中的逻辑异常（数值跳位、状态异常、界面错误等）时使用此技能。 触发场景（符合其中一条即触发，不要等用户说"用视频分析技能"）： - 用户提供了视频路径，要求分析、查问题、看哪里有异常 - 用户说视频里有"跳位""跳号""报告不连续""状态异常""数据乱跳"等现象 - 用户想从录像中找出某个具体问题发生的时间点 - 用户描述了嵌入式装置的显示屏或操作界面出现了异常，附有录像 注意：此技能不依赖预设规则——异常判断完全由 Claude 视觉分析完成，每次根据用户描述的具体现象来判断。
知识学习助手，帮助用户理解和学习各种知识点。使用费曼解释法和苏格拉底式引导， 将复杂概念拆解为易懂的解释、关键概念、示例图解、易错点和思考问题。 当用户提到"帮我理解"、"解释一下"、"学习"、"什么是"、"为什么"、"怎么理解"、 "讲讲"、"科普一下"、"入门"、"概念"、"原理"、"区别是什么"等学习类表达时自动触发， 也兼容 /learn 显式调用。即使用户只是问一个概念性问题（如"什么是闭包"、 "TCP 三次握手为什么不是两次"），触发准则：用户提问核心是理解概念（如"什么是""为什么""怎么理解"）， 而非请求代码实现（如"写一个…""实现…"）时触发此 skill；若问题同时涉及概念理解与编码， 优先触发此 skill 提供概念解释，并在必要时辅以少量代码示例。
| name | grok-search |
| description | Grok 实时联网搜索与事实核验技能，调用 scripts/grok_search.py 获取带来源链接的 JSON 研究结果。凡是用户明确要求搜索、联网、查最新、核实资料、找来源、查官网文档、查新闻、版本、价格、法规、API 变更、错误信息、模型发布、竞品资料，或问题可能因时间变化而过期时，都应积极触发；即使用户没有明说搜索，只要答案需要外部证据、当前状态或精确出处，也优先使用本技能。输出和后续总结默认使用简体中文。 |
使用 Grok API 做实时联网研究，并把结果整理成带来源的 JSON。适合补充当前信息、核验事实、查找出处和对比公开资料。
python .\scripts\grok_search.py --query "用中文查询：OpenAI 最新模型发布和官方来源"
ok、content、sources、api_type、elapsed_ms。若 ok=false，先把 error/detail/config_path 用于定位配置或接口问题。"请用中文核实截至今天某项目的最新版本、发布时间和官方来源""请优先搜索 example.com 官方文档，核实某 API 当前参数""搜索错误信息 '...' 的近期资料，按官方 issue、文档、社区讨论排序""对比 A 和 B 的当前价格/限制/发布时间，给出来源链接"脚本按以下优先级读取配置：
--config、--base-url、--api-key、--modelGROK_CONFIG_PATH、GROK_BASE_URL、GROK_API_KEY、GROK_MODELconfig.json、config.local.json~/.codex/config/grok-search.json可从 config.example.json 复制配置。不要把真实密钥写入示例文件或提交到仓库。
api_type=auto：默认模式，根据模型名自动选择。chat：调用 /v1/chat/completions，适合普通 Grok 模型。responses：调用 /v1/responses，自动带 web_search tool，适合 multi-agent / responses 类模型。content：综合回答，默认应为中文。sources：来源链接列表，尽量包含标题和摘要。raw：模型未按 JSON 输出时的原文。reasoning：thinking 模型返回的推理内容，通常只用于内部判断。usage、elapsed_ms：用量和耗时。