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
22,851 个结果
OpenClaw CLI 是 OpenClaw 的命令行界面完整参考文档，用于通过终端管理 OpenClaw 的网关、智能体、频道、技能、钩子与自动化任务。它覆盖安装引导、健康检查、网关服务控制、智能体增删与身份设置、技能与钩子管理、消息频道（Telegram、Discord、WhatsApp 等）配置、模型与认证、消息发送、浏览器控制、节点与设备操作、系统事件与心跳、定时任务、配置读写、记忆索引与检索、日志查看、沙箱、安全审计、插件管理、更新与卸载等操作，并给出多智能体、钩子自动化、频道搭建、模型配置等常见工作流示例。命令支持 --json、--profile、--dev 等全局参数，便于脚本化与隔离测试。
braintrust-analyze 是一个通过 Braintrust 追踪数据分析 Claude Code 会话的工具。它可以从项目目录运行，用于回顾复杂任务、排查失败原因、进行每周生产力复盘、发现可沉淀为新技能的机会，以及了解 token 使用趋势。工具提供多条命令：分析最近一次会话并给出工具、智能体、技能的使用明细；列出近期会话；查看最近 7 天的智能体或技能使用统计；检测循环（同一工具重复调用超过 5 次）；回放指定会话的完整操作序列；生成每周摘要与每日活动分解；查看 token 使用趋势。使用时需要通过 uv run python -m runtime.harness scripts/braintrust_analyze.py 并附加对应参数，可用 --project NAME 指定 Braintrust 项目名（默认 agentica）。运行前提是 ~/.claude/.env 或项目 .env 中配置 BRAINTRUST_API_KEY，并启用 Braintrust 追踪（通过 braintrust-claude-plugin）。
Skill Creator 是一个用于创建新技能、迭代改进现有技能并衡量技能表现的工具型技能。它可以引导用户从零开始定义技能目标、撰写 SKILL.md 草稿、设计测试用例，并通过运行对比实验与量化评估来验证和改进技能效果。适用于用户想要创建技能、编辑或优化技能，或需要评估技能触发与输出表现的场景。
agentica-claude-proxy 是一个用于将 Agentica SDK 与 Claude Code CLI 代理进行集成的技能指南。它面向正在开发或调试 Agentica-Claude 代理集成的开发者，帮助解决代理幻觉、文件操作权限错误、REPL 响应格式等问题。该技能说明了整体架构：Agentica Agent 通过 S_M_BASE_URL 连接到 Claude Proxy，再由代理调用 claude -p 命令，最终由带工具的 Claude CLI 执行。文档强调了若干关键要求，包括必须添加 --allowedTools 标志以允许 Read、Write、Edit、Bash 操作，必须使用 SSE 流式响应格式，以及代理必须以带 return 语句的 Python 代码块返回结果。此外还提供了防幻觉提示工程、路径沙箱说明、调试方法、服务器启动命令和常见错误对照表。
一个用于在 PostHog 中创建和管理定时订阅的技能，可将洞察快照、仪表盘快照和 AI 提示报告按固定计划发送到邮箱、Slack 或 Teams。
Neo4j MCP Skill 用于安装、配置和排查官方 Neo4j MCP 服务器（neo4j/mcp），让 AI 智能体通过任意兼容 MCP 的客户端连接 Neo4j。它覆盖 Claude Code、Claude Desktop、Cursor、Windsurf、VS Code、Kiro、Cline、Antigravity 等编辑器的配置写法，支持 stdio 与 HTTP 两种传输方式，并可通过 NEO4J_READ_ONLY 控制是否开放写权限。该技能提供 get-schema、read-cypher、write-cypher、list-gds-procedures 四个 MCP 工具，附带安装命令、环境变量说明、APOC 依赖要求、常见故障排查表和配置检查清单。它不负责编写或优化 Cypher 查询、创建 Aura 实例、智能体长期记忆或 neo4j-admin/cypher-shell/aura-cli 等命令行工具的使用。
Search Skill 是一个用于从可信市场搜索并推荐 Claude Code 技能的技能。当用户描述某个需求、希望找到现成技能来解决时使用，例如查找自动生成变更日志、前端设计或浏览器自动化的技能。它按信任等级划分数据源：Tier 1 官方/高信任（anthropics/skills、ComposioHQ/awesome-claude-skills），Tier 2 社区精选（travisvn/awesome-claude-skills、skills.sh），Tier 2.5 大型社区注册表（ClawHub），Tier 3 聚合器（skillsmp.com，需谨慎）。搜索流程包括解析用户意图、多源搜索、质量过滤、结果排序和格式化输出，最终返回 Top 5-10 个结果，并标注来源、功能、星标、更新时间和安装命令。
MCP Chaining 是一个从研究到实现的流水线，串联 5 个 MCP 工具（nia 文档搜索、ast-grep 结构代码搜索、morph 快速代码库搜索、qlty 代码质量校验、git 版本控制），并支持优雅降级：任一工具不可用时流水线仍可继续执行。它适合构建多工具 MCP 流水线、理解带降级的 MCP 调用链、调试 MCP 环境变量问题，以及学习不同 MCP 服务器的工具命名约定。
这是一个针对后台智能体（Background Agents）的使用规范技能，名为「No Polling for Background Agents」，即“不要轮询后台智能体”。它规定了在并行启动多个后台智能体时，不应使用 sleep 循环等方式反复轮询状态。核心做法是：以后台方式启动智能体后，继续处理其他工作或对话，由智能体在完成时自行写入状态文件，用户或被需要结果时再检查状态文件。该技能列出了应当做的做法（如 run_in_background: true 启动、完成前继续其他工作、仅在需要时查看状态、信任完成系统）以及不应做的做法（如循环执行 sleep 10 && cat status.txt、持续轮询完成状态、反复检查浪费 token、非必要地阻塞等待智能体）。同时还说明了何时检查状态：用户明确询问是否完成、需要智能体输出才能继续下一步、以及已过较长时间且用户在等待。资料还附带示例代码，展示启动多个后台任务后继续其他工作、按需读取状态文件的模式。该技能适合在编排并行后台智能体的工作流中使用，帮助减少无谓的 token 消耗和阻塞。具体实现细节、兼容平台和安装方式暂未提供。
中文介绍正在整理，稍后补充。
resume-handoff 是一个用于从交接文档（handoff）恢复工作的技能，能读取并校验交接内容与当前代码状态，分析后给出行动建议，再交由专门的子智能体执行后续任务。
Agentica Prompts 是一套面向 Agentica/REPL 智能体的提示词工程方案，旨在解决自然语言提示因指令歧义导致智能体执行不可靠的问题。资料称标准自然语言提示约有 35% 的失败率。该方案提供编排模式（研究→计划→验证→实现→评审→调试）、智能体系统提示模板、针对 Swarm、Hierarchical、Generator/Critic、Jury 等模式的专用提示、动词映射表、目录交接机制、反模式清单，以及代码地图与记忆上下文注入方法。通过使用 RETRIEVE、WRITE 等显式动词和目录交接，可将成功率从约 60% 提升至约 95% 甚至 98%。
LLM Tuning Patterns 是一套基于 APOLLO 与 Godel-Prover 研究、以证据为基础的 LLM 参数配置模式集合。它针对不同任务类型给出推荐的参数取值与理由，涵盖定理证明/形式化推理、代码生成以及创意/探索类任务，并列出常见反模式。例如在定理证明场景中建议 max_tokens 设为 4096、temperature 设为 0.6、top_p 设为 0.95，并强调在给出 Lean 4 策略前先要求模型输出高层证明计划（思维链），对困难证明可采用并行采样与 best-of-N 选择；代码生成建议 max_tokens 2048、temperature 0.2-0.4；创意任务建议 max_tokens 4096、temperature 0.8-1.0。反模式包括证明任务 token 过低导致思维链被截断、温度过低错过创造性策略路径、以及缺少证明计划直接跳到策略。
Design Orchestration 是一个元技能（Meta-Skill），用于编排设计工作流。它本身不生成设计，而是控制其他技能之间的流转顺序：先通过头脑风暴生成设计，再经过多智能体评审进行验证，最后在满足执行就绪条件后才允许进入实现阶段。该技能会依据风险等级决定是否需要升级评审，并强制要求产出理解锁定、初始设计和决策日志等工件，防止在未经验证的情况下直接实施。
Skill from GitHub 是一个用于创建技能（skill）的方法型技能：当用户想完成某项任务时，先在 GitHub 上搜索解决该问题的高质量项目，深入理解其原理与最佳实践，再基于所学知识生成一个可复用的技能。它强调“学习而非包装”，生成的技能应内化项目知识，即使不安装原项目也能工作。
explicit-identity 是一个关于跨进程与异步边界传递显式标识符的实践模式，强调不要依赖“最新”或“当前”状态，避免竞态条件。
Agent Development 是 Claude Code 插件中用于创建和管理子代理（Agent）的技能。代理是自主运行的子进程，用于独立处理复杂的多步骤任务。该技能覆盖代理的完整文件结构：使用带 YAML frontmatter 的 Markdown 文件定义代理，通过 name 指定标识符、通过 description 中的触发条件与示例控制何时启动、通过 model 选择继承或指定模型、通过 color 设置界面视觉标识、通过 tools 限制可用工具集。Markdown 正文即代理的系统提示词，用于定义代理的角色、职责、分析流程、质量标准、输出格式和边界情况处理。技能还提供标识符、描述和系统提示词的校验规则，AI 辅助生成与手动创建两种方式，以及测试代理触发和系统提示词的方法。
Research Engineer 是一个面向学术研究与高性能实现的 Claude Code 技能模板。它模拟顶级实验室的高级研究工程师角色，以严格的科学严谨性、客观批判性和零冗余风格工作，目标是在理论计算机科学与高性能工程实现之间架起桥梁。它不追求取悦用户，而是追求正确性：将每个请求视为同行评审投稿，先批判、再精炼、最后以绝对精确的方式实现。其核心协议包括零幻觉要求（不虚构库、API 或理论边界，遇到数学上不可行或计算上难解的问题会立即指出）、反简化原则（不为妥协有效性而简化问题，拒绝占位符，代码必须可编译可运行）、客观中立与批判（无表情符号、无客套、无废话，若用户前提错误会先纠正再继续），以及长实现的分段续写机制。该技能还给出研究方法论、语言选择矩阵与优化优先级，适用于需要理论正确性与严谨工程实现的场景。
Skill Creator 是一个用于创建和更新 Claude 技能（Skill）的指导型技能。它提供创建有效技能的完整方法论，包括技能结构说明、核心设计原则、渐进式披露设计模式以及从理解需求、规划内容、初始化、编辑到打包的完整创建流程。适用于用户希望创建新技能或更新现有技能以扩展 Claude 能力的场景。
TaskFlow 是 OpenClaw 生态中的可恢复审批工作流技能，用于多步骤任务、子智能体协作与可选 Workboard 认领。它通过 Lobster 工具运行流程，支持暂停等待审批、按修订号恢复，并将状态持久化到 SQLite。
validate-agent 是一个用于验证技术方案选型的智能体技能。它会读取给定的技术实施计划，提取其中的技术决策（库、框架、架构模式、API、外部服务、实现方法等），并结合历史工作记录与外部检索资料，判断这些选择是否符合当前（2024–2025）最佳实践。它的产出是一份结构化的验证交接文档，逐项标注每个技术选择的结论并给出建议，供后续实施阶段参考。
一套用于按 agentskills.io 规范编写专业级智能体技能的程序化流程，涵盖元数据校验、目录结构、SKILL.md 起草、脚本打包与最终校验，适合创建新技能目录或撰写技能规范时使用。
talk-normal 是一个系统提示词工具包，用于去除大模型的AI套话、空洞确认和冗余填充，让任意LLM像普通人一样简洁直接地回答，同时保留全部有用信息。
Watch Skill 是一个视频输入技能，通过 watch-skill CLI 让智能体“观看”任意视频（URL、直播流或本地文件），下载后提取场景感知去重的帧、做 OCR 与转录（优先字幕），并支持持久索引和后续追问。