SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-14 00:01
13,006 个结果
find-skills 是一个用于帮助用户发现并安装智能体技能（agent skills）的技能。当用户提出“如何做某件事”“帮我找一个能做某事的技能”“有没有技能可以完成某功能”等问题，或表达希望扩展智能体能力的意愿时，它会指导 AI 通过 Skills CLI 搜索、评估并安装合适的技能。Skills CLI（npx skills）被称为开放智能体技能生态的包管理器，技能是用于扩展智能体能力的模块化包，可提供专业知识、工作流与工具。该技能给出了一套流程：先理解用户需求所属领域与具体任务，再查看 skills.sh 排行榜优先寻找知名技能，然后运行 npx skills find [query] 进行搜索，并在推荐前核查安装量、来源信誉与 GitHub 星标；最后向用户展示技能名称、用途、安装量、来源和安装命令，并在用户同意后协助安装。
agent-browser 是一款面向 AI Agent 的快速浏览器自动化命令行工具（CLI），由 vercel-labs 开发。它通过 CDP（Chrome DevTools Protocol）直接驱动 Chrome/Chromium，不依赖 Playwright 或 Puppeteer，采用原生 Rust 实现而非 Node.js 包装层。其核心交互方式是基于无障碍树（accessibility-tree）快照生成紧凑的 @eN 元素引用，让 AI Agent 能够可靠地定位并操作页面元素。工具支持会话管理、认证凭据保管、状态持久化和视频录制，可用于网页导航、表单填写、按钮点击等网站交互任务。它为 AI Agent（如 Cursor、Claude Code、Codex、Continue、Windsurf 等）提供通用支持。安装方式为 npm 全局安装后再执行安装命令。使用前需通过 CLI 的 skills 子命令加载当前版本匹配的工作流文档，官方提供了核心技能以及针对 Electron 桌面应用、Slack、探索性测试、云浏览器等场景的专项技能。此外还提供独立运行的观测面板。
Triage 是一个面向项目议题跟踪器的技能，用于把 issues 和外部 PR 推过一个由分类角色与状态角色组成的小型状态机。它为每个条目赋予恰好一个分类（bug 或 enhancement）和一个状态（needs-triage、needs-info、ready-for-agent、ready-for-human、wontfix），并完成分类、验证、必要时深入追问、撰写面向代理的简报等步骤。所有 triage 期间发布的评论都以 AI 生成免责声明开头。维护者可用自然语言调用 /triage 来查看待处理事项、处理特定 issue 或 PR、或快速覆盖状态。
lark-openapi-explorer 是一个面向 AI 智能体的飞书（Lark）OpenAPI 检索技能。当用户需求无法被现有技能或 lark-cli 已注册 API 覆盖时，该技能可从飞书官方 markdown 文档库中逐层挖掘原生 OpenAPI 接口，再通过 lark-cli api 裸调完成任务。文档库按层级组织：顶层 llms.txt 索引列出所有模块文档链接，模块文档 llms-<module>.txt 包含功能概述与底层 API 文档链接，单个 API 文档 .md 提供方法、路径、参数、响应和错误码的完整说明。使用前需先阅读 lark-shared/SKILL.md 了解认证、身份切换和安全规则，随后按确认现有能力不足、顶层索引定位模块、模块文档定位 API、获取 API 完整规范、通过 CLI 调用 API 的流程逐步检索，不跳步、不猜测 API。文档以中文编写，如用户使用英文交流需翻译输出。写入或删除类 API 调用前必须确认用户意图，不猜测路径或参数。
中文介绍正在整理，稍后补充。
Microsoft Foundry Skill 是 Microsoft 官方 azure-skills 仓库中的一个技能，帮助开发者端到端地使用 Microsoft Foundry 资源。它覆盖模型发现与部署、AI 智能体的完整开发生命周期、评估工作流以及故障排查。该技能通过多个子技能组织工作流，包括部署托管的 Foundry 智能体、搭建 CI/CD 流水线、向智能体发送消息、按计划或事件触发例程、构建基于 WebSocket 的实时语音智能体、评估与优化智能体质量、读取监控洞察、追踪调用链、排查故障、校验最佳实践，以及从零创建智能体。此外还涉及模型微调（SFT 蒸馏、DPO 偏好优化、带评分器的 RFT）、数据集准备、配额与容量管理、RBAC 权限管理和私有网络隔离部署。使用前必须运行依赖检查与安装脚本，并在执行具体工作流前阅读对应的子技能文档。
google-agents-cli-adk-code 是 google/agents-cli 项目下的一个技能，用于指导用户编写 ADK（Agent Development Kit）智能体代码。该技能面向“编写智能体代码”“用 ADK 构建智能体”“添加工具”“创建回调”“定义智能体”等场景，提供 Python 与 Go 两种语言的参考文档、配方示例和常用模式速查。技能本身强调先完成项目脚手架搭建再写代码：通过 agents-cli info 验证项目，用 agents-cli scaffold create <name> 新建项目（Go 需加 --agent adk_go），或用 agents-cli scaffold enhance .. 增强已有代码。参考资料覆盖核心 ADK API（智能体、工具、回调、插件、状态、产物、多智能体系统、A2A 协议等）、基于图的工作流 API、实时语音智能体，以及 Go 语言的对应内容。技能还列出相关技能：工作流、脚手架、评估与部署。具体安装与使用细节以官方资料为准。
中文介绍正在整理，稍后补充。
google-agents-cli-workflow 是 Google agents-cli 工具包中的一项工作流技能，用于指导开发者在 Google Cloud 上开发、评测与部署智能体（agent）。该技能兼容多种编码智能体（如 Antigravity CLI、Claude Code、Codex 等），并默认配合 Agent Development Kit（ADK）框架使用。其核心内容是一套分阶段（Phase 0 至 Phase 7）的流程规范，涵盖理解需求、研究参考配方、项目脚手架、构建实现、评测、部署、发布与可观测性等环节，并明确了每个阶段应加载的对应技能与执行要点。技能还强调代码保持与隔离原则、执行最佳实践，并要求在用户明确批准前不得部署。用户可通过 uvx google-agents-cli setup 安装，需 google-agents-cli = 1.10.0 版本。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
lark-skill-maker 是 larksuite/cli 生态下的一个工具，用于创建 lark-cli 的自定义 Skill。它的核心思路是：Skill 本质上是一份 SKILL.md 文件，用来教 AI 通过 CLI 命令完成特定任务。当用户需要把飞书 API 操作封装成可复用的 Skill 时使用该工具，既可以是包装单个原子 API，也可以编排多步流程。该工具围绕 lark-cli 的几类能力展开：已注册 API 调用、Shortcut 高级封装、api 裸调任意飞书 OpenAPI，以及通过 schema 查询参数定义。它还给出调研 API 的流程（查看已有资源与 Shortcut、查参数定义、对未注册 API 直接裸调），并在命令无法覆盖需求时借助 lark-openapi-explorer 从官方文档库逐层挖掘原生 OpenAPI 接口。此外提供了 SKILL.md 的模板结构，涵盖 name、version、description、metadata、命令、权限等字段，并强调 description 触发、认证 scope、写入操作安全确认与多步编排等关键原则。
中文介绍正在整理，稍后补充。
remotion-to-hyperframes 是一个将现有 Remotion（React）视频合成源码迁移为 HyperFrames（HTML + GSAP）合成的技能。它仅应于用户明确要求迁移/转换/翻译 Remotion 源码时使用，单向从 Remotion 转向 HyperFrames。技能内含分层测试语料（T1–T4，共 4 个夹具），按实测 SSIM 阈值对翻译结果评分。它会先对源码做 lint，检测无法干净转换的模式（如 useState、useReducer、非空依赖的 useEffect 等阻断项），再生成 HF 合成并进行渲染与 SSIM 比对验证，最后记录翻译缺口。反向导出、非 Remotion 源均不支持。
该技能用于把任意文本（文章、笔记、主题或需求简报）转化为无出镜讲解视频：由于没有网站或实拍素材可采集，所有画面都在后续流程中凭空设计。它作为编排层，按步骤搭建设计系统、教学故事与逐帧画面，并在 HyperFrames 项目中完成音频、视觉设计与最终渲染。完整流程包含：Step 0 项目初始化并确认简报；Step 1 以原始文本作为信息来源生成合成采集包；Step 2 选择并生成设计系统；Step 3 撰写分镜与脚本并取得批准；Step 3.1 生成旁白、词级时间轴、音乐与音频元数据；Step 4 为每帧补充视觉方向与动效；Step 5 逐帧构建画面；Step 6 最终渲染。适用场景为无产品、无网站可采集的纯主题讲解。
这是一个面向 AI 智能体撰写文档的写作参考指南，来自 mattpocock/skills 的 skill「writing-for-agents」。它聚焦于为智能体而非人类编写文档的核心技巧，适用于创建或编辑 skill、修改 AGENTS.md 或 CLAUDE.md 等场景。核心观点是：无论载体是 skill、AGENTS.md 还是被指针指向的文档，其包装形式虽不同，但写作方法一致——需要让智能体每次运行都遵循相同过程，而非追求产出相同结果。指南涵盖上下文指针、两种负载（上下文负载与认知负载）、信息层级（文件内步骤、文件内参考、披露式参考）、步骤与完成标准、拆分时机、引导词、修剪等主题，并强调共享语言、正面表述、单一事实来源等原则，帮助编写者减少歧义与偏差，提升文档的可预测性。
Brainstorming 是 obra/superpowers 中的一个技能，用于在任何创作性工作开始之前先弄清用户真正想要什么以及为什么。它要求在创建功能、构建组件、增加功能、修改行为或规划新内容之前使用。该技能的核心是：在动手构建之前，通过开放式提问、对话和逐步复述，帮助用户想清楚自己的需求，避免因假设偏差而做出错误的东西。技能包含对话流程、需求规模判断、书面设计文档编写、以及可选的浏览器可视化辅助工具等机制。
中文介绍正在整理，稍后补充。
Microsoft Azure Skills 中面向 GitHub Copilot SDK 应用的技能，用于在 Azure 上构建、部署和修改使用 @github/copilot-sdk 或 CopilotClient 的应用程序。该技能要求先对代码库进行强制检测：检查 package.json 中是否出现 @github/copilot-sdk 或 copilot-sdk，以及 .ts/.js 源码中是否出现 CopilotClient 或 createSession，一旦命中即作为入口技能，并通过子技能 azure-prepare、azure-validate、azure-deploy 完成后续流程。它覆盖全新项目脚手架、在既有仓库中新增 SDK 服务、为已有 SDK 应用补充 Azure 基础设施、修改与新增功能、以及三种模型配置路径（GitHub 默认模型、指定 GitHub 模型、Azure BYOM 自带模型）。BYOM 认证强制使用 DefaultAzureCredential 或 ManagedIdentityCredential 获取 bearerToken。
中文介绍正在整理，稍后补充。
ai-research-explore 是一个面向深度学习研究探索场景的技能（skill），在研究人员已明确授权仅进行候选（candidate-only）工作的前提下，用于在其持久的 current_research 研究锚点之上开展有意义的、可能具有新颖性的研究候选工作。该技能强调在探索过程中保持科学严谨性、可比性、可复现性以及可审计的协作。需要说明的是，新颖性和重要性在完成文献对比、消融证据和公平比较之前都只是假设，该技能并不承诺能够自主发现、覆盖全球基准、证明新颖性或保证可信复现成功。其适用条件为：请求中同时包含显式探索授权（如仅候选工作、隔离分支或工作树、扫描、多个变体、探索性排序）以及持久的 current_research 上下文（如分支、提交、检查点、运行记录或已训练的本地模型状态）。对于仅涉及代码的窄请求应使用 explore-code，仅运行的窄请求使用 explore-run，被动的仓库分析使用 analyze-project，README 优先的复现使用 ai-research-reproduction。
Verification Before Completion 是一个用于约束 AI 编码助手行为的方法论技能，核心原则是「先有证据，再下结论」。它要求在声称工作已完成、已修复或测试通过之前，必须实际运行验证命令并检查完整输出。该技能为「完成声明」设立了一道不可绕过的检查门：识别能证明结论的命令、完整执行该命令、读取完整输出并检查退出码与失败数量、确认输出是否真正支持结论，最后才做出声明。它同时列出了常见的错误声明方式（如用「应该通过」「看起来没问题」代替真实测试结果），并给出了测试、回归测试、构建、需求核对、智能体委派等场景下的正确与错误模式，以及针对各类借口的反驳说明。适用于提交代码、创建 PR、报告任务完成或进入下一任务之前。
Dispatching Parallel Agents 是一项用于并行分派子智能体处理彼此独立任务的技能方法。当面对两个或以上的独立任务，且这些任务之间不存在共享状态或顺序依赖时，可以按照“每个独立问题域对应一个智能体”的原则，同时派出多个专注的智能体并发工作。它的核心思路是：不要让所有子智能体继承当前会话的上下文或历史，而是精确地为每一个智能体构建所需的指令与背景信息，从而让它们各自聚焦、提高成功率，同时也保留协调者自身的上下文。该方法常适用于多个测试文件以不同根因失败、多个子系统各自独立损坏等场景，通过并行调查来节省串行处理的时间。
agent-browser 是一个面向 AI 智能体的浏览器自动化技能，通过 inference.sh（belt CLI）调用。它底层使用 Playwright，并采用简洁的 @e 元素引用系统来定位和操作网页元素。主要能力包括：打开网页并获取可交互元素引用、点击/填写/拖拽/上传等交互操作、页面快照刷新、截图、执行 JavaScript、录制会话视频，以及通过代理访问。使用时先安装 belt CLI 技能（npx skills add belt-sh/cli），执行 belt login 登录，然后用 belt app run agent-browser 按 open、interact、snapshot、screenshot、execute、close 等函数操作，首次调用需加 --session new 并复用返回的 session_id。注意元素引用在页面导航后会失效，需重新快照。适用于需要让 AI 智能体操作浏览器完成表单提交、搜索抓取、登录流程等自动化任务。价格与计费信息暂未提供。