MCP HubMCP Hub
스킬 목록으로 돌아가기

gold-washing

pjt222
업데이트됨 2 days ago
1 조회
17
2
17
GitHub에서 보기
메타testingdesign

정보

이 스킬은 채취 장소 분석과 장비 운용을 포함한, 쟁반 채굴과 수로 채굴을 통한 사금 회수 기술을 제공합니다. 금이 매장된 지역에서 탐사하거나, 하천 샘플을 검사하거나, 현장의 잠재력을 평가할 때 사용하세요. 여기에는 지질학적 지표, 적절한 추출 방법, 책임 있는 채굴 관행이 포함됩니다.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/gold-washing

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

淘金

以淘盤、沖槽與篩分技法自溪流沉積中回收沖積金。

適用時機

  • 於已知或疑有沖積金礦之地區探礦
  • 欲取溪河樣本以測金之存
  • 娛樂淘金欲最大化回收
  • 投入更多心力前欲評地點之金潛力

輸入

  • 必要:淘盤(十四至十六吋,附溝紋)
  • 必要:可及之溪、河或沖積沉積
  • 選擇性:篩分器/篩網(四分之一吋網目)
  • 選擇性:沖槽(更大量處理)
  • 選擇性:吸管瓶或鑷子(細金回收)
  • 選擇性:附水之瓶(存回收之金)
  • 選擇性:鏟與桶以收材料

步驟

步驟一:讀地

金重(比重 19.3)且可預期地聚集。掘前先讀水與地質。

金聚何處:

內彎:
水於溪之內彎處減速。重材(含金)
於此沉出懸浮。取彎內礫壩之樣。

障礙後:
大岩、倒木與基岩崖於後生低壓區。
金於此等「陰影」區沉。

基岩裂:
金鑽入基岩之裂縫。
清出基岩裂縫(crevicing)可極富產。

富礦脈:
最重聚集沿彎內側成線(富礦脈),
自一彎內續至下一彎。熟練探礦者追此線。

何處取樣:
+--------------------+------------------------------------------+
| 特徵               | 取樣位置                                 |
+--------------------+------------------------------------------+
| 內彎               | 水線上一至二呎之礫壩                      |
| 大石後             | 下游側之靜水區                            |
| 基岩裸露           | 裂縫與凹陷中                              |
| 溪流匯合           | 支流入主溪處                              |
| 舊洪水道           | 現溪上方之高台                            |
+--------------------+------------------------------------------+

地質指標:
- 黑砂(磁鐵礦/赤鐵礦):金之旅伴。
  黑砂聚處,查金。
- 周圍岩之石英脈:金常於石英脈中形成;
  侵蝕釋之於溪中
- 鐵染(鏽色岩):示氧化區,
  可宿金礦

預期: 已依溪流動態與地質指標識二至三有望取樣處。

失敗時: 若無明指標,系統取多處樣——每特徵一盤(內彎、障礙後、隨機礫壩)。即一色(金片)亦證溪流攜金。

步驟二:篩分並收材料

備原料以供淘洗。

收材協定:
1. 自所擇取樣處裝桶
2. 若可,掘至基岩——金於基岩上或近之聚集
3. 若基岩深,取底部六至十二吋之礫
   (金隨時間經礫下遷)

篩分:
1. 四分之一吋篩分器置淘盤或桶上
2. 以鏟將材料置篩分器上
3. 搖洗——細材落入盤,
   大岩礫留上
4. 短檢過大之材(篩可捕塊狀金)後棄之
5. 已篩分之材今可淘洗

預期: 一盤或桶之已篩分材料(礫與砂小於四分之一吋),來自地質有望之處。

失敗時: 若不能及基岩,取可及者。淺樣較不含金但仍值測——洪水事件可於多深度沉金。

步驟三:淘材料

淘盤以重力與水分離金於輕材。

淘技:

初洗:
1. 盤入水(溪、桶或盆)
2. 以指拆黏土或膠結材
3. 手除大石(逐一查附著之金)

分層:
4. 盤入水中時左右(非環形)劇搖——
   此使重材沉底
5. 盤微傾,令輕材自前唇沖出
6. 搖、傾、沖。搖、傾、沖。重複。

細淘:
7. 材減時,應見黑砂聚集
8. 減水流——今輕旋,非劇搖
9. 盤淺傾,令一薄層水流過濃縮物
10. 金(亮黃、留底)分離於黑砂
    (暗、略輕)

回收:
11. 以吸管瓶吸單片/塊
12. 或謹慎傾水並收濃縮物
13. 金入附水之瓶以存

常見錯:
- 環形運動沖金過溝紋出盤。
  用左右搖以分層。
- 過劇:淘過速失細金。宜耐心。
- 初搖不足:金須先沉底方可沖材。

預期: 所有重材(金、黑砂、石榴石)聚於盤底。金可見為亮黃片、扁平粒或(罕)小塊。

失敗時: 若謹慎淘後仍無金可見,該處或無金——或金過細不可見(粉金)。以放大鏡查。仍無則遷至他取樣處。

步驟四:以沖槽放大(選擇性)

為處理更大量之材料。

沖槽操作:
1. 將沖槽置流水中微傾(約每呎長
   落一吋)
2. 水應平順流過溝紋——足移砂
   但不足沖清溝紋
3. 將已篩分材逐漸入沖槽頂
4. 讓沖槽工作——金陷於溝紋後,
   輕材沖過
5. 每二十至三十分清沖槽:
   - 謹慎自水中取沖槽
   - 將溝紋墊洗入桶或淘盤
   - 淘濃縮物以回收金

沖槽校準:
- 水過多:金彈過溝紋而失
- 水過少:材堆而埋金
- 以鉛彈測:投之於沖槽頂。
  若為溝紋捕,則金亦然。

預期: 高量處理,金聚於溝紋墊,經終淘回收。

失敗時: 若沖槽不捕測材(鉛彈),調角度或水流。沖槽應捕石英砂以重之一切。

驗證

  • 取樣前已讀地之地質指標
  • 材料自地質有望之處收
  • 淘前已篩分
  • 淘用左右搖以分層
  • 黑砂濃縮物已徹底查細金
  • 所回收之金已安全存於密封瓶之水中
  • 離地時無顯著環境擾動

常見陷阱

  • 淘過速:不耐致失細金。正確之淘需五至十分鐘。速為回收之敵
  • 忽黑砂:若見重黑砂聚集,金或存——即過細不經放大不可見
  • 黃鐵礦混於金:黃鐵礦(愚人金)較輕,以針壓則碎,色黃銅而非奶油黃。真金可鍛延且不蝕
  • 隨機取樣:金可預期聚集。取直段中央之樣遠遜於取彎內
  • 環境損害:敬水道。勿於溪岸掘大洞,勿用水銀(多轄區違法且極毒),並填測試洞
  • 忽法規:多轄區探金需許可,即娛樂淘金亦然。始前核地方法規

相關技能

  • mineral-identification — 識岩與礦助讀地質指標指示含金區

GitHub 저장소

pjt222/agent-almanac
경로: i18n/wenyan-lite/skills/gold-washing
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

content-collections

메타

이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.

스킬 보기

polymarket

메타

이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.

스킬 보기

creating-opencode-plugins

메타

이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.

스킬 보기

sglang

메타

SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.

스킬 보기