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 10-29 00:09
25,129 个结果
nnsight 是一个用于解释和操控神经网络内部结构的 Python 库，支持任意 PyTorch 模型，并可通过 NDIF 远程执行在 70B+ 大模型上运行相同的解释性代码。它提供延迟执行的 trace 上下文、代理对象和激活保存机制，支持激活分析、激活修补、跨提示激活共享和基于梯度的分析等实验。用户只需切换 remote=True 即可在本地小模型与远程大模型之间复用代码。安装方式为 pip install nnsight，远程执行需在 login.ndif.us 注册获取 API 密钥。
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。
PEFT（参数高效微调）是一套用于大语言模型的微调方案，通过 LoRA、QLoRA 等 25 种以上适配器方法，只训练不到 1% 的参数即可完成微调。它适合在消费级 GPU（如 RTX 4090、A100）上微调 7B-70B 模型，生成的适配器文件仅约 6MB，而完整模型可达 14GB。当显存是主要瓶颈时，可用 QLoRA（PEFT + 量化）在单张 24GB GPU 上微调 70B 模型，代价是相比全量微调约有 5% 的质量损失。若训练小于 1B 的小模型、追求最高质量且有充足算力，或领域差异极大需要更新全部权重，则应改用全量微调。
bitsandbytes 是一个面向大语言模型（LLM）的量化工具，可将模型量化为 8 位或 4 位，实现约 50%（8 位）至 75%（4 位）的显存占用降低，官方称精度损失小于 1%。它通常与 HuggingFace Transformers 配合使用，通过 BitsAndBytesConfig 配置加载，适用于 GPU 显存受限、需要加载更大模型或进行 QLoRA 微调的场景。此外还提供 8 位优化器（如 AdamW8bit）以降低优化器状态内存。需注意它主要面向 NVIDIA GPU（计算能力 7.0 以上），并依赖相应 CUDA 与 PyTorch 版本。
RWKV（Receptance Weighted Key Value）是一种结合 Transformer 与 RNN 特点的模型架构：训练时像 GPT 一样并行，推理时像 RNN 一样按序处理，实现 O(n) 线性时间推理与 O(1) 常数显存占用，无需 KV cache，支持无限上下文。该技能提供 RWKV 的安装、基础使用（GPT 模式与 RNN 模式）、流式文本生成、长上下文处理、微调、与 Transformer 对比等实用工作流，并给出显存需求、性能对比、常见问题排查和进阶主题指引。
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。
slime 是清华大学 THUDM 团队开发的 LLM 后训练框架，用于通过强化学习（RL）扩展大模型训练，支撑了 GLM-4.5、GLM-4.6、GLM-4.7 等模型。它将 Megatron-LM 训练与 SGLang 高吞吐推理生成连接起来，支持 GRPO、GSPO、PPO、REINFORCE++ 等算法，提供灵活的数据缓冲与自定义数据生成工作流。适用于训练 GLM、Qwen3、DeepSeek V3/R1、Llama 3 等模型，支持同步与异步训练、多轮智能体训练、自定义奖励模型与多任务评测。
SAELens 是用于训练与分析稀疏自编码器（Sparse Autoencoders, SAEs）的主要 Python 库，面向机械可解释性研究。其核心思路来自 Anthropic 的 monosemanticity 研究：神经网络中单个神经元往往具有多义性（polysemantic），因为模型使用叠加（superposition）来表示比神经元数量更多的特征。SAE 通过稀疏瓶颈将稠密激活分解为稀疏、可解释的特征，从而缓解这一问题。该技能提供加载与分析预训练 SAE、训练自定义 SAE，以及特征分析与特征引导（steering）的完整工作流，包含基于 TransformerLens 与 SAELens 的代码示例、关键超参数、评估指标，以及常见问题（如死特征过多、重建质量差、显存不足）的排查建议。安装方式为 pip install sae-lens，依赖 Python 3.10+ 和 transformer-lens>=2.0.0。适用于发现模型激活中的可解释特征、理解模型学到的概念、研究叠加与特征几何、执行基于特征的引导或消融，以及分析安全相关特征。
基于 NVIDIA Megatron-Core 训练 2B 至 462B 参数大语言模型的技能，支持张量、流水线、数据、上下文与专家并行等策略，在 H100 上可达约 47% 模型 FLOP 利用率。
verl（Volcano Engine Reinforcement Learning）是字节跳动 Seed 团队开源的大语言模型强化学习训练库，实现 HybridFlow 框架，支持 PPO、GRPO、DAPO、RLOO、REINFORCE++ 等算法，可切换 FSDP、FSDP2、Megatron-LM 训练后端与 vLLM、SGLang、HuggingFace Transformers 推理引擎，适用于 RLHF、数学推理、智能体多轮工具调用及视觉语言模型训练。
面向 Slack 机器人开发的实时事件处理技能，介绍 Socket Mode 与 Events API 两种接入方式，并给出消息、@提及、表情回应、按钮交互、模态提交与斜杠命令的 Go 处理范式及连接管理要点。
面向 AI 智能体的社交网络服务，通过资料档案、人格匹配、社交发现与对话建立连接。提供注册、完善资料、发现、滑动、聊天、建立关系等 API，需 Bearer Token 认证。基础地址 https://inbed.ai。
一个英文任务提示词审阅与教练技能：在继续执行用户请求的同时，把英文提示词改写得更自然直接，并用韩语解释关键改动。适用于软件工程、AI 研究等技术场景，不改变原意、不阻塞主任务。
verify-agent-action 是一个在执行前审查 AI 智能体拟议动作或人工审批包的技能：把看起来可信的审批界面当作待验证的声明，核对完整决策路径后再由人或外部执行点决定是否行动。它本身不执行、不批准、不发送、不部署，也不改变任何内容。
GitHub 自定义智能体文件参考：说明如何用带 YAML frontmatter 的 Markdown 文件定义仓库级指令、路径指令与自定义智能体，配置工具权限和 MCP 服务器，并接入 gh-aw 工作流。
该技能提供免克隆的安装说明，用官方预编译二进制文件下载、安装并注册 Google GenMedia MCP 服务器（Lyria、NanoBanana、Veo、Chirp、AVTool），适用于需要媒体合成工具但当前工具列表缺失时。
agento11y 是 Grafana gcx 中用于检查和管理 Agent Observability 资源的命令行工具，覆盖对话、生成、实验、评估器、规则、评分与模板，适合在生产环境中记录 LLM 应用行为并评估输出质量。
面向 AI 智能体开发的设计指南，覆盖架构选型、记忆设计、模型选择与工具配置，适用于各类智能体框架或自研实现，帮助搭建具备持久记忆、工具调用与多轮对话能力的智能体。
context-report 是一个用于分析 Claude Code 会话上下文效率的技能，读取当前项目的 JSONL 会话数据，统计会话数、模型使用、工具调用与数据规模，并给出 0-100 的效率评分与优化建议。
该技能用于启用、禁用和管理 Claude Code hooks，提供状态查看、列表、启停、性能指标与日志查看命令，适合排查 hook 调试或配置问题。
iblai-vibe 技能：在 SDK 的 Chat 组件旁挂载 AppSidebar，形成完整 ibl.ai 外壳，含项目下拉、置顶/最近消息及宿主自定义菜单项。
为 Next.js 应用添加智能体 Prompts 标签页的配置指南：展示 system、proactive、study、guided 四类系统提示词，支持编辑、复制与开关，并提供建议提示词的增改弹窗；依赖认证、MCP 技能与 AgentSettingsProvider。
为 Next.js 应用添加智能体 Tasks 标签页的 Skill，可安排一次性、每日、每周或每月的定时智能体任务，并查看每次运行日志。
为 vibe Next.js + Tauri 应用接入本地 LLM 推理（Ollama 后端）的技能，说明应用需实现的 Tauri 命令、事件与 React hook 契约，使 SDK 在本地模型就绪时自动将聊天路由到本机模型。