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 10-24 00:15

智能体与模型

24,696 个结果

voicebox-voice-mcp-agent

Voicebox 是一个本地优先的 AI 语音工作室，将语音输入（Whisper 语音转文字与全局听写）与语音输出（7 种 TTS 引擎与声音克隆）整合在同一个 TypeScript/Rust 应用中。默认情况下所有推理都在本机硬件上运行，音频不会离开你的设备，除非显式配置。它提供七种 TTS 引擎（Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox Multilingual/Turbo、HumeAI TADA、Kokoro）、基于短参考样本的零样本声音克隆、带系统级热键并粘贴到焦点输入框的全局听写、位于 /mcp 的 MCP HTTP 服务器以支持智能体驱动的语音工作流、23 种语言的多语言合成、音效处理（音高、混响、延迟、合唱、压缩、滤波）以及用于转录清理的本地 LLM 精修（内置 Qwen3）。技术栈为 Bun monorepo、TypeScript、Tauri 2（Rust）、React 18、Zustand、TanStack Router、Vite。

智能体与模型55 次安装

prompt-engineering

该技能页面介绍如何为大语言模型编写高效提示词，涵盖结构设计、少样本示例、思维链、系统提示词与输出解析等技巧。内容强调四大核心原则：提示词要具体、多用示例而非空泛指令、明确指定输出结构、把提示词当作代码反复测试迭代。页面给出一系列可套用模板：用系统提示词设定模型角色与约束（如代码审查示例）；用 2-3 个输入→输出示例做少样本引导（如自然语言转 SQL）；让模型逐步推理的思维链；要求 JSON 等结构化输出并给出 schema；以及用规则和护栏限制回答范围、字数与隐私信息。针对编程还给出代码生成、代码转换、缺陷修复三类模式，并列举过泛、过长、自相矛盾、缺少示例、未分隔用户输入导致提示注入等反模式，最后提示温度选择、边界用例测试、提示词版本管理等实践要点。

智能体与模型55 次安装

mantis-strategy

MANTIS v6.0.0（Slipstream）是一个跨资产“补涨猎手”交易策略技能，由 senpi-ai/senpi-skills 提供。它每 60 秒监控市场跨资产资金流，当领涨资产（当前为 BTC）出现显著 4 小时波动时，筛选出历史上高概率跟随该领涨资产、但尚未响应的滞后山寨币，按严格条件过滤后发出入场信号，方向与领涨资产一致，仓位按置信度分级。v6.0.0 为纯管道迁移版本，交易逻辑与 v5.0 保持一致，主要变化包括：MCP 传输改为进程内 HTTPS 调用、信号通过 push_signal() 发出、领涨反转否决逻辑真正生效、调度器改为常驻守护进程、风险门控改为声明式配置、退出费用从市价单改为优先挂单的 FEE_OPTIMIZED_LIMIT。该技能面向自动化交易场景，需配合 Senpi 运行时使用，用户对话会话为只读，不得直接调用下单或平仓工具。

智能体与模型55 次安装

skill-conductor

Skill Conductor 是一个用于智能体技能（agent skill）全生命周期管理的工具，聚焦技能从草稿到测试、评审、改进、再迭代的循环。它提供六种工作模式：CREATE（从零构建新技能）、IMPROVE（修复技能不触发等问题）、VALIDATE（结构检查与触发测试）、REVIEW（11 项质量闸门评审）、OPTIMIZE（自动优化描述以提升触发率）、PACKAGE（校验并打包为 .skill 文件）。工具强调以测试驱动方式编写技能，要求在任何涉及脚本的模式前先运行预检，检查 uv 是否可用并设置环境变量与验证 LLM 访问。它还提供结构校验脚本、触发测试脚本、基准聚合脚本以及可视化评审工具，帮助作者产出可复用、可分发的高质量技能。

智能体与模型55 次安装

agenthog-setup

AgentHog 是一个用于给 AI 智能体项目接入追踪（tracing）能力的 SDK 安装与配置技能。它指导 AI 编程助手在用户项目中完成 AgentHog 的安装、初始化、环境变量配置、主智能体循环包装以及工具调用埋点，并验证首条追踪数据成功上报。该技能支持 Python（agenthog >= 0.9.0）和 TypeScript/Node（agenthog >= 0.3.0），可自动检测项目运行时与框架（如 FastAPI、Flask、Django、LangGraph、LangChain、Express、Next.js、Vercel AI SDK、Hono 等），并针对不同框架给出初始化位置建议。配置需要 AGENTOS_API_KEY 与 AGENTOS_WORKSPACE_ID 两个环境变量，端点默认使用 https://api.theagentos.space。技能强调凭据安全：不接收聊天中粘贴的密钥、不读取 .env 明文、不硬编码密钥，仅通过环境变量名确认存在性。安装后需验证版本满足最低要求，否则升级或停止。使用方式包括在应用启动入口调用 init、用 start_task_run 包装主智能体循环、通过 instrument_module 或 @agenthog.tool 装饰器对工具函数埋点，最后确认追踪中出现完整的 LLM 与工具步骤。

智能体与模型55 次安装

godot-skill-discovery

Godot 技能发现（godot-skill-discovery）是面向 GDSkills 技能发现与索引系统的专家蓝图，来自 thedivergentai/game-design-agentic-skills。它让 AI 智能体能够按主题或关键词找到相关技能，适合在构建技能库、需要技能检索与元数据管理等场景使用。其核心内容包括技能索引、元数据解析与搜索导航，并提供 skill_index_generator.gd 脚本，用于解析 SKILL.md 文件并生成可搜索的元数据。资料同时给出了技能元数据格式、索引与搜索的 GDScript 实现示例，以及若干最佳实践（版本化索引、缓存、模糊匹配、按分类分组）和明确禁止事项（不得依赖文件名、不得跳过关键词提取、不得无失效缓存、不得无排序的全文搜索、不得忽略缺失 frontmatter）。

智能体与模型55 次安装

godot-skill-discovery

godot-skill-discovery 是一套面向 Godot 引擎的 GDSkills 技能发现与索引系统蓝图，用于让 AI 智能体按主题或关键词检索相关技能。它通过解析 SKILL.md 文件的 YAML frontmatter 元数据，生成可搜索的技能索引，并提供带相关度排序的搜索能力。资料给出了索引生成脚本 skill_index_generator.gd 的示例实现，涵盖目录遍历、frontmatter 解析、关键词提取与搜索排序等环节，同时列出了技能发现中必须避免的做法，如依赖文件名识别技能、跳过关键词提取、缓存不失效、无排序的全文本搜索以及不处理缺失 frontmatter 等。

智能体与模型55 次安装

swing-options

swing-options 是一个概率加权的备选方案生成器，属于 swing-skills 技能集。它面向决策场景，通过强制生成覆盖完整概率分布的多个方案，对抗“典型性偏差”和“锚定偏差”。其核心价值在于：暴露“显而易见”选项背后的隐藏假设，并强制产出非常规甚至激进的方案。默认生成恰好 5 个选项，并覆盖从常规到狂野卡的不同概率区间。每个选项需给出支持理由、反对理由、适用场景、相对投入和风险等级。同时提供隐藏假设分析与决策矩阵，但不给出默认推荐，由用户自行权衡取舍。

智能体与模型55 次安装

coordinator-mode

Coordinator Mode 是一种多智能体编排模式，将顺序执行的智能体链转变为智能的并行编排。在该模式下，协调者负责分解复杂任务、将子任务分派给工作智能体（读取类任务并行、写入类任务串行），并将结果综合为统一输出。它强调协调者不直接编写代码，而是专注于思考、规划、委派与综合，并遵循研究、综合、实现、验证的分阶段工作流。

智能体与模型55 次安装

memory-system

Memory System 是一个面向智能体的持久化跨会话记忆管理方案，让智能体在不同会话之间记住用户偏好、项目约定和过往决策，避免重复发现已经了解的信息。它通过一个轻量的 MEMORY.md 索引文件和若干主题文件组织记忆，索引最多 200 行，每条约 150 字符，格式为「- [类型] 摘要 → 主题文件.md」，类型分为 user、feedback、project、reference 四类。主题文件使用 frontmatter 加结构化内容记录细节。系统定义了保存、回忆、搜索、清理四类操作，并规定会话开始时读取索引并静默应用相关上下文。加载索引约增加 1,000 tokens，但可节省 3,000 至 10,000 tokens 的重复发现成本。系统明确禁止保存密钥、凭据、可从代码推导的信息、临时调试上下文、精确代码片段、可能变动的文件路径和完整对话记录。

智能体与模型55 次安装

openclaw-inter-instance

OpenClaw 实例间通信技能，用于在多个 OpenClaw 实例之间传递消息、同步数据、远程执行命令。覆盖 agent-to-agent 消息（sessions_send）、nodes.run 远程执行、openclaw agent CLI 调用、文件级通信等多种方式，并给出按可靠性与实时性的优先级排序。适用于需要跨机器远程执行命令、多 agent 协作任务、同步仓库或文件到远程实例，以及本地 agent 协调（A2A）批量派活等场景。

智能体与模型54 次安装