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 10-16 00:02
22,136 个结果
mcp-builder 是一个用于创建高质量 MCP（Model Context Protocol）服务器的开发指南技能。MCP 服务器通过设计良好的工具，让 LLM 能够与外部服务和 API 交互。该技能强调以智能体为中心的设计原则，包括围绕工作流而非单纯 API 端点构建工具、优化有限的上下文窗口、设计可操作的错误信息、遵循自然任务划分，并采用评估驱动开发。整个流程分为四个阶段：深度研究与规划、实现、审查与优化、创建评估。它提供 Python 和 Node/TypeScript 两种实现路径，涉及 MCP 协议文档、SDK 文档、语言特定实现指南和评估指南等参考资料。
mcp-config 是一个用于在 Claude Code 中配置 MCP（Model Context Protocol）服务器的技能，帮助用户把 MCP 服务器放到正确的位置和范围，避免不必要的上下文污染。它强调两个有效配置位置：用户/本地范围（~/.claude.json）与项目范围（项目根目录的 .mcp.json），并给出添加、移除、清理与排查 MCP 配置的具体命令和代码示例。该技能适用于新增或禁用 MCP 服务器、清理全局配置、排查 MCP 异常加载或无法禁用等情况，通常建议优先只在项目级 .mcp.json 中配置。
中文介绍正在整理，稍后补充。
用于配置和维护 Codex 桌面应用中的 DeepSeek 原生子 Agent 的技能，覆盖模型选择、路由验证、修复、停用与卸载。它只在用户要求配置或管理该集成时触发，不处理普通 API 问题，也不参与配置完成后的日常编码任务。管理操作通过 scripts/codex_deepseek.py 脚本完成，不手工修改 TOML、JSON、Agent 文件或系统凭据库。支持 deepseek-v4-flash 与 deepseek-v4-pro 两种模型，默认思考程度为 high；DeepSeek 为纯文本 Agent，不处理图片、视频或截图等视觉输入。
中文介绍正在整理，稍后补充。
PokeClaw（PocketClaw）是一个开源 Android 手机 AI 智能体，使用 LiteRT-LM 在设备端运行 Gemma 4，通过工具调用与无障碍服务自动操作界面，支持本地模式，也可选云端模型。
将已完成的调试会话或反复出现的用户纠正，整理为一条有证据支撑、可复用的操作流程。输出的是经审阅的流程草稿，而非自动更新记忆。适用于明确要求沉淀可复用经验的场景。
Dispatching Parallel Agents 是 obra/superpowers-skills 中的一项技能，用于在存在多个相互独立的故障时，通过并行派发多个 Claude 智能体来同时调查和修复问题。其核心原则是：每个独立的问题域派发一个智能体，让它们并发工作。适用于 3 个以上测试文件因不同根因失败、多个子系统独立损坏、每个问题无需其他问题的上下文即可理解、且调查之间没有共享状态的场景。不适用于故障相互关联、需要理解完整系统状态、或智能体之间会相互干扰的情况。
SAP Cloud SDK for AI（Python）是 SAP Generative AI Hub 与 Orchestration Service 的官方 Python SDK，PyPI 包名为 sap-ai-sdk-gen（前身为已弃用的 generative-ai-hub-sdk），导入名为 gen_ai_hub。它封装了 OpenAI、Amazon Bedrock、Google GenAI 等模型提供方的原生 SDK，提供统一的 LangChain 集成与完整的 Orchestration 客户端，全部通过 SAP AI Core 路由并统一认证。适用于构建调用 LLM 的 Python 应用、通过 SAP 代理集成多家模型、实现 LangChain 链、使用编排服务（模板化、过滤、脱敏、接地）、生成嵌入向量，以及从旧包迁移代码。
create-agent-skills 是一个用于创建、编写、构建和优化 Claude Code Skills 的专家指导技能。它面向需要编写 SKILL.md 文件、创作新技能或改进现有技能的用户，提供从结构设计到内容组织的完整方法论。该技能强调技能本质上是提示词，遵循提示工程最佳实践；SKILL.md 始终会被加载，因此核心原则应内联其中；复杂技能采用路由模式，通过 workflows、references、templates、scripts 等目录实现渐进式披露。它包含创建新技能、审计修改现有技能、添加组件、获取指导等入口，并依据用户意图路由到对应工作流。
Self-Improving Agent 是一个用于让 AI 智能体自我改进的元技能（meta-skill）。它面向智能体在完成任务后的反思与沉淀，涵盖三类核心工作：更新 AGENTS.md（包括代码库地图、本地规范、护栏、模式与陷阱）、把反复出现的工作流固化为新技能（SKILL.md）、以及判断哪些内容值得系统化、哪些不值得。技能提供了从诊断改进点、更新 AGENTS.md、创建技能、决定作用范围（仓库内/机器全局/团队共享）到验证改进的完整步骤，并给出反模式清单与「复利循环」示意。适用于任务后的回顾、发现重复多步流程、被人类纠正行为、AGENTS.md 过时或会话结束时。
Skill Creator 是一个用于创建有效 Claude 技能的指导型技能。它帮助用户新建或更新技能，从而扩展 Claude 的能力。技能是模块化、自包含的包，通过提供专门的知识、工作流和工具，把 Claude 从通用智能体转变为具备程序性知识的专用智能体。该技能阐述了技能的核心原则（简洁优先、设置适当的自由度）、技能结构（必需的 SKILL.md 与可选的 scripts/references/assets 资源）、渐进式披露设计原则，以及从理解需求、规划内容、初始化、编辑、打包到迭代的完整创建流程。
声网产品集成技能，用于接入 ConvoAI 语音智能体、RTC 音视频、RTM 消息、云端录制与 Token 生成。按用户意图路由到对应产品模块，读取本地参考文档后指导实现，仅在需要时才联网获取文档。
Background Agent Pings 是一种在 Claude 类环境中管理后台智能体的使用模式，核心思想是把「系统提醒」当作智能体的进度通知，而不是主动轮询。当以后台方式启动智能体后，用户或主流程可以继续处理其他任务；系统会在智能体取得进展时（例如使用了新的工具、消耗了新的 token）以及写入输出文件时推送提醒。推荐做法是：用 Task(run_in_background=true) 启动后台任务并指定输出路径，例如 .claude/cache/agents/<type>/output.md；随后立即继续下一项工作；当看到系统提醒显示智能体活动时，再检查输出文件是否存在；只有在智能体发出完成信号时才读取输出文件。资料明确反对轮询，指出轮询会浪费 token 和时间，TaskOutput 会把完整的智能体记录灌入主上下文，造成上下文泛滥，而系统提醒是免费自动推送的。该模式适用于需要并行处理多个任务、希望减少无谓等待和 token 消耗的场景；其收益建立在系统确实会推送提醒这一前提之上。
该技能用于处理 cTrader MCP 服务器（ctrader-remote-mcp 与 ctrader-local-mcp）相关的任务。它记录了本地 HTTP 与远程 HTTP 两个服务器家族的工具指纹、单位编码差异（手数/分、显示价/点、金额/整数）、止损止盈的绝对价与点数距离约定、动态杠杆保证金计算、货币换算链、对冲与净额账户、强平与保证金水平、隔夜利息计提时机等运行时语义与已知怪癖，并提供自愈手册、交易者工作流与配套计算脚本。
面向 Teneo Protocol 网络的 Squid Router 智能体技能，通过随附的 Teneo CLI 查看并调用该智能体的实时命令、参数与定价，用户明确需要 Squid Router 时使用。
这是 Teneo Protocol 网络上的一个智能体技能，用于通过捆绑的 Teneo CLI 调用 Google Search Agent。当用户明确需要 Google Search Agent，或任务与其实时能力匹配时使用。该技能本身不直接执行搜索，而是先查看该智能体的实时命令、参数与定价，再通过 Teneo CLI 执行；CLI 源码内置于 teneo-cli 技能中，不应在网络上寻找外部 CLI。Teneo Protocol 是一个去中心化的 AI 智能体网络，涵盖网页抓取、加密数据、分析等方向。智能体 ID 为 google-search-agent，名称为 Google Search Agent。支持 Base、Peaq、Avalanche 等网络，并列出对应的链 ID 与 USDC 合约地址。
知识蒸馏（Knowledge Distillation）是一项用于压缩大语言模型的技术，通过将大型教师模型（teacher）的能力迁移到小型学生模型（student），在保留大部分性能的同时降低推理成本。该技能适用于将 70B 模型压缩至 7B 并保留 90% 以上性能、把专有模型（如 GPT-4）能力迁移到开源模型（LLaMA、Mistral）、部署更小的学生模型以降低推理成本、通过蒸馏领域知识创建专用模型，以及利用大教师模型生成的合成数据改进小模型。核心技术包括温度缩放、软目标、反向 KLD（MiniLLM）、logit 蒸馏和响应蒸馏。
RAG Implementation 是一个面向检索增强生成（RAG）的实践技能，聚焦分块、嵌入、向量存储与检索优化。它强调分块质量决定检索质量，主张按语义而非固定长度切分，并推荐使用带重叠的递归字符文本分割器。技能涵盖嵌入模型、向量存储、检索策略、混合搜索（稠密向量与稀疏关键词结合）以及上下文重排序等能力，同时指出固定大小分块、无重叠、单一检索策略等反模式，并提醒嵌入模型一致性、RAG 延迟、文档与嵌入同步等常见问题。适用于需要为 LLM 构建或优化检索管线的场景。
用于 Elastic 集成中非 CEL 输入模板配置的技能，覆盖 HTTPJSON、AWS S3、GCS、Azure Blob、TCP/UDP、Filestream 等 agent/stream/*.yml.hbs 模板的编写、修改与审查，以及 AWS 联邦身份配置。
面向 PinMe 项目（Worker TypeScript）的技能，指导如何通过 PinMe 平台代理调用 OpenRouter 的大模型接口，涵盖模型列表、对话补全、流式输出与 OpenRouter 网络搜索工具，并使用项目 API Key 完成鉴权。
LLMQuant 策略路由技能，用于对冲基金与投资组合经理的策略工作流，可按股票多空、偏多、事件驱动、宏观、量化、多策略等意图选择对应工作流，并配合 LLMQuant Data 获取市场、宏观、持仓、因子、事件、期权与风险数据。
Braintrust Tracing for Claude Code 是一套用于在 Braintrust 中追踪 Claude Code 会话的插件与指南，重点解决子智能体（sub-agent）追踪与关联问题。它通过一系列 Hook（SessionStart、UserPromptSubmit、PreToolUse、PostToolUse、Stop、SubagentStop、SessionEnd）构建会话、轮次、工具调用与 LLM 调用的层级追踪结构，并提供状态文件管理、调试命令、环境变量配置与故障排查清单。资料同时说明子智能体目前会生成孤立追踪（orphaned traces），无法在 Hook 阶段实时关联，推荐采用事后按时间与元数据匹配的离线关联方案。
workflow-router 是一个基于目标的流程编排技能，用于把用户任务按目标类型路由到相应的专家智能体，并分配执行资源。它会先让用户选择主要目标（Research 研究、Plan 规划、Build 构建、Fix 修复），检查 thoughts/shared/plans/ 下是否已有计划，再选择资源分配档位（Conservative 保守、Balanced 均衡（推荐）、Aggressive 激进、Auto 自动，默认均衡），然后按目标映射到对应智能体：Research 用 oracle（别名 Librarian）、Plan 用 plan-agent（别名 Oracle）、Build 用 kraken（别名 Kraken）、Fix 先用 debug-agent（别名 Sentinel）排查、确认需要改代码后再调用 kraken。执行前会展示汇总并请求确认。Build 前建议先对计划运行 /premortem deep 以识别高风险问题。