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 10-28 00:17
24,983 个结果
trl-training 是一个基于 TRL（Transformers Reinforcement Learning）库的模型训练技能，用于训练和微调 Transformer 语言模型。它通过命令行方式提供多种后训练技术，支持 SFT（监督微调）、DPO（直接偏好优化）、GRPO（组相对策略优化）、KTO、RLOO 以及奖励模型训练。TRL 构建于 Hugging Face Transformers 和 Accelerate 之上，可与 Hugging Face 生态无缝集成。用户可以通过内置参数配置训练流程，例如指定模型名称、数据集、学习率、训练轮数、批次大小等，并可选用 LoRA 适配器以降低资源占用。该技能还支持 YAML 配置文件以实现可复现训练，支持通过 Accelerate 进行多 GPU 和多节点分布式训练，并提供了针对 CUDA 显存不足、数据集加载、模型加载、训练缓慢及生成问题等常见故障的排查建议。
为智能体提供跨会话长期记忆的技能：按语义检索事实（memory.add / memory.search），按 key 存取 JSON 文档（collections）。支持 project、contact、conversation 三种隔离作用域，可通过函数上下文、CLI 或 REST API 使用。
thrifty 是一个面向 Claude 的分层委派执行技能，用于以更低成本执行已有的规格说明（spec）。它把工作拆解为多个单元，由能力较强的 Sonnet 负责规划、跨单元决策与集成，把具体执行下放给更便宜的 Haiku 模型，并通过验收标准作为信任契约来校验结果。它提供 dispatch 与 subagent 两种执行方式，默认推荐更省钱的 dispatch 流程。适用于可分解为多个单元、且共享部分跨单元约定的任务，例如跨多文件的功能、多章节文档、批量相似转换或迁移。
Amazon Bedrock AgentCore Evaluations 是用于测试与监控 AI 智能体质量的工具，将智能体测试从凭直觉判断转变为基于指标的质量保证。它提供 13 个内置评估器以及自定义 LLM-as-Judge 评分模式，支持在生产部署前进行测试，并在上线后持续采样与打分线上交互。内置评估器覆盖正确性、有用性、工具选择准确率、工具参数准确率、安全性、忠实性、目标达成率、上下文相关性、连贯性、简洁性、刻板印象危害、恶意性和自残内容检测等维度。除内置评估器外，还可通过 LLM-as-Judge 定义领域专属指标，例如品牌语气、技术准确性和合规性检查。其操作模式为基于任务的 5 种操作，包括创建评估器、创建自定义 LLM-as-Judge 评估器、按需评估、持续监控以及评估仪表板。该工具可与 CloudWatch 集成用于告警和可视化，支持按需与持续两种测试模式。适用场景包括生产部署前测试智能体、持续监控线上智能体质量、设置质量告警与仪表板、验证工具选择准确性、衡量目标完成率以及创建领域专属质量指标。需要注意的是，它不用于策略执行、内容过滤或代码单元测试。使用前需要已部署的 AgentCore 智能体或测试数据、评估操作所需的 IAM 权限以及用于监控集成的 CloudWatch。
ESM 是一系列蛋白质语言模型，由 Chan Zuckerberg Biohub 维护（MIT 许可），当前包含 ESM C（语言模型）、ESMFold2（结构预测）和 ESM Atlas（预测结构图谱）三个产物。该技能覆盖 ESM C、ESMFold2 与旧版 ESM2，用于计算嵌入、伪对数似然（PLL）、突变效应打分、复合物结构预测以及通过反转 ESMFold2 进行结合体（binder）设计。ESM3 因开放权重为非商业许可未被覆盖。权重托管于 Hugging Face，另提供 biohub.ai 托管 API。
RFdiffusion 是一个基于扩散的生成模型，用于从头生成蛋白质骨架结构。它来自 RosettaCommons 官方仓库，支持 binder 设计、单体从头设计、基序支架和对称寡聚体等多种任务。使用时需要 Python 3.9+、CUDA 11.7+ 和支持的 GPU（最低 16GB 显存，推荐 24GB）。通过 Hydra 配置参数控制 contig 映射、热点残基、噪声尺度、扩散步数和对称性等。生成的输出为多聚丙氨酸骨架 PDB 文件，需配合 ProteinMPNN 进行序列设计，再经结构预测和蛋白质 QC 验证。
codex-agent-loop 是一个用于理解 Codex 智能体运行机制的知识型技能。它帮助使用者建立关于 Codex 实际运行方式的持久心智模型：初始请求如何组装（instructions、tools、input），推理与工具调用如何在一个 turn 内循环，对话状态如何跨 turn 增长，以及 model_instructions_file、AGENTS.md 和本地指引在何处介入。该技能以参考文档为核心，按阅读顺序组织内容，涵盖线程/轮次/条目的概念模型、初始提示构建、对话增长与性能、提示加载与分层等主题。适用于需要准确理解 Codex 请求结构、提示缓存、无状态性、previous_response_id、ZDR 与压缩等机制的开发者。
Find Skills 是一个用于发现和安装开放智能体技能生态中各类技能的工具。当用户提出“如何做 X”“帮我找一个做 X 的技能”“有没有能做 X 的技能”等问题，或表达希望扩展智能体能力、搜索工具/模板/工作流、需要某个领域（设计、测试、部署等）帮助时，可使用它进行技能检索与安装。它围绕 Skills CLI（npx skills）这一开放智能体技能生态的包管理器展开，核心命令包括查找技能、安装技能和更新已安装技能，并可浏览 skills.sh 上的技能库与排行榜。
Skill Creator 是一个用于管理智能体技能（agent skills）全生命周期的控制平面技能，适用于 /Users/dobby/GitHub/agents 仓库。它整合了原有的 skill-router 角色，将技能的放置决策、注册表归属、创建、推广、刷新、同步与验证统一到一个工作流中。该技能支持创建、更新、路由、采用、推广、导入、验证、注册与分发技能，并强调编辑规范源文件而非生成的运行时符号链接。使用时需先读取相关参考文档，根据外部、自有、仓库本地或休眠等范围进行放置决策，并遵循创建、验证、注册、运行引导与检查命令的标准流程。该技能还提供了技能脚手架初始化和 OpenAI YAML 生成脚本，适用于需要集中管理多个仓库技能资产、维护注册表映射及分发机制的开发场景。
已弃用的技能路由工具，其技能归属决策功能已被 skill-creator 吸收，现仅作为历史参考保留。
WIYH GPT Hill Climb 是一个用于持续监控、分析和改进「Who's In Your Head」在线游戏 GPT 默认路径的技能。它围绕位于 /Users/dobby/GitHub/whos-in-your-head 的实时游戏，提供可重复的改进循环，目标是让模型回合更快、更便宜、更准确。技能支持两种模式：仅报告模式用于定期自动化检查，读取遥测数据并总结近期游戏、漏判、流失、延迟与缓存情况；改进模式在用户明确授权或自动化提示允许时，在短生命周期分支上做一次聚焦修改并验证。它只优化 GPT 产品路径，包括默认的 gpt-chat-latest 和快速 GPT 选项 gpt-5.4-mini，关注完成率、流失率、路由/模型错误、缓存与 token 效率等信号。技能包含节奏守卫、遥测检查命令、失败分类、慢回合检查、改进工作流、安全约束、验证步骤和报告格式等规范。
基于 DefectDojo 的漏洞管理与发现聚合技能，将 SecOpsAgentKit 各扫描器（Semgrep、Trivy、Gitleaks 等）的结果集中导入，去重并按生命周期跟踪。资料介绍产品/Engagement/Test/Finding 概念、导入脚本、CI/CD 集成与合规导出，适合安全团队做漏洞待办管理。
Arc Pi 技能：以工作树隔离并行实现多个已规划的用户故事，每个故事独立分支与 worktree，父会话负责规划、验收与交付，子代理仅编辑与验证。支持原生 subagent 或外部编排器回退。
面向 Wan 系列视频生成模型（Wan2.1/Wan2.2）从 NVIDIA CUDA 迁移到华为昇腾 NPU 的适配指南技能，覆盖设备层、算子替换、精度、注意力、分布式并行、VAE 并行、量化、稀疏注意力与推理管线集成等 9 个领域。
基于 Spence（1973）信号理论的分析技能，用于评估信息不对称下主体如何通过有成本、可信的信号传递私有信息，适用于分红、IPO 折价、债务发行等公司金融场景。
crow-reason 是一个批判性推理与“魔鬼代言人”技能，先为你的立场做最强辩护（steelman），再找出其中的漏洞，适用于挑战假设、事前验尸、红队测试等场景。
groundhog-surface 是一个在复杂工作开始前浮现并校验假设的只读技能：扫描项目上下文，区分已证实、推断与假设，按置信层级汇报矛盾与待确认项，并把验证结果持久化到 .claude/ground.md。
Strands Agents SDK 的对话/上下文管理技能，结合滑动窗口与摘要策略，用于构建长对话智能体、管理上下文窗口并防止多轮会话污染。
Neo Sub-Agent 是一个用于为开发者 CLI 设计、生成、审查或转换子智能体（sub-agent）定义的技能，覆盖 worker、reviewer、planner、后台智能体等角色，帮助用户控制范围、权限与目标客户端。
jb-beansloop 是一个面向启用 beans 的仓库、配合 Anthropic 模型使用的 beans 驱动 Ralph 循环技能，可按 beans 优先级自动挑选并完成下一个待办 bean，并支持验证与浏览器测试循环。
将线程、技能、电子表格或 Claude/ChatGPT 项目转化为视觉化的 Agent-Native 应用：首屏展示已填充数据的领域界面，界面控件把工作交给内置智能体，对象显示运行状态，结果回落到 UI。
面向 AI 编码智能体的仓库与文档结构设计技能，基于 OpenAI harness engineering 思路，讲解知识层级、渐进式披露与机械式约束，让智能体能自主高效工作。
Wren Engine CLI 的 AI 智能体工作流指南技能，指导通过 wren 命令行端到端回答数据问题：校验环境与安装、获取 MDL 语义层模式上下文、召回历史查询、编写并验证 SQL、存储成功查询，并涵盖错误恢复、新数据源接入与 MDL 变更后的重建流程。
Find Skills 是一个帮助用户发现和安装智能体技能（agent skills）的技能。当用户提出“如何做 X”“帮我找一个做 X 的技能”“有没有能做 X 的技能”等问题，或表达希望扩展智能体能力、搜索工具/模板/工作流、需要特定领域（设计、测试、部署等）帮助时，该技能会引导用户使用 Skills CLI（npx skills）在开放的智能体技能生态中搜索、安装、检查和更新技能。它本身不提供具体领域能力，而是充当技能发现与安装的入口。