SuperAPI AI 工具集

全部 AI 工具

35,738 个结果 · 第 405 / 993 页

Survia

其他AI工具

Survia 是一款以极简为特点的 AI 问卷构建工具,主打在数秒内创建简单、直接、切中要点的问卷,帮助用户在不增加复杂度的前提下收集真实反馈。用户可以用它快速搭建问卷、进行分享,并对结果进行分析。目前资料仅提供其核心定位与基本用途,未提及具体的 AI 功能细节、支持的题型、分享渠道、分析能力、平台形态、收费与价格等信息,这些内容暂未提供。

查看介绍

suunto-mcp

AI编程工具

Suunto MCP 是一个 MCP 服务器,可将 Suunto 手表数据连接到 Claude 及其他 AI 助手,让用户通过自然语言查询训练数据。它能读取训练记录、时间序列样本、解码 FIT 文件、导出 GPX,并支持全天活动、睡眠和恢复/HRV 数据。用户可直接提问,如查询月度跑步距离、比较长跑心率漂移、汇总训练周报或查找特定心率区间的工作记录。除读取外,Claude 还能向手表推送训练计划、上传 Garmin 导出文件或导出路线为 GPX。安装需注册 Suunto 开发者门户并等待 3–4 周审批,然后通过 Node.js 和 Git 配置,并与 Claude Desktop 集成。项目由 Suunto 用户创建,旨在用对话替代仪表盘操作,并可作为个人 AI 教练的数据源。

查看介绍

SwagAI

其他AI工具

SwagAI 是一款由 Slingshot 推出的 AI 工具,用于生成公司周边(swag)创意。用户只需描述自己的需求,其算法便会推荐各种夸张、有时也偏实用的周边方案。该工具面向需要策划品牌周边和活动赠品的团队,官方称其被全球范围内寄送周边的活动团队所使用。除创意生成外,Slingshot 还提供活动周边管理能力,支持像真实寄送一样体验无表单、无跟进的周边管理流程,并可获取免费贴纸。官方还运营名为 Surprise Land 的通讯,介绍公司周边及其在赠品中的创意用法,涵盖如何借助周边提升营销、促进销售和构建社群。

查看介绍

Swagger

AI编程工具

Swagger 是一套用于 API 设计与文档的开源及专业工具集,由 SmartBear 提供。它以 OpenAPI、AsyncAPI、JSON Schema 等 API 规范为核心,帮助用户、团队和企业简化 API 开发全生命周期。其开源工具包括在浏览器中实时编写 API 的 Swagger Editor、可视化并交互 API 资源的 Swagger UI,以及从 OpenAPI 规范生成客户端库、服务端存根和 API 文档的 Swagger Codegen。Swagger 还提供企业版,支持标准与治理、团队协作、基于角色的访问控制,并可集成 API 网关、版本控制系统和 Webhook。官方强调 API 质量对 AI 的重要性,称 Swagger 可覆盖 AI 赋能的 API 生命周期中的设计、治理和测试。

查看介绍

SwapFaces.ai

AI图像工具

SwapFaces.ai(SwapFace)是一款在线AI换脸工具,支持在视频、照片和GIF中无缝替换与融合人脸,无需登录即可免费开始使用。除换脸外,还提供换装、换发型、换头、图像/视频增强、AI图像转图像、AI舞蹈、面部年龄变化、AI圣诞视频与贺卡生成等功能。支持.mp4、.webm、.avi等视频格式,上传文件会在24小时内自动删除。新用户可获得免费积分,积分用完后可购买更多积分解锁功能。

查看介绍

swarms

AI开发平台

Swarms 是一个面向企业级生产环境的多智能体编排框架,提供 Python 包,用于构建、部署和扩展高性能多智能体系统。它内置顺序、并发、层次化等多种生产级架构,支持 MCP、x402 与技能集成,并可与现有框架兼容。通过 RouteHub 可加速模型调用,无需修改代码;官方 Docker 镜像已预装 swarms 及其 CLI。框架提供 Agent 基础构件、SwarmRouter 统一编排器、AutoSwarmBuilder 自动生成智能体、MixtureOfAgents、GroupChat、HierarchicalSwarm、HeavySwarm 等 60 多种多智能体结构,并支持将智能体或 swarm 反向部署为 MCP 服务器。项目开源,采用 Apache License 2.0,提供完整文档、示例与社区支持。

查看介绍

swarmtrade

AI开发平台

SwarmTrade 是一个面向自主 AI 智能体的公开交易协议与基础设施,提供智能体之间的资产发现、协商、多链托管、信誉与结算服务。它由公共注册表、协商流程和托管服务组成,智能体可声明能力或资产、发现交易对手、发起交易提案、锁定资金、确认交付并完成结算,争议可交由平台仲裁。结算层可插拔,支持链下确认式托管(默认)以及 EVM(以太坊主网、Base、Polygon、Sepolia、Base Sepolia)和 NEAR 的链上托管。平台默认收取 1.5%(150 bps)结算抽成,费率可在结算时快照进交易记录,并可由管理员调整。项目提供 MCP 服务器,可接入 Claude Desktop、Cursor、Windsurf、VS Code 等兼容 MCP 的 AI 助手;同时为 OpenClaw 上的智能体提供 CLI 与技能上下文。技术栈为 TypeScript + Fastify 4、PostgreSQL 18、pnpm monorepo、vitest、viem、near-api-js,部署于 DigitalOcean App Platform 并使用 Cloudflare。

查看介绍

swarmvault

AI办公工具

SwarmVault 是一个本地优先(local-first)的 LLM Wiki 知识库、知识图谱构建器与 RAG 检索工具,也是面向 AI 智能体的记忆存储。它能把文档、代码、转录文本、笔记和 URL 等原始资料编译成持久的 Markdown 维基,并生成可在本地查看和查询的知识图谱。检索采用 SQLite 全文搜索与语义嵌入的混合方案。项目内置 MCP 服务器,支持 Claude Code、Codex 和 OpenCode 等智能体接入。首次运行无需 API 密钥,内置启发式提供者可完全离线运行;也可选用 Ollama 本地模型或各类云模型提供者。

查看介绍

swath-mcp

AI开发平台

Swath MCP Server 是 Swath API 的 MCP 服务器,用于在 Claude、ChatGPT 或任何兼容 MCP 的客户端中接入雷达验证的风暴情报。该服务针对美国大陆,提供经 NOAA MRMS 雷达验证的冰雹与破坏性大风风带(swath)数据,以及每个地址下的风暴历史、区域警报、报告和地图。用户可将此 MCP 服务器添加到 Claude Desktop,或直接使用托管连接器(swathapi.com/mcp,支持 OAuth,无需管理密钥)。没有 API 密钥时,每个工具会返回注册提示;可在 swathapi.com 获取免费密钥(100 积分)。配置时需要环境变量 SWATH_API_KEY(以 sk_ 开头的密钥)和可选的 SWATH_API_URL(API 基础地址,默认 https://swathapi.com)。冰雹数据依据 NOAA MRMS 雷达验证,风数据依据实测 NWS 风暴报告验证;不提供预测,不虚构正常运行时间,状态可查看 swathapi.com/status。由 vibecodebeast.ai 开发。

查看介绍

SWE-agent

AI智能体

SWE-agent 是由普林斯顿大学和斯坦福大学研究人员构建和维护的开源 AI 智能体,旨在让语言模型(如 GPT-4o 或 Claude Sonnet 4)自主使用工具,修复真实 GitHub 仓库中的问题、发现网络安全漏洞或执行自定义任务。它曾在 SWE-bench 开源项目中达到最先进水平,设计上强调自由度和通用性,通过单个 YAML 文件进行配置,适合研究用途。目前该项目已被 mini-swe-agent 取代,进入仅维护模式。

查看介绍

SWE-agent

AI编程工具

SWE-agent 是由普林斯顿大学和斯坦福大学研究人员构建并维护的开源项目,旨在让用户选择的大语言模型(如 GPT-4o 或 Claude Sonnet 4)自主使用工具,自动修复真实 GitHub 仓库中的 issue、发现网络安全漏洞或执行自定义任务。该项目在开源项目的 SWE-bench 基准上达到领先水平,设计上给予语言模型最大自主权,可通过单个 yaml 文件进行配置,并配有完整文档,便于研究和二次开发。项目采用 MIT 许可证。目前大部分开发工作已转向其后续项目 mini-SWE-agent,官方建议后续优先使用 mini-SWE-agent。

查看介绍

SWE-bench

AI开发平台

SWE-bench 是一个专门用于测试 AI 编程能力的基准测试项目,其核心思路是让 AI 模型直接解决来自真实 GitHub 仓库的软件工程问题,而非人为构造的编程题目。由于任务来源于真实的开源项目,涵盖问题理解、代码定位、修改实现与测试验证等完整流程,因此能够较真实地反映模型在实际软件工程场景中的表现。该基准常被用于比较不同 Coding Agent 或大模型的编程与问题修复能力,官方网址为 https://www.swebench.com/ 。

查看介绍

swe-rl

AI开发平台

SWE-RL 是 Facebook Research 发布的官方代码库,对应论文《SWE-RL: Advancing LLM Reasoning via Reinforcement Learning on Open Software Evolution》(NeurIPS'25)。该工作提出首个将强化学习式 LLM 推理扩展到真实软件工程任务的方法,利用开源软件演化数据与基于规则的奖励进行训练。代码库提供提示词模板和基于序列相似度的奖励函数实现,包含 calculate_search_replace_reward、calculate_reward_unidiff、calculate_reward 三个奖励 API,并附带基于 Agentless 改进的 Agentless Mini 流程,支持异步推理、文件级定位与多复现测试重排序。项目已进行代码重构以提升质量与可访问性,可能与内部实现存在差异,遇 bug 可提交 issue。整体以 CC BY-NC 4.0 许可发布,Agentless Mini 部分采用 MIT 许可。

查看介绍