SuperAPI AI 工具集
合作ENAI 行业资讯收藏

Skill 广场

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

智能体与模型

26,336 个结果

sumsub-create-level

Sumsub Create Level 是一个面向 Agent 的技能，用于在 Sumsub 平台上创建或更新申请人（Applicant）等级（Level）。该技能把用户简洁的规格（spec）构建成 ApplicantLevel JSON 载荷，通过 Sumsub API 以 POST 方式创建新的等级，或以 PATCH 方式更新已有等级，并返回创建结果的名称与 ID。它还支持通过 GET 读取单个等级（用于核验写入结果或从已知 id 解析名称）以及列出全部等级（用于在创建前复用已有等级，避免重复创建）。该技能使用 App Token + secret 进行鉴权，并按照 Sumsub 认证参考对每个请求签名。技能明确限定使用沙箱（sandbox）Token，拒绝生产 Token，辅助脚本会拒绝不以 sbx: 开头的 Token。整体流程包括：先获取租户权益（entitlements）、检查已有实体、把用户请求翻译成紧凑规格、校验字段合法性、生成载荷、向用户展示并确认后再执行写入，最后回读比对并生成仪表盘链接。该技能涉及安全写入（workspace 可见的写操作），因此强调展示载荷、写后回读、不重复创建依赖项、不擅自删除或修改非本会话创建的等级。

智能体与模型安装量暂无数据

sumsub-create-questionnaire

该技能用于创建或更新 Sumsub KYC 问卷定义。它接收紧凑的问卷规格（spec），自动生成完整的问卷定义 JSON 载荷，并调用 Sumsub API 提交。创建新问卷时使用 POST /resources/api/agent/questionnaires（若 id 已存在则返回 409 冲突），更新已有问卷时使用 PATCH 同一路径（若问卷不存在则返回 404）。调用要求具备 manageClientSettings 权限，且创建问卷需要 QUESTIONNAIRE 权限。技能还会通过 GET 接口读取和列出问卷，并生成指向 Sumsub 控制台沙箱环境的仪表板链接，方便用户查看和后续引用。

智能体与模型安装量暂无数据

memory-setup

memory-setup 是一个用于为 Moltbot/Clawdbot 智能体启用并配置持久化记忆搜索的技能。它帮助用户解决智能体“金鱼记忆”问题，通过配置 memorySearch、创建 MEMORY.md 与 memory 目录结构，让智能体能够跨会话记住用户偏好、项目上下文与历史决策。技能提供了配置文件示例、目录结构模板、日志格式以及 AGENTS.md 中的记忆检索行为指令。配置项包括开关、嵌入提供方、索引来源、索引模式、相关度阈值与最大返回结果数，支持 voyage、openai 或 local 提供方。技能还包含故障排查与验证方法。

智能体与模型安装量暂无数据

roblox-npc-ai

这是一个用于创建和修复 Roblox NPC、机器人或敌人的技能，聚焦于寻路、状态机、视线检测、生成与 AI 更新循环。它提供使用 PathfindingService 计算路径的代码示例，说明如何处理路径被阻挡时的重算与重试、区域修改器（PathfindingModifier）与 PathfindingLink 的用法。它还给出状态机的基本状态流转（idle、patrol、chase、attack、flee、dead）及转换职责，介绍按距离、视野锥和射线检测由低到高成本依次进行的目标检测思路，并讨论物理网络所有权（SetNetworkOwner）与服务器权威模型的关系。更新循环方面强调基于 NPC 数量、路径成本和性能分析证据进行节流与错峰，决策与移动保持在服务端。该资料用于指导 Roblox NPC 与 AI 行为的实现与调试，缺失的收费、平台等事实暂未提供。

智能体与模型安装量暂无数据

ai-core/middleware

ai-core/middleware 是 TanStack AI 中 ai-core 的中间件技能，提供聊天生命周期的钩子（hooks），包括 onConfig、onStart、onChunk、onBeforeToolCall、onAfterToolCall、onUsage、onFinish、onAbort、onError 等。它用于在 chat() 调用过程中插入分析、日志、工具拦截、结构化输出配置等逻辑。每个钩子接收 ChatMiddlewareContext，提供 requestId、streamId、phase、iteration、chunkIndex、model、provider、signal、abort()、defer() 等信息。中间件按数组顺序执行，可用于可观测性、工具调用校验与参数转换、结构化输出 schema 改写等场景。该技能依赖 ai-core，需先阅读 ai-core 的关键规则。

智能体与模型0 次安装

ai-persistence/build-custom-adapter

这是一个用于为 TanStack AI 聊天持久化创建自定义数据库适配器的技能说明。当应用需要在没有现成方案（如 Drizzle、Prisma、Cloudflare D1）的数据库（例如原生 Postgres、Kysely、node:sqlite、MongoDB、Redis）上实现聊天持久化时使用。交付物是应用内的一个文件 src/lib/chat-persistence.ts，基于应用已有的数据库客户端导出 ChatPersistence。文档首先要求阅读应用现有代码（数据库客户端、迁移流程、命名规范、JSON 支持、导入别名），然后定义四类存储记录（thread、run、interrupt、metadata）的键与字段，并列出引擎无关的七条不变量（如 saveThread 全量覆盖、createOrResume 为插入或返回已有、update 对未知 ID 静默无操作、区分字段省略与显式清空等）。之后给出以 pg 为例的工厂函数实现骨架，并针对 Postgres、Kysely、node:sqlite、MongoDB、Redis/Upstash 给出引擎注意事项。还说明如何只采用部分存储、如何接入聊天路由、如何进行一致性测试。

智能体与模型0 次安装

ai-persistence/build-drizzle-adapter

该技能用于在已经使用 Drizzle ORM 的应用中接入 TanStack AI 聊天持久化能力。它会在应用内生成一个 src/lib/chat-persistence.ts 文件，基于应用现有的 Drizzle db 句柄导出 ChatPersistence，并在现有 schema 文件中追加四张表（chat_threads、chat_runs、chat_interrupts、chat_metadata），通过应用已有的 drizzle-kit 流程生成迁移。技能强调不新建包、不创建第二个 db 实例、不新建迁移运行器或 drizzle.config.ts，要求先阅读应用的方言、schema 文件、db 句柄、迁移流程、命名约定与导入别名，再按既有风格追加表与代码。它提供 SQLite、Postgres、MySQL 三种方言的列类型与索引调整说明，并给出消息、运行、中断、元数据存储的完整实现，重点保证幂等性，如 createOrResume 冲突不覆盖、update 对未知 runId 为空操作、四个持久字段用 'field' in patch 判断等。

智能体与模型0 次安装

ai-persistence/server

这是 @tanstack/ai-persistence 中用于服务端聊天状态持久化的能力，通过 ChatMiddleware 形式提供 withPersistence(persistence)。它把聊天状态写入后端，包括消息记录（messages）、运行记录（runs）、中断（interrupts）以及可选的元数据（metadata），并负责运行生命周期、持久化的中断/审批与恢复流程。它不会修改分块流，也不等同于交付层的可恢复流能力。withPersistence 会按 id 合并传入消息并交由 saveThread 替换写入，在 onStart、中断边界、onFinish、onError、onAbort 等时机写入状态；onAbort 会区分显式取消与可重连运行上的普通断连。资料还提供 reconstructChat 用于按 threadId 为客户端重建历史，并说明生产环境需配置 authorize。dev/测试可用 memoryPersistence()。

智能体与模型0 次安装

pua-trae

pua-trae 是针对 Trae 环境优化的 PUA 高能动性治理 Skill，用于在 npx skills 安装场景下约束 AI 代理的行为方式。它通过 SKILL.md 表达一套机械可执行的工作规程，把治理边界写成明确的权责分离：行动权归当前代理，自我评价权以 SELF-REVIEW 形式输出，评分权交给外部命令、用户验收、CI 或 E2E 结果，环境修改权则需事先说明并等待确认。该 Skill 仅在用户明确要求 PUA、try harder、换个方法、再试试，或同一任务失败两次以上、反复微调同一路径、即将声称无法完成、未验证即归因环境、声称完成但缺少验证证据等场景下启用。它要求诊断先行，输出 [PUA-DIAGNOSIS] 行，强调事实上的 100% 信心循环与交付模板，并可将大厂文化叙事与具体工程动作绑定。

智能体与模型安装量暂无数据