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 10-27 00:15

智能体与模型

24,903 个结果

arbor

Arbor 是一个面向自主优化的技能，基于 Hypothesis Tree Refinement（HTR）方法，用于在给定目标和评估器的条件下，自动迭代改进一个真实产物（如代码、训练配方、智能体框架、数据管道或提示词）。它把研究状态保存在持久的假设树中，而非对话历史里：每个节点绑定一个假设、其提炼出的洞见，以及实现该假设的产物版本指针。协调者负责维护假设树并决定搜索方向，短生命周期的执行子智能体在隔离的 git worktree 中各自测试一个假设并回报结果。通过留出的合并门（merge gate），只有当候选改进在测试评估器上确实提升时才会被接纳，从而把试错转化为可累积、可审计的研究过程。适用于模型训练、智能体/框架工程、数据合成、基准优化以及可自动评分的提示词优化等需要大量实验迭代的场景。

智能体与模型40 次安装

autoskill

autoskill 是一个按需触发的技能，通过本地 screenpipe 守护进程被动记录的用户屏幕活动，分析重复出现的研究工作流，将其与仓库中已有的 research-agent-skills 进行匹配，并生成可审阅、编辑和提升的新技能草案或组合配方。它默认使用本地 LLM（LM Studio + Gemma-4-31B-it），原始 OCR 数据不离开本机，敏感应用在采集阶段即被过滤，并在送入 LLM 前进行脱敏处理。用户需显式调用并指定时间窗口，运行后产出报告与提案文件夹，经人工确认后可将提案提升为正式技能。

智能体与模型40 次安装

miles-rl-training

miles 是一个面向大规模模型训练的企业级强化学习（RL）框架，是 slime 的生产级分支，专注于解决 MoE 训练稳定性、低精度训练以及训练-推理对齐等关键问题。它适用于训练 1TB 以上规模的 MoE 模型（如 DeepSeek V3、Qwen3-MoE），支持 FP8 与 INT4 量化感知训练、逐位一致的训练-推理对齐，以及用于提升吞吐量的投机式 RL。miles 提供统一 FP8 流水线、Rollout Routing Replay（R3）专家对齐、零拷贝权重同步、部分 rollout 等能力，并集成 FlashAttention-3、DeepGEMM 等内核级优化。可通过 Docker 镜像或源码安装，继承 slime 的配置系统，使用命令行参数进行训练配置。

智能体与模型40 次安装

prompt-engineering

这是一个面向 AI 模型的提示词工程（Prompt Engineering）技能/指南，主要教用户如何为 LLM、图像生成模型和视频模型编写结构化提示词。资料以 inference.sh 的 CLI 工具 belt 为执行入口，先要求运行 npx skills add belt-sh/cli 安装技能，再通过 belt login 登录，并用 belt app run 调用具体模型（如 openrouter/claude-sonnet-45、falai/flux-dev、google/veo-3-1-fast）来测试提示词。内容覆盖 LLM 的角色提示、任务清晰化、思维链、少样本示例、输出格式指定、约束设置；图像生成的主体、风格、构图、光线与技术关键词、负面提示；视频提示的镜头类型、主体、动作、场景与风格。还介绍了系统提示、结构化输出、迭代优化、多轮推理、模型特性差异、常见错误与提示词模板。

智能体与模型40 次安装

genaiscript

GenAIScript 是微软推出的 JavaScript/TypeScript 框架，用于构建可自动化的 LLM 提示词与 AI 工作流。该技能提供对 GenAIScript 文档的编排式访问，涵盖框架基础、API 参考、实用示例与高级模式。用户可用 JavaScript 编写提示词（Prompt-as-Code），导入 PDF、DOCX、CSV 等文件作为上下文，定义自定义工具与智能体，生成结构化输出，并支持 MCP（模型上下文协议）。技能包含三步编排协议（任务分析、资源选择、执行与验证），并按任务类型（如代码审查、文档生成、数据提取、性能优化）指引查阅相应资源。内容还提示处理外部内容时的间接提示注入风险及缓解措施。适合需要以编程方式构建自动化 LLM 工作流的开发者。

智能体与模型40 次安装