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 10-26 00:15
24,822 个结果
本 Skill 是针对 DeepSpeed 分布式训练的专家指导型工具，内容根据官方文档生成，覆盖 ZeRO 优化阶段、流水线并行、FP16/BF16/FP8 混合精度、1-bit Adam、稀疏注意力等主题。当用户在处理 DeepSpeed、询问其功能或 API、实现 DeepSpeed 方案、调试 DeepSpeed 代码或学习其最佳实践时，该 Skill 会被触发。资料中给出的具体能力示例包括 DeepNVMe 数据搬运实践，以及面向 NLG 模型的 Mixture of Experts 训练流程，后者可降低训练成本并缩小 MoE 模型体积。资料提供的内容包含环境要求、句柄创建、阻塞与非阻塞文件读写、并行文件写入、pinned 张量、性能调优工具 ds_nvme_tune 以及 API 列表等细节。对于价格、收费模式、支持的平台范围或效果承诺，资料未提供相关信息。
Denario 是一个多智能体 AI 科研助手，基于 AG2 与 LangGraph，自动化从数据分析到论文撰写的科研流程，可生成假设、方法、计算结果与期刊格式 LaTeX 论文。
n8n-mcp-tools-expert 是用于高效使用 n8n-mcp MCP 服务器工具构建工作流的专家指南。n8n-mcp 提供 40 多个工具，分为节点发现、配置验证、工作流管理、模板库（可搜索访问 2,653 个真实工作流）和文档等类别。指南给出按成功率与响应速度排序的常用工具参考，如 search_nodes（99.9%，<20ms）、get_node_essentials（91.7%，<10ms）、n8n_update_partial_workflow（99.0%，50-200ms）等，并强调 nodeType 前缀在不同工具中的差异、验证 profile 选择、自动清理（auto-sanitization）行为以及智能参数（branch、case）用法。
OpenRLHF 是一个基于 Ray 的高性能 RLHF（基于人类反馈的强化学习）训练框架，通过 vLLM 推理加速针对分布式训练进行优化，构建在 Ray、vLLM 和 ZeRO-3 之上。它支持在 7B 至 70B+ 的大模型上进行 PPO、GRPO、RLOO、DPO 等强化学习训练，适用于拥有多节点 GPU 集群的场景。框架集成了参考模型、奖励模型、评论者模型和 Actor 模型的分布式部署能力，并提供 Hybrid Engine 机制以最小化 GPU 空闲时间，据资料描述其性能可达 DeepSpeedChat 的 2 倍。安装方式为 pip install openrlhf[vllm]，并提供了从 SFT、奖励模型训练到 PPO/GRPO/DPO 训练的完整工作流示例。
该技能介绍如何用 Flash Attention 优化 Transformer 注意力计算，通过 IO 感知分块与重计算，可在长序列场景获得 2-4 倍加速和 10-20 倍显存占用降低。包含 PyTorch 2.2+ 原生方式、flash-attn 库方式以及 H100 FP8（FlashAttention-3）三种路径的完整代码示例，并给出集成到现有模型、验证加速比、比对精度、多查询注意力、滑动窗口注意力等常见工作流，以及安装报错、无加速、CUDA 报错、精度下降等问题的排查方法。
SimPO（Simple Preference Optimization）是一种用于大语言模型对齐的无参考模型偏好优化方法，是 DPO 的替代方案，无需参考模型即可获得更好性能（在 AlpacaEval 2.0 上提升约 6.4 分）。该技能基于 HuggingFace alignment-handbook 提供完整的训练流程，支持从基础模型训练、指令模型微调以及推理密集型任务等场景，包含安装步骤、配置文件示例、超参数说明、常见问题排查和硬件需求等资料。
Skill Creator 是一个用于创建和改进 Claude 技能的指导型技能，提供从需求理解、资源规划、初始化、编辑到打包的完整流程，帮助把专业工作流、领域知识和可复用脚本组织成模块化技能包。
一个用于设计与审查命令行工具（CLI）的技能，目标是让编程智能体能够可靠地运行 CLI：采用非交互式标志、分层 --help 与示例、stdin/管道、快速且可操作的错误提示等。
continual-learning 是一个编排型 AI 技能：把挖掘历史对话记录与更新 AGENTS.md 的工作委托给 agents-memory-updater 子代理，从而持续维护 AGENTS.md。
orchestrate 是一个需显式输入 /orchestrate <goal> 才加载的调度技能，用并行 Cursor 云智能体把一个大型任务拆解成计划树，通过结构化交接让子规划者、执行者与验证者协作。
Ralph Loop 是一个迭代式自我参照开发流程工具，用于让同一提示词在每轮结束后被重新送回，使智能体每次迭代都能看到自己之前的工作成果，适合需要反复打磨的任务。
review-and-ship 是一个用于提交前审查与发布流程的技能：检查当前分支的缺陷、意图符合度与测试覆盖，运行或补充测试，提交聚焦的改动，并创建或更新 PR。
从近期 Cursor 聊天中提取可复用的工作偏好，并转化为技能、规则或工作流文档。默认分析最近 7 天对话，按触发条件、决策规则、质量标准等维度提炼偏好并评估置信度，最终只输出可复用的指导，而非聊天摘要。
OpenClaw 是一个免费、开源、隐私优先的个人 AI 助手，完全在本地运行，可集成 WhatsApp、Telegram、Discord、Slack、Signal、iMessage 等聊天平台，支持持久记忆、浏览器自动化、50+ 集成和可扩展技能系统，并兼容 Claude、GPT 及本地模型。本技能是 OpenClaw 工作流与技能工程助手，专注于设计、构建、调试和文档化 OpenClaw 助手、技能与配置，涵盖代理架构、SKILL.md 编写、技能加载与优先级排查、ClawdHub 技能分发、生产环境加固与安全审计等。
openclaw-dingtalk-channel 是 OpenClaw 的钉钉渠道插件（包名 @soimy/dingtalk），用于把 OpenClaw 接入钉钉企业机器人。其核心特点是采用 Stream 模式，无需公网 IP 或 Webhook 即可接收与回复消息，适合内网或本地环境部署。插件支持文本、图片、语音、视频、文件以及钉钉文档/卡片等消息类型，回复模式可选 Markdown 或 AI Card（v2 结构化块并支持流式输出）。它还提供多智能体路由，可将多个 OpenClaw 智能体绑定到不同的钉钉机器人，并通过 @agent-name 方式指定路由；支持 /btw 旁路模式在主会话锁定之外快速回答、实时中止生成，以及扫码自动注册凭据的 Device Flow 认证。安装要求 OpenClaw >= 2026.3.24，可通过 ClawHub 安装（openclaw plugins install @soimy/dingtalk）或从本地源码安装，并在 OpenClaw 配置中启用插件与钉钉渠道。配置项包括访问策略（dmPolicy/groupPolicy 等）、消息类型、AI Card 流式参数、多智能体绑定、路由前缀、限流与安全参数等。使用前需在钉钉开发者控制台配置应用凭据、启用 Stream 模式、申请相应 API 权限并订阅事件。插件许可为 MIT。
Solana MCP by Vybe 是 Vybe Network 提供的公开 Model Context Protocol（MCP）服务器，让 Claude Desktop、Cursor、VS Code 等 MCP 客户端能够直接查询 Solana 区块链数据。它通过标准化 MCP 接口暴露 Solana RPC 方法、SPL 代币查询、Token-2022 操作和账户查询，端点位于 https://mcp.vybenetwork.xyz。AI 智能体无需编写自定义 Solana 集成代码，即可查询余额、交易历史、代币元数据、NFT，并对 Solana 主网/开发网执行读取操作。支持 OAuth 认证，无需在配置文件中存储 API 密钥。
Agent Architecture Lens 是一个用于审查智能体控制流、持久状态、重试与恢复结构的技能。它围绕 ReAct 循环（推理、行动、观察、重复）展开，指出循环本身正确但不完整：随着运行变长变复杂，它不会突然崩溃，而是逐渐不再够用。该技能提出“架构跟随任务的形状与时长，而非图表的优雅”这一原则，并用两条主线贯穿审查：图不是升级，结构是对实际遇到的需求的回应；进度必须存放在持久工件中，而非模型希望记住的消息历史里。审查分三步：先判断六个信号（状态超出上下文窗口、运行必须抗崩溃、运行中需要人工审批、工作流有并行分支、多模型或多智能体需协调、执行必须可重放与可审计）是否触发；再按升级阶梯逐级增加结构（外部化状态、添加检查点、按职责拆分命名步骤、分支与并行）；最后从状态、重试、终止、副作用、恢复与门控五个方面检查实现。该技能还列出图的成本（延迟、协调、路径爆炸、模式设计、维护），并给出输出契约（verdict、signals_fired、blocking_findings、advisory_findings、required_changes）。
minimax-runner 是一个通过 Cline CLI 以无头模式执行提示词、调用 Minimax 模型的技能。它基于共享的 cline-runner 实现，为多模型协作（council）和脚本化工作流提供一个由 Minimax 支持的席位，同时保持无头、流式友好的执行方式。默认模型为 minimax/minimax-m2.7，可通过 --model 参数指定所选 Cline 提供方暴露的其他 Minimax 模型。使用前需确保 cline 已安装并位于 PATH 中，且已通过 cline auth 认证到能解析默认模型的 Cline 提供方。它提供共享包装器的完整选项、角色、--json 输出信封键约定、返回码与注意事项，输出信封由 cline-runner/scripts/run_cline.py 生成。运行方式为 python3 .agents/skills/minimax-runner/scripts/run_minimax.py "your prompt here"，支持 --prompt-file、--role、--output-format stream-json、--json 等参数。该技能不会回退到其他提供方，若运行失败则视为 Minimax 席位受阻并报告不可用。
该技能帮助开发者在服务端代码中集成 Runway 音频 API，涵盖文本转语音、音效生成、人声分离、配音和语音转换五类能力。使用前需先运行兼容性检查、加载最新 API 参考并配置 API 密钥；处理本地音视频文件时还需先完成上传集成。文档列出了各模型对应的端点、用途与计费（如 eleven_multilingual_v2 文本转语音为每 50 字符 1 积分），并给出 Node.js 与 Python SDK 的调用示例，以及 Express.js 和 FastAPI 的集成模式。
该技能帮助用户创建 Runway Characters（GWM-1 虚拟形象），并将实时对话会话集成到自己的应用中。角色由单张图片生成，支持任意视觉风格，可控制声音、性格、知识和动作，无需微调或训练。集成流程要求项目具备服务端组件以保护 API 密钥，通过服务端创建会话、轮询至就绪、消费凭证，再由客户端建立 WebRTC 直连。会话最长 5 分钟，凭证仅可使用一次。提供 Node.js、Python 的 SDK 及 React 客户端组件。
Runway Characters 的知识库文档集成技能，用于为 Avatar 添加领域专属知识。通过 RunwayML SDK 创建文档（支持纯文本与 Markdown），再将文档链接到 Avatar，使其在对话中自动引用这些内容，从而给出准确、贴合上下文的回答。每个 Avatar 最多支持 50,000 tokens 的知识量，可链接多个文档。适用于客户支持、测验游戏、教育、品牌体验等场景。
Browser 是一个面向 claude-flow 智能体的网页浏览器自动化技能，基于 agent-browser 命令行工具实现。它通过 AI 优化的快照机制，使用元素引用（@e1、@e2 等）替代完整 DOM，据资料称可将上下文占用降低 93%。该技能提供导航、快照、交互、信息获取、等待和会话管理等完整命令集，并可作为 MCP 工具集成到 Claude Flow 中，支持并行会话与记忆存储。
以巴菲特身份回应的投资思维框架技能，基于其60年股东信、经典投资案例与股东大会问答提炼。用于分析公司护城河、能力圈、安全边际、复利与商业模式，可结合用户提供或搜索的财报数据，主要面向价值投资的长期策略与人生选择类提问。
Relay Dispatch 是 dev-relay 技能集中的任务派发工具，用于通过 worktree 隔离将实现任务委派给执行器。它支持前台阻塞式运行和后台分离式运行，可并行处理相互独立的任务，也支持在评审结果为 changes_requested 后对同一运行进行重新派发。派发前需由 /relay 源门选择路由，要求存在 Git 检出，并需提供派发提示词与必需的 rubric 文件。支持的执行器包括 codex、claude、opencode、pi、antigravity、cursor 和 cline，可通过参数选择执行器与模型。派发本身不初始化 Git、不提交、不发布、不记录验证结果，这些生命周期操作由 relay-recover 负责。