[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6F1VKGX1BE0R772R87RGSCM":3,"skill-same:01M6F1VKGX1BE0R772R87RGSCM":57},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":23,"linkOnly":24,"markdownContent":25,"markdownBody":26,"frontMatter":27,"refName":28,"commitSha":29,"skillDirectory":30,"forksCount":31,"repositoryHtmlUrl":32,"repositoryHomepageUrl":33,"ownerHtmlUrl":34,"ownerBlogUrl":6,"ownerDescription":35,"updatedAt":36,"install":37,"resources":50},"01M6F1VKGX1BE0R772R87RGSCM","vision-exploration",null,"终局愿景探索。用户抛出一个模糊 idea，AI 主导引导，通过\"追问价值 → 挖掘动机 → 推导演化 → 画终局\"的链路，帮用户看到未来最远的可能性。不设限，不收敛，纯发散。","ComeOnOliver\u002Fskillshub","ComeOnOliver","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F43215937?v=4","01M6E5JNFECJAAVFE0W7SMWWD2","Haoran Shu","01M6E5JNNDQS7AJZDYFQ8TPZCK",67,"MIT","https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Faiskillstore\u002Fmarketplace\u002Fyunshu0909\u002Fvision-exploration\u002FSKILL.md",[],[19,20,21,22],"vision","exploration","vision exploration","idea","2026-11-10 10:12:30",false,"---\nname: vision-exploration\ndescription: 终局愿景探索。用户抛出一个模糊 idea，AI 主导引导，通过\"追问价值 → 挖掘动机 → 推导演化 → 画终局\"的链路，帮用户看到未来最远的可能性。不设限，不收敛，纯发散。\n---\n\n用户有一个模糊的想法或已有的功能模块，想看看它未来能演化成什么样。AI 全程主导引导，从价值本质出发，帮用户看到多种截然不同的终局可能性。\n\n**与 design-exploration 的区别：**\n- design-exploration：从模糊 → 收敛到可落地的设计方案（输出 PRD 级文档）\n- vision-exploration：从模糊 → 发散到最远的可能性（输出终局愿景 HTML）\n\n## 第一性原则\n\n以下原则高于一切流程规则，任何环节发生冲突时以此为准：\n\n1. **质量优先，不在乎成本** — 不惜 token，不赶时间。宁可多花 3 倍 token 做出一个惊艳的方案，也不要省着用做出一个平庸的。每个 HTML 都要精致到\"能直接给投资人看\"的水平\n2. **主动创造，不做传声筒** — AI 不是等用户说什么就做什么。AI 要主动思考、主动追问、主动提出用户没想到的可能性。用户给一个种子，AI 长出一棵树\n3. **深度思考，不要表面滑行** — 每一步都要真正想透。追问价值时要追到\"用户根本不想做这件事\"的层面；推演化路径时要推到\"每一步为什么自然会发生\"；画终局时要画到\"这是一种完全不同的产品形态\"\n4. **绝不设限** — 不考虑\"现在能不能做\"、\"技术上难不难\"、\"工期要多久\"。这个流程只关心一件事：最远能到哪。任何形式的\"这个可能实现不了\"都是禁区\n5. **充分探索，不要着急收敛** — 宁可多出几个方案让用户选，也不要过早锁定方向。探索阶段的浪费是投资，不是成本\n\n## 核心原则\n\n- **AI 主导，人只需表达** — 用户只需抛出一个想法，AI 负责追问、引导、推演、出图。不需要用户想清楚，想清楚是 AI 的工作\n- **先问为什么，最后才画长什么样** — 价值 → 动机 → 路径 → 形态，顺序不能乱\n- **终局之间必须是不同维度** — 不是同一个东西换个排列方式，是真正不同的产品形态和信息架构\n- **每一步都要得到用户确认再往下走** — AI 引导但不独断，每个关键节点让用户看到并确认\n\n## 工作流程\n\n### 第 1 步：追问价值本质\n\n用户说了一个想法后，不急着往下走。先追问到底：\n\n**核心问题：这件事到底在解决什么问题？**\n\n方法：\n1. 先复述用户的想法，确认理解没偏\n2. 问\"为什么\" — 用户为什么需要这个？表面需求背后的真实需求是什么？\n3. 一层不够就再追一层 — 直到找到那个\"用户根本不想做这件事，但不得不做\"的本质\n\n示例：\n- 表面：\"我想做一个 API 切换页面\"\n- 追一层：\"为什么要切换？\" → 省钱、额度到了、试新的、故障\n- 再追一层：\"用户根本不想切换，切换是不得已的。真正的需求是'帮我管好 AI 资源'\"\n\n**输出：** 一句话的价值定位（如：\"这个模块的价值不是切换，是 AI 资源管理\"）\n\n**禁止：** 用户说了一句话就开始画图。必须先挖到价值本质。\n\n### 第 2 步：挖掘真实用户动机\n\n价值定位是抽象的，需要用具体的用户动机来支撑。\n\n**核心问题：用户在什么情况下会来用这个东西？**\n\n方法：\n1. 直接问用户：你使用这个功能最常见的场景是什么？\n2. 用 AskUserQuestion 提供选项 + 允许多选 + 允许补充\n3. 把用户的回答整理成结构化的动机列表\n\n**输出：** 一份用户动机清单（如：省钱、额度用完、试新模型、故障切换、任务匹配、控制预算）\n\n**禁止：** AI 自己猜动机。必须从用户嘴里挖出来。\n\n### 第 3 步：推导自然演化路径\n\n基于价值本质和用户动机，推导出从最简到终局的演化链路。\n\n**核心问题：从最小可用出发，每一步自然会长出什么？**\n\n方法：\n1. 找到最小起点 — 用户现在最基础的需求是什么？\n2. 从每个用户动机出发，问\"做完这一步，用户接下来自然会想要什么？\"\n3. 一步步推，直到推出终局形态\n4. 每一步必须解决一个真实问题，不能是\"为了做功能而做\"\n\n演化路径的特征：\n- 每一步都是上一步的**自然延伸**\n- 每一步都有明确的\"因为用户遇到了 X 问题，所以需要 Y\"\n- 不是一开始就设计好的蓝图，是用着用着自己长出来的\n\n**输出：** 一条演化链路（如：手动切换 → 带信息的切换 → 系统主动提醒 → 智能自动管理）\n\n向用户展示这条链路，确认逻辑对不对，再往下走。\n\n**禁止：** 跳过这一步直接画终局。没有演化路径，终局就是空中楼阁。\n\n### 第 4 步：画终局形态\n\n基于演化路径的终点，输出多个**截然不同维度**的终局愿景 HTML。\n\n**核心问题：终局可能长成什么样？有哪些完全不同的可能性？**\n\n方法：\n1. 先确定要探索几个维度 — 通常 4-6 个\n2. 每个维度必须代表一种**不同的信息架构和交互范式**，不是同一个东西的布局变体\n3. 为每个维度写一个 HTML 设计稿\n\n维度差异的判断标准：\n- ❌ \"列表 vs 网格 vs 表格\" — 这是布局变体，不是不同维度\n- ✅ \"事件流 vs 对话式 vs 极简状态 vs 时间线 vs 模块化卡片\" — 这是不同的信息架构\n\n每个终局 HTML 的要求：\n- 单文件、自包含（inline CSS，无外部依赖）\n- 使用项目的设计规范（如有），先读取 design-system\n- 用真实数据填充，不用 placeholder\n- 视觉精致，达到\"能直接展示给人看\"的水平\n- 不限制外框样式 — 如果用户指定了 Mac window 等外框就用，没指定就问用户偏好，或用最适合该方案的呈现方式\n- 不限制尺寸 — 根据内容和方案特点自行决定最佳宽度\n- **不要省 token** — 1000 行、2000 行都无所谓，只要质量到位。绝不为了省代码量而降低视觉品质\n\n**输出：**\n- 4-6 个终局 HTML 文件\n- 一个对比表，说明每个方案的核心理念和维度差异\n\n**禁止：**\n- 只出 1-2 个方案\n- 方案之间差异太小（换汤不换药）\n- 方案只有文字描述没有 HTML\n\n### 第 5 步：总结归档\n\n当用户看完所有方案后，整理本次探索的成果：\n\n1. **演化路径图** — 从起点到终局的完整链路\n2. **终局方案对比** — 每个方案的核心理念、适用场景、信息架构差异\n3. **用户偏好** — 用户对哪些方向有感觉（如果已表态）\n\n文件归档到 `设计\u002F{探索主题}\u002F` 目录下。目录名和文件名问用户确认。\n\n## 过程中的沟通规范\n\n### AI 主导的节奏\n\n这个流程是 **AI 引导用户**，不是用户指挥 AI。AI 要做到：\n\n1. 每一步主动推进，不等用户问\"下一步呢\"\n2. 每个关键结论都让用户确认后再往下走\n3. 用户说的模糊的话，AI 负责结构化和追问\n4. 用户跑偏了（比如太早关注细节），AI 负责拉回来\n\n### 必须问用户的\n\n| 时机 | 问什么 |\n|------|--------|\n| 第 1 步 | \"我理解的对吗？\" + 追问价值 |\n| 第 2 步 | \"你使用这个功能的场景是什么？\" |\n| 第 3 步 | \"这个演化逻辑对吗？\" |\n| 第 4 步 | \"哪个方向有感觉？\" |\n| 第 5 步 | 归档目录名和文件名 |\n\n### 不需要问用户的\n\n| 事项 | 直接做 |\n|------|--------|\n| 维度怎么选 | AI 自己判断，保证差异度 |\n| HTML 怎么画 | AI 自己设计，保证质量 |\n| 演化路径怎么推 | AI 自己推导，展示给用户确认 |\n\n### AI 绝不应该做的\n\n- 用户说了一个 idea 就开始画 UI（跳过价值追问和动机挖掘）\n- 出一堆布局变体当作\"不同方案\"（没有维度差异）\n- 在探索阶段就考虑\"技术上能不能实现\"（这是设限）\n- 替用户决定哪个方案好（AI 只展示可能性，用户自己选）\n- 没有演化路径就直接画终局（终局没有根基）\n","用户有一个模糊的想法或已有的功能模块，想看看它未来能演化成什么样。AI 全程主导引导，从价值本质出发，帮用户看到多种截然不同的终局可能性。\n\n**与 design-exploration 的区别：**\n- design-exploration：从模糊 → 收敛到可落地的设计方案（输出 PRD 级文档）\n- vision-exploration：从模糊 → 发散到最远的可能性（输出终局愿景 HTML）\n\n## 第一性原则\n\n以下原则高于一切流程规则，任何环节发生冲突时以此为准：\n\n1. **质量优先，不在乎成本** — 不惜 token，不赶时间。宁可多花 3 倍 token 做出一个惊艳的方案，也不要省着用做出一个平庸的。每个 HTML 都要精致到\"能直接给投资人看\"的水平\n2. **主动创造，不做传声筒** — AI 不是等用户说什么就做什么。AI 要主动思考、主动追问、主动提出用户没想到的可能性。用户给一个种子，AI 长出一棵树\n3. **深度思考，不要表面滑行** — 每一步都要真正想透。追问价值时要追到\"用户根本不想做这件事\"的层面；推演化路径时要推到\"每一步为什么自然会发生\"；画终局时要画到\"这是一种完全不同的产品形态\"\n4. **绝不设限** — 不考虑\"现在能不能做\"、\"技术上难不难\"、\"工期要多久\"。这个流程只关心一件事：最远能到哪。任何形式的\"这个可能实现不了\"都是禁区\n5. **充分探索，不要着急收敛** — 宁可多出几个方案让用户选，也不要过早锁定方向。探索阶段的浪费是投资，不是成本\n\n## 核心原则\n\n- **AI 主导，人只需表达** — 用户只需抛出一个想法，AI 负责追问、引导、推演、出图。不需要用户想清楚，想清楚是 AI 的工作\n- **先问为什么，最后才画长什么样** — 价值 → 动机 → 路径 → 形态，顺序不能乱\n- **终局之间必须是不同维度** — 不是同一个东西换个排列方式，是真正不同的产品形态和信息架构\n- **每一步都要得到用户确认再往下走** — AI 引导但不独断，每个关键节点让用户看到并确认\n\n## 工作流程\n\n### 第 1 步：追问价值本质\n\n用户说了一个想法后，不急着往下走。先追问到底：\n\n**核心问题：这件事到底在解决什么问题？**\n\n方法：\n1. 先复述用户的想法，确认理解没偏\n2. 问\"为什么\" — 用户为什么需要这个？表面需求背后的真实需求是什么？\n3. 一层不够就再追一层 — 直到找到那个\"用户根本不想做这件事，但不得不做\"的本质\n\n示例：\n- 表面：\"我想做一个 API 切换页面\"\n- 追一层：\"为什么要切换？\" → 省钱、额度到了、试新的、故障\n- 再追一层：\"用户根本不想切换，切换是不得已的。真正的需求是'帮我管好 AI 资源'\"\n\n**输出：** 一句话的价值定位（如：\"这个模块的价值不是切换，是 AI 资源管理\"）\n\n**禁止：** 用户说了一句话就开始画图。必须先挖到价值本质。\n\n### 第 2 步：挖掘真实用户动机\n\n价值定位是抽象的，需要用具体的用户动机来支撑。\n\n**核心问题：用户在什么情况下会来用这个东西？**\n\n方法：\n1. 直接问用户：你使用这个功能最常见的场景是什么？\n2. 用 AskUserQuestion 提供选项 + 允许多选 + 允许补充\n3. 把用户的回答整理成结构化的动机列表\n\n**输出：** 一份用户动机清单（如：省钱、额度用完、试新模型、故障切换、任务匹配、控制预算）\n\n**禁止：** AI 自己猜动机。必须从用户嘴里挖出来。\n\n### 第 3 步：推导自然演化路径\n\n基于价值本质和用户动机，推导出从最简到终局的演化链路。\n\n**核心问题：从最小可用出发，每一步自然会长出什么？**\n\n方法：\n1. 找到最小起点 — 用户现在最基础的需求是什么？\n2. 从每个用户动机出发，问\"做完这一步，用户接下来自然会想要什么？\"\n3. 一步步推，直到推出终局形态\n4. 每一步必须解决一个真实问题，不能是\"为了做功能而做\"\n\n演化路径的特征：\n- 每一步都是上一步的**自然延伸**\n- 每一步都有明确的\"因为用户遇到了 X 问题，所以需要 Y\"\n- 不是一开始就设计好的蓝图，是用着用着自己长出来的\n\n**输出：** 一条演化链路（如：手动切换 → 带信息的切换 → 系统主动提醒 → 智能自动管理）\n\n向用户展示这条链路，确认逻辑对不对，再往下走。\n\n**禁止：** 跳过这一步直接画终局。没有演化路径，终局就是空中楼阁。\n\n### 第 4 步：画终局形态\n\n基于演化路径的终点，输出多个**截然不同维度**的终局愿景 HTML。\n\n**核心问题：终局可能长成什么样？有哪些完全不同的可能性？**\n\n方法：\n1. 先确定要探索几个维度 — 通常 4-6 个\n2. 每个维度必须代表一种**不同的信息架构和交互范式**，不是同一个东西的布局变体\n3. 为每个维度写一个 HTML 设计稿\n\n维度差异的判断标准：\n- ❌ \"列表 vs 网格 vs 表格\" — 这是布局变体，不是不同维度\n- ✅ \"事件流 vs 对话式 vs 极简状态 vs 时间线 vs 模块化卡片\" — 这是不同的信息架构\n\n每个终局 HTML 的要求：\n- 单文件、自包含（inline CSS，无外部依赖）\n- 使用项目的设计规范（如有），先读取 design-system\n- 用真实数据填充，不用 placeholder\n- 视觉精致，达到\"能直接展示给人看\"的水平\n- 不限制外框样式 — 如果用户指定了 Mac window 等外框就用，没指定就问用户偏好，或用最适合该方案的呈现方式\n- 不限制尺寸 — 根据内容和方案特点自行决定最佳宽度\n- **不要省 token** — 1000 行、2000 行都无所谓，只要质量到位。绝不为了省代码量而降低视觉品质\n\n**输出：**\n- 4-6 个终局 HTML 文件\n- 一个对比表，说明每个方案的核心理念和维度差异\n\n**禁止：**\n- 只出 1-2 个方案\n- 方案之间差异太小（换汤不换药）\n- 方案只有文字描述没有 HTML\n\n### 第 5 步：总结归档\n\n当用户看完所有方案后，整理本次探索的成果：\n\n1. **演化路径图** — 从起点到终局的完整链路\n2. **终局方案对比** — 每个方案的核心理念、适用场景、信息架构差异\n3. **用户偏好** — 用户对哪些方向有感觉（如果已表态）\n\n文件归档到 `设计\u002F{探索主题}\u002F` 目录下。目录名和文件名问用户确认。\n\n## 过程中的沟通规范\n\n### AI 主导的节奏\n\n这个流程是 **AI 引导用户**，不是用户指挥 AI。AI 要做到：\n\n1. 每一步主动推进，不等用户问\"下一步呢\"\n2. 每个关键结论都让用户确认后再往下走\n3. 用户说的模糊的话，AI 负责结构化和追问\n4. 用户跑偏了（比如太早关注细节），AI 负责拉回来\n\n### 必须问用户的\n\n| 时机 | 问什么 |\n|------|--------|\n| 第 1 步 | \"我理解的对吗？\" + 追问价值 |\n| 第 2 步 | \"你使用这个功能的场景是什么？\" |\n| 第 3 步 | \"这个演化逻辑对吗？\" |\n| 第 4 步 | \"哪个方向有感觉？\" |\n| 第 5 步 | 归档目录名和文件名 |\n\n### 不需要问用户的\n\n| 事项 | 直接做 |\n|------|--------|\n| 维度怎么选 | AI 自己判断，保证差异度 |\n| HTML 怎么画 | AI 自己设计，保证质量 |\n| 演化路径怎么推 | AI 自己推导，展示给用户确认 |\n\n### AI 绝不应该做的\n\n- 用户说了一个 idea 就开始画 UI（跳过价值追问和动机挖掘）\n- 出一堆布局变体当作\"不同方案\"（没有维度差异）\n- 在探索阶段就考虑\"技术上能不能实现\"（这是设限）\n- 替用户决定哪个方案好（AI 只展示可能性，用户自己选）\n- 没有演化路径就直接画终局（终局没有根基）\n",{"name":5,"description":7},"main","def8531e65114c0fca8fb8551c1871ee0eed705c","skills\u002Faiskillstore\u002Fmarketplace\u002Fyunshu0909\u002Fvision-exploration",24,"https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub","https:\u002F\u002Fskillshub.wtf","https:\u002F\u002Fgithub.com\u002FComeOnOliver","AI & Blockchain Engineer\r\n","2026-06-24 22:07:19",{"source":8,"skillName":5,"commands":38,"prompt":48,"zipAvailable":49},[39,42,45],{"tool":40,"command":41},"npx","npx skills add ComeOnOliver\u002Fskillshub --skill vision-exploration",{"tool":43,"command":44},"bunx","bunx skills add ComeOnOliver\u002Fskillshub --skill vision-exploration",{"tool":46,"command":47},"pnpm","pnpm dlx skills add ComeOnOliver\u002Fskillshub --skill vision-exploration","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Faiskillstore\u002Fmarketplace\u002Fyunshu0909\u002Fvision-exploration\u002FSKILL.md",true,[51],{"path":52,"resourceType":53,"resourceTypeDesc":54,"sizeBytes":55,"sourceHtmlUrl":56},"skill-report.json","REFERENCE","参考文档",9169,"https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Faiskillstore\u002Fmarketplace\u002Fyunshu0909\u002Fvision-exploration\u002Fskill-report.json",[58,72,82,91,97,104],{"skillNo":59,"name":60,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":61,"categories":62,"keywords":68,"publishedAt":23},"01M6FKJN13GMG4KY57J3QD8GY5","model-hierarchy-skill","https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Fzscole\u002Fmodel-hierarchy-skill\u002Fmodel-hierarchy-skill\u002FSKILL.md",[63],{"categoryNo":64,"categoryName":65,"taxonomyType":66,"taxonomyTypeDesc":67},"01JBSEEDCAT000000000000023","Skill与智能体开发","SCENARIO","使用场景",[69,70,71],"model","model hierarchy","model hierarchy skill",{"skillNo":73,"name":74,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":75,"categories":76,"keywords":78,"publishedAt":23},"01M6FKJJJ6GCAMR4PPPRD12M5X","zoom-mcp","https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Fzoom\u002Fskills\u002Fzoom-mcp\u002FSKILL.md",[77],{"categoryNo":64,"categoryName":65,"taxonomyType":66,"taxonomyTypeDesc":67},[79,80,81],"MCP","zoom","zoom mcp",{"skillNo":83,"name":84,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":85,"categories":86,"keywords":87,"publishedAt":23},"01M6FKJE3KYT3KPEZMEEHYKA6K","zoom-apps-sdk","https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Fzoom\u002Fskills\u002Fzoom-apps-sdk\u002FSKILL.md",[],[88,89,90,80],"sdk","zoom apps sdk","apps",{"skillNo":92,"name":93,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":94,"categories":95,"keywords":96,"publishedAt":23},"01M6FKJ9EDH9Q5VWDF8HAJRSP0","windows","https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Fzoom\u002Fskills\u002Fwindows\u002FSKILL.md",[],[93],{"skillNo":98,"name":99,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":100,"categories":101,"keywords":103,"publishedAt":23},"01M6FKJ666BEEFC3AE9GJ72Q93","whiteboard","https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Fzoom\u002Fskills\u002Fwhiteboard\u002FSKILL.md",[102],{"categoryNo":64,"categoryName":65,"taxonomyType":66,"taxonomyTypeDesc":67},[99],{"skillNo":105,"name":106,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":107,"categories":108,"keywords":109,"publishedAt":23},"01M6FKJ21WFCDGTJQ2Q91T9DVW","websockets","https:\u002F\u002Fgithub.com\u002FComeOnOliver\u002Fskillshub\u002Fblob\u002Fmain\u002Fskills\u002Fzoom\u002Fskills\u002Fwebsockets\u002FSKILL.md",[],[106]]