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 11-14 00:15
26,316 个结果
channel-bot 是 full-stack-ai-agent-template 中用于对接消息渠道机器人（Telegram / Slack）的模块。它位于后端 services/channels/ 目录，由各平台适配器和一个统一路由器组成，把入站消息导入与网页聊天相同的 AI 智能体流水线。该模块支持机器人注册与管理、入站消息路由、Webhook 与轮询两种接收方式，并可将图表工具输出渲染为 PNG 发送到渠道。机器人存储在数据库（channel_bot）中，配有按用户身份（channel_identity）和按会话线程（channel_session）的表，机器人令牌使用 CHANNEL_ENCRYPTION_KEY（Fernet）加密保存。它也说明了如何新增渠道适配器：实现 base.py 接口、接入 router.py、添加签名校验的 Webhook 路由或轮询入口，并复用现有会话模型，避免为每个平台复制智能体逻辑。
为当前代码仓库自动生成并运行 Claude Code 智能体团队的技能：探测仓库的构建与 CI 配置、启动脚本、斜杠命令和规格目录，从角色库挑选角色并生成 .claude/agents/*.md 子智能体定义与工作流文档。
Claude Gladiator 是一个面向 Claude 的持续学习插件，通过钩子自动观察工具失败并在会话结束时提示反思，从而不断演进规则、钩子与技能。它包含 PostToolUse 钩子（在 Bash、Edit、Write 工具失败后记录错误模式，成功时静默）和 Stop 钩子（会话结束时若存在未处理的观察则提示反思）。提供 /review-gladiator 命令用于批量学习累积的观察与会话历史。工作流包括自动观察、独立反思、与兄弟插件协同反思以及批量审查。可与 Historian、Oracle 等兄弟插件协同，利用历史解决方案和已有工具丰富反思结果。安装方式为 claude mcp add gladiator -- npx claude-gladiator-mcp。
用于把编码任务委托给用户已配置的 DevSpace 子智能体的技能。支持列出、运行、续聊和查看子智能体会话，可指定配置档案或内置提供商，并覆盖模型与思考级别。
用于指导在 Warp 中配置 MCP 服务器的技能，帮助确定配置范围、收集连接信息并写入原生 .mcp.json 配置文件。
lark-bot 是配合 Claude Code 使用的飞书群 AI 项目助手工具，通过轮询群消息识别自然语言意图，按项目 profile 执行编译、预览、部署、查询等操作并把结果回复到群里。
这是一个面向 AI 智能体的行为规范技能，用于在每个智能体回合末尾清晰列出用户需要采取的具体操作，或明确说明当前不需要用户做任何事。它要求把请求以编号列表形式放在回复最后，每项只包含一个具体动作，并说明在哪里执行、需要回传什么。该技能还区分“执行”“决策”“批准”三类请求，要求对涉及付费、删除数据、发布或触碰生产环境的操作等待用户明确批准，并将请求记录到项目根目录下的 prds/what-i-need-from-you.md 文件中进行追踪。
该技能提供统一的 Poe API 请求工作流，通过 POE_API_KEY 可调用 LLM 聊天以及图像、视频、音频生成，支持按模式路由、重试和可复现的输出记录。
用于在本仓库中通过 uv 运行 rag-cli 本地 RAG 工作流的技能，涵盖工作区初始化、文档摄取、查询与索引查看，默认输出供工具解析的 JSON。
Operate 是 wellgent/skills 中的一项操作型技能，用于在 brain 项目的 issue 跟踪器上发起一次 run 请求，并通过 pstack 在目标项目上执行：读取请求 issue，把 brain、项目和宿主机更新到最新状态，验证项目的各项工具可用，再撰写提示词、启动运行会话，并在整个运行期间负责应答运行中的各类 stops，最终核验运行记录与清理情况。适用于已经把项目检出到 ~/repos/<repo>、并通过 GitHub issue 跟踪 run 请求的工作流。
面向 Anthropic Agent SDK（Claude Code SDK）的参考技能，用于构建 AI 智能体时查阅官方文档，涵盖 TypeScript 与 Python 的智能体搭建、流式输出、权限、钩子、会话等主题，提供对应参考文档路径。
LiteLLM 官方文档技能，用于查询如何用 OpenAI 格式调用 100+ 家 LLM 提供商（OpenAI、Anthropic、Google、Azure、AWS Bedrock、Vertex AI、Cohere、Mistral 等）的 Python SDK 与代理服务器，并覆盖代理配置、密钥与预算、可观测性等文档。
ChemGraph 是 Argonne National Lab 基于 LangGraph 与 ASE 构建的智能体框架，用自然语言驱动分子模拟工作流，支持结构生成、几何优化、热化学计算与反应路径分析，可接入 xTB、MACE、NWChem、ORCA、UMA 等计算后端。
面向分类与生成任务的 Transformer 微调方案指南，覆盖全量微调、LoRA、QLoRA 等 PEFT 方法，含学习率选择建议、灾难性遗忘缓解策略与论文复现检查清单。
面向学术研究的 Keras 与 TensorFlow 后端深度学习实践指南，涵盖模型构建、数据管道、训练回调、自定义训练循环、混合精度、调试与可复现性等常用模式。
面向 LLM 与 IT 运维（AIOps）交叉领域的研究资料合集，按日志分析、事件管理、根因分析、监控告警与自动修复等主题整理相关论文，并列出若干代表性工作，适合跟踪该方向研究进展。
面向研究场景的大语言模型评测与基准测试技能，涵盖自动指标、人工评估协议、基准套件、常见评测陷阱及结果报告规范，帮助研究者系统化地衡量和对比 LLM 表现。
面向生物医学等科研场景的 LLM 智能体应用综述指南，梳理假设生成、实验设计、实验室自动化、多智能体科研协作等方向的论文、工具与框架，并附阅读路线图与示例代码。
一个面向期权定价、风险分析与策略评估的 AI 智能体，结合 Black-Scholes 与二叉树模型、Greeks 计算、隐含波动率曲面和组合风险分析，通过自然语言对话完成查询、定价与策略评估。
一套面向学术研究的提示工程方法技能，涵盖提示设计模式、评估方法与研究工作流集成，用于把大语言模型作为研究工具，包括文献总结、方法学评审、数据解读、系统综述筛选等任务的提示模板。
面向学术研究场景的 RAG(检索增强生成)方法指南，涵盖文档分块、嵌入策略、检索管线与评估，用于个人论文库问答、文献综述、事实核查与带来源引用的答案生成。
Tool Calling Tutor 是一个面向“工具调用型智能体”调试与教学的技能，用于当智能体不调用工具、传错参数、循环停不下来，或需要设计函数 schema 时提供分诊与修复引导。它把问题归为四类：模型不触发 tool_calls、工具被调用但参数错误、ReAct 循环无限或漏步、从零设计 schema。使用者先按症状分诊，再进入对应分支检查工具描述与边界、parameters schema、控制流，或按五步法定义新工具。技能强调用固定 fixture 验证当前 SDK/模型是否支持 tool calling，并在连真实 LLM 前先跑基于 mock 的测试。它也划定边界：框架问题、MCP 设计、生产监控、通用提示词技巧会转介到其他阶段，并明确不替用户代写完整 starter.py，目标是让用户建立心智模型。
用于创建或更新学习档案的 Claude 技能，档案保存在 ~/.claude/learning/profile.md，定义学习者身份、成长方向和学习偏好，供其他学习技能使用。
这是一个用于同步智能体技能目录的脚本工具。它以仓库根目录的 .agents/skills/ 为唯一权威来源，将 .claude/skills 和 .hermes/skills 创建为指向 ../.agents/skills 的目录符号链接，因此添加、编辑或删除技能后无需复制，所有智能体即可看到同一份技能。脚本支持创建或修复链接、仅检查漂移、强制替换冲突的真实目录以及管理 Hermes 链接等选项。注意：它只作用于仓库根目录；强制模式会把冲突目录移动为 .bak 备份而非删除；且 Hermes 仍需自身配置才能发现 .agents/skills。