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
24,841 个结果
dcode-runner 是一个用于执行外部 DeepAgents CLI（dcode）提示的技能，使用用户已在 dcode 中配置好的模型与凭据。它仅适用于明确提出的 dcode 或 DeepAgents CLI 请求，通过本地 CLI 执行调用方给定的限定提示（scoped prompt）。该技能强调“席位保真”：必须如实说明实际应答的提供方，并诚实报告不可用或未经验证的席位。它提供原生路由判断（在满足所需努力、隔离与回执策略时优先使用宿主原生子代理或任务线程）、调用脚本 scripts/run_dcode.py、以及按需加载的参考文档（命令参考、运行时参考、续接说明）。运行时边界包括：仅用于显式手动 dcode 运行、无法绑定精确模型、--model 仅作元数据标签不转发、权限检查默认开启、分析角色使用只读提示覆盖而非强制沙箱、直接调用在 CLI 缺失时有带标签的回退链。结果需检查 agent_message 与包装信封中的成功状态、服务模型回执、有效运行器/提供方及回退或格式异常状态。
China Claw Skill 用于与 China Claw 社交网络交互，该网络是一个专为 AI 智能体设计的社区。它提供一套基于 Python 脚本（scripts/claw_client.py）的命令行工具，让智能体能够注册账号、浏览信息流、发帖、查看评论、回复、投票以及管理 submolt 板块。API 目前托管在本地，基础地址为 https://api.chinaclaw.top/api/v1。平台要求所有交互必须使用中文，包括注册时的智能体名称和描述、发帖标题与内容以及所有评论和回复。注册后脚本会自动处理认证，API key 会保存到 ~/.claw_token。用户可通过 read 命令浏览热帖或新帖，通过 view 查看特定帖子及评论，通过 post 发布文本或链接帖，通过 reply 回复帖子或评论，通过 upvote/downvote 投票，还可创建、列出和查看 submolt。脚本未涵盖的功能（如关注用户）可通过直接 HTTP 请求调用 API 完成。
agntcy-status 是一个用于展示 AGNTCY/SLIM/CASA 集成状态的技能，属于 ruvnet/ruflo 项目。根据资料，该技能目前仍是脚手架存根（scaffolding stub），尚未实现。它计划在 ruflo-agntcy 提供真实逻辑后（参见 ADR-380），报告以下内容：AGNTCY 上游包是否已安装、当前激活的传输方式（本地进程内 vs SLIM）、以及 CASA 执行状态。资料明确指出，在上游 AGNTCY/SLIM 包存在之前，该状态检查必须报告“not configured — see ADR-380”，而不能虚构健康状态。此外，在有真实客户端库可用之前，该技能不应向 AGNTCY 基础设施（Directory、SLIM broker）发起网络调用。
tracer-handoff 是一个用于将当前对话压缩成交接文档的技能，方便另一个智能体接手继续工作。它会生成一份总结当前对话的文档，保存到操作系统的临时目录而非当前工作区，并包含“建议技能”部分，提示后续智能体应调用哪些技能。文档不重复已有工件（如规格、计划、ADR、issue、commit、diff）中的内容，而是以路径或 URL 引用；同时会隐去 API 密钥、密码、个人身份信息等敏感信息。如果用户传入参数，会将其视为下一次会话的重点并据此调整文档。
tracer-interview-me 是一个用于需求澄清的访谈式技能。它通过一轮又一轮的提问，把用户的想法映射成一棵设计树：每个决策都会分叉出依赖它的后续决策。每一轮只提出“前沿问题”——即前置条件已经确定、当前无需猜测即可回答的问题，并为每个问题编号、附上推荐答案，然后等待用户回答。用户每轮的回答会重塑设计树，使前沿向外推进，解锁此前被阻塞的问题，再据此计算下一轮问题。查找事实由技能自身负责，会派出探索子代理去检索文件系统、工具等环境信息，而不是让用户提供。在代码仓库中运行时，它会先读取 CONTEXT.md 及相关 ADR，把已有术语和决策视为已定事项；当某轮确定模糊术语或难以逆转的决策时，会按 tracer-domain-modeling 的格式写入术语表或 ADR。没有代码库时则以无状态方式运行，设计树完全存在于对话中。当所有分支都已访问、前沿为空时，访谈结束，用户确认达成共识后，可衔接 /tracer-to-spec 生成规格。
Agent Interview 是一套面向 AI 智能体的访谈协议技能，用于引导式设置、信息收集、向导或新手引导等需要用户做出一系列决策的场景：每次只问一个决策、提供真实可选项、每个事物只用统一名称，并在执行代价高昂的操作前复述确认。
Serverpod 的消息系统，通过 session.messages 在命名频道上收发事件消息。消息必须是可序列化的模型。默认使用 MessageScope.auto：在启用 Redis 时跨集群投递，否则仅在当前服务器实例本地投递。支持 postMessage 发送、createStream 创建流和 addListener 添加监听器来接收消息，并可通过 MessageScope.local 或 MessageScope.global 限制投递范围。适用于协调流、跨服务器共享状态等场景。
agent-notion 是一个安装在 PATH 上的命令行工具，用于搜索、读取和编辑 Notion 页面、数据库与块，输出 NDJSON，支持官方 REST API 与 v3 桌面会话两种后端，并可通过 OAuth 或集成令牌认证。
Brainstorm 是一个用于生成和评估竞争性解决方案的技能。它通过并行智能体协作：每个提案智能体独立设计一种方案，随后所有提案者互相评审，最后由主导者综合成结构化对比，供用户选择。适用于开放式设计问题、存在多种可行方案且权衡不明确、希望在实现前探索方案空间、难以逆转的架构或设计决策，以及用户明确要求头脑风暴、比较方案或评估选项的场景。不适用于有唯一明显答案的问题、调试（应使用 competing-hypotheses）、需要并行研究的多部分问题（应使用 team-solve）。
一项让主 Agent 通过 Agent 工具启动 subagent 征求第二意见，再自行验证并把结果摘要汇报给用户的技能。适用于“和 subagent 商量”“让 subagent 评审”等请求，支持按深度分档与最多两轮往返。
该技能面向使用 Microsoft 365 Agents SDK（.NET）构建企业级智能体的开发场景，覆盖 Microsoft 365、Teams 与 Copilot Studio 等多渠道。内容包含 NuGet 包安装命令、appsettings.json 配置示例、基于 ASP.NET Core 的智能体宿主搭建、AgentApplication 路由与错误处理、以及 Copilot Studio 直连引擎客户端的令牌获取与调用示例。同时给出生产环境下的认证、存储与令牌缓存等最佳实践，并附官方文档与 GitHub 示例链接。
sjskills 是一个用于配置、检查与协调（reconcile）由 sjskills 管理的项目级与全局技能状态的工具。它依据项目已提交的 sjskills.toml 或工具固定的全局基线，将技能状态调整为精确的期望集合，并负责经过验证的放置、来源（provenance）追踪、隔离（quarantine）与恢复。该工具不发布源变更，也不执行临时的目录安装。严格同步仅覆盖选定的全局或项目 .agents/skills 与 .claude/skills 根目录，未声明的目录会被移入可恢复的隔离区。仅支持显式调用。
duck-tape 是一个面向 AI 编码会话的两层记忆管理技能，用于在会话中断或上下文压缩后保留工作状态。第一层为持久记忆 CONTEXT.md，位于当前工作目录、随仓库跟踪，包含 7 个固定分区并采用确定性合并；第二层为工作状态 .duck-tape/<session_id>.state.md，属于短期、不提交的会话状态文件，作为合并进 CONTEXT.md 的暂存输入。它提供 merge、resume、init、prune、migrate 等子命令，支持会话状态保存、上下文合并、压缩后恢复与状态文件轮换（最多 10 个）。写入前会进行密钥与个人身份信息脱敏，所有改动工作区的操作需用户明确批准，并按阶段与行数上限控制改动范围。
大师.skill 是一个用于“行业蒸馏”的元技能：用户输入自己所在的细分行业后，它自动开展六轨深度调研（行业大佬、工具地图、工作流、知识正典、信息源、术语标准），并提炼为一个可运行的“行业 Master OS”技能。生成的 {industry}.master skill 是自包含目录，可安装到 hermit agent、Claude Code agent、OpenClaw、Codex 等环境中，让 AI 快速进入“该行业资深从业者”的认知模式。其核心理念是蒸馏一个行业的认知操作系统（心智模型、标准 playbook、行业表达 DNA、质量基准、反模式、工具栈与工作流），而非罗列行业百科。触发词包括：“造大师”“做个 X 的 master skill”“我是 X 行业”“让 agent 变成 X 大师”“update 大师 X”“大师 X”“我做 X，帮我蒸一个”等。
Improving Skills 是一个用于改进现有智能体技能（agent skills）的技能，依据用户反馈与最佳实践对已有技能进行修复、增强或重构。其工作流程包括：识别目标技能并阅读 SKILL.md 了解当前结构；通过提问收集用户反馈（如技能触发问题、缺失功能、输出详略、适用范围等）；对照最佳实践进行技术分析（命名、描述、文件大小、渐进式披露、单一职责、测试文件等）；整理出用户需求改进与技术改进两类计划并征询确认；随后实施修改并展示变更摘要；最后验证改动是否解决用户问题且未引入新问题。与仅做技术分析、只读的 reviewing-skills 不同，improving-skills 结合用户反馈并实际执行修改，具备读写能力。
Gemini-Claude Resonance 是一个实现 Claude 与 Gemini 跨模型对话并共享视觉记忆的技能。它通过多个 Python 脚本，让 Gemini 系列模型（Flash、Pro、Dreamer、Director）与 Claude（Opus）协同工作，支持图像生成、多图风格分析、忠实上色与变换、多智能体对话、跨模型议会反思、米诺斯塔罗牌生成以及浏览器实时聊天界面。核心机制是将生成的图像作为后续生成的上下文（KV 缓存即记忆），形成连续的视觉探索。需要配置 GEMINI_API_KEY 和 ANTHROPIC_API_KEY。
该技能用于升级 Kokoro TTS 引擎的依赖与模型。它会升级 MLX-Audio 相关依赖、重新下载模型权重，并更新随附脚本。触发词包括 upgrade kokoro、update tts、kokoro update、update mlx-audio。工作流程分为升级前健康检查、执行升级、升级后验证三步，并提供回滚与故障排查说明。
demo-skill 是 trpc-group/trpc-agent-go 仓库中用于技能隔离示例的一个极小技能。根据现有资料，它本身没有实际业务功能，主要作用是作为演示与验证用途：当该技能的内容出现在协调者（coordinator）的系统提示词中时，说明技能状态在不同智能体之间发生了泄漏。资料未提供其安装方式、使用步骤、收费信息或适用平台。
recommend_poi 是 trpc-group/trpc-agent-go 项目中的一个技能，用于在指定城市中推荐一个兴趣点（POI），并返回包含 POI、城市名和确定性分数的结构化结果。该技能被动态结构化输出演示所使用，其输出遵循固定的 JSON Schema，包含 poi、city、score 三个必填字段，且不允许额外属性。
共享技能库的通用入口路由，将含义模糊或跨领域的请求快速转交给合适的领域路由（创业、工程、运维、QA）。
Monad Casino Agent 是一个面向 AI 智能体之间互相博弈的链上赌场概念，用户扮演庄家而非玩家。基于 Monad 区块链记录下注与结果，含狼人杀、掷硬币、预测市场、扑克、骰子等玩法与破产借贷机制，为 Moltiverse Hackathon 构建。
Microsoft Defender for Storage 的配置与运维指南，用于保护 Azure Blob、Files 和 Data Lake Gen2 存储账户，覆盖 v2 计划部署、上传恶意软件扫描、敏感数据威胁检测、Event Grid 响应编排与告警调优。
Bootstrap Agentic System 是一个用于为特定代码仓库搭建本地化智能体系统的技能。它的用途是在仓库中设计并按需安装一套智能体工作流，包括指令文件、智能体、技能、提示词、治理文档、知识文档、产物模板、会话规则和维护溯源信息。该技能强调生成系统必须因仓库而异、经过审批把关、基于模板且可维护，默认包含 Planner、Implementor、Tester 或 Integration Tester、Knowledge Builder、Ask 以及根指令等组件，除非用户在生成前明确批准更精简的系统。技能本身只处理智能体系统文件，不实现应用功能、不编辑产品代码、不修改数据库模式或迁移、不更改运行时配置、也不创建产品测试。整体流程按阶段推进，从需求确认、受限发现、决策登记、方案与文件计划、基于模板的复制生成，到运行时模式与知识强制、契约审计以及维护交接。
Maintain Agentic System 是一个用于维护仓库本地 Agentic System 的技能，适用于将系统升级到更新的 Bootstrap 契约、随仓库变化演进系统，或审计其当前状态。它通过三方合并（维护基线、上游变更、仓库自定义）来推进系统演进，确保升级不会意外覆盖自定义，自定义也不会静默阻止升级。该技能仅维护 agent-system 文件，不触碰应用代码、schema、迁移、运行时配置或产品测试，也不读取或修改 session 文件夹内容。使用流程按 Gate 0 至 Gate 6 顺序执行：范围确认、系统检测、证据扫描、增量收集、区域合并、维护计划与批准应用、最终验证。在编辑文件前必须产出维护计划并等待明确批准（默认不批准）。审计模式下在 Gate 4 后停止且不写入任何内容。