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 10-31 00:15
25,337 个结果
Handoff 是一个用于会话交接的技能：它把当前对话压缩成一份交接文档，让全新的智能体能够在新的会话中继续未完成的工作。文档会保存到用户操作系统的临时目录，而不是当前工作区。文档中包含“建议技能”部分，提示下一个智能体应调用哪些技能；同时避免重复记录已存在于规格、计划、ADR、issue、提交或 diff 等产物中的内容，改为通过路径或 URL 引用。它还会对 API 密钥、密码、个人身份信息等敏感内容进行脱敏。若用户传入参数，则将其视为下一会话关注点的描述，并据此定制文档。适用于对话过长需要在新会话继续、把任务交给无法访问当前对话的其他智能体或他人智能体、以及在上下文压缩前保存决策、走过的死路和当前状态等来之不易的上下文。不适用于工作已完成（应改为写提交信息、PR 描述或文档）或上下文已完整记录在计划文件、issue、规格等产物中的情况。
《Writing Great Skills》是 trailofbits/skills-curated 中的一份参考文档，讲解如何编写和编辑智能体技能（agent skills），核心目标是让技能具备可预测性。内容涵盖技能何时使用与不使用、模型调用与用户调用两种调用方式的取舍、描述撰写、信息层级（技能内步骤、技能内参考、外部参考）、渐进式披露、拆分粒度、修剪原则、引导词（leading word）的运用，以及常见失败模式（过早完成、重复、沉积、蔓延、无效句、否定式表述）的诊断与应对。适合在编写、审查或修改技能时查阅。
Brainstorming 是一个在编码前通过协作对话把模糊想法转化为可落地设计的技能。它先从了解项目现状入手，再逐个提问打磨想法，提出 2-3 种方案权衡取舍，然后分段呈现设计并逐段确认，最后把经过验证的设计写入文档。适用于新功能、行为变更、架构等需求。
用于构建基于 Claude 或 OpenAI 的检索增强生成（RAG）问答系统的技能，可让 AI 助手依据文档集合回答自然语言问题。
Windmill 是一套面向开发者的工作流引擎，核心思路是把脚本直接转化为生产可用的工作流并自动生成操作界面。它支持 Python、TypeScript、Go 和 Bash 等语言编写脚本，脚本参数会自动生成对应的 UI 输入表单，从而让开发者无需额外开发前端就能构建内部工具。功能上覆盖工作流编排、审批流程、定时调度以及企业级部署模式，并提供代码审查与版本控制支持，适合希望以写代码方式替代可视化拖拽工具的团队。它可自托管以满足数据主权需求，官方提供了 Docker Compose、Kubernetes Helm 和本地开发（通过 windmill-cli / wmill 命令行）三种安装方式。资料同时给出了适用与不适用场景：当需要面向非开发者、需要大量预置集成、复杂 DAG 依赖编排、与 git 紧密耦合的 CI/CD，或偏好简单可视化自动化时，建议改用其他工具。
Monad Swarm Intelligence SubAgent 是一个 OpenClaw 子智能体，模拟由交易、情绪、链上三类 AI 智能体组成的群体，通过加权投票与共识引擎给出加密资产集体决策信号，并可选将决策记录到 Monad 链上。
该工具是一个面向蛋白质靶点的小分子结合剂发现技能，属于 ToolUniverse 工具集下的技能，源自 wu-yc/labclaw。它通过“报告优先”的方式，综合结构导向与配体导向两类方法，系统性地挖掘新型小分子结合剂，并生成可执行报告与候选化合物清单。整个流程覆盖靶点可成药性评估、已知配体挖掘、结合位点分析、化合物扩展、ADMET 过滤、分子对接与优先级排序等环节，最终输出候选化合物 CSV 和文献参考文件。工具强调所有信息必须标注来源，并给出证据分级。查询默认使用英文术语；若用户使用其他语言，则以其语言回复。此外，该工具涉及大量外部数据库与 NIM 计算服务（如 ChEMBL、GtoPdb、BindingDB、PubChem、PDB、GPCRdb、Thera-SAbDab，以及 NVIDIA NIM 的 AlphaFold2、ESMFold、DiffDock、Boltz2、GenMol、MolMim 等），使用前需确认相应工具参数与 API 密钥（如 NVIDIA_API_KEY）。
Ask Matt 是一个技能路由工具，用于帮助用户判断当前情况适合使用哪个技能或流程。它本身不执行具体任务，而是作为仓库内技能之上的路由器，根据用户所处阶段给出建议。资料显示，该仓库的技能围绕一条主流程「想法 → 交付」组织，并包含两条汇入主流程的入口路径，以及若干独立技能和底层词汇层。主流程涵盖从用文档打磨想法、判断是否需要原型、生成规格与工单，到实现、测试驱动开发、代码审查、提交 PR 和复盘等环节。入口路径包括问题分诊和缺陷诊断，另有代码库健康维护、领域建模、代码库设计等辅助技能。Ask Matt 的作用是帮助用户在这些技能之间找到合适路径，尤其适合不记得所有技能、需要根据当前情境选择下一步的用户。
writing-for-agents 是一份关于「为智能体撰写文档」的参考指南，适用于创建或编辑技能（skill），以及修改 AGENTS.md 或 CLAUDE.md 等文件。它指出：无论文档的打包形式如何不同，写作方法是一致的——通过相同的杠杆让每次运行的过程可预测，而非追求输出完全一致。内容涵盖上下文指针（context pointer）的写法与触发条件、上下文负载与认知负载两种预算、信息层级（文件内步骤、文件内参考、披露式参考）、渐进式披露与共置、步骤的完成标准（清晰度与要求强度）、何时拆分文档、引导词（leading words）的运用、否定式表述的失败模式，以及修剪（pruning）原则，包括单一事实来源、环境缓存、相关性检查与无效指令（no-op）的识别。
Zerion × SendAI — 加密产品创意发现与验证技能，源自 SendAI 与 Superteam 的 solana-new idea 技能（MIT 许可），由 Zerion 改编。它将面试框架、评分量表、验证冲刺、竞争格局映射与 DefiLlama 研究手册整合为一个统一的技能，并通过 zerion CLI（analyze、history、positions）替换上游的遥测与阶段交接机制，使每个创意在开始构建前都能依据链上实时证据进行验证。该技能包含四种模式：发现（给出加密创意）、验证（评估创意是否值得构建）、竞争格局映射（分析竞争对手）、DeFi 研究（基于 DefiLlama 的 TVL 与增长数据）。使用前需安装 zerion-cli，并确保 Node.js ≥ 20。Zerion 分析认证可选，支持 --x402 无密钥模式。该技能不依赖遥测或外部账户。
agent-browser 是一个基于 Rust 的无头浏览器自动化命令行工具，并提供 Node.js 回退方案，让 AI 智能体能够通过结构化命令导航、点击、输入并快照页面。它通过 npm 全局安装，支持快照交互元素、语义定位、截图、PDF、录屏、网络拦截、Cookie 与存储管理、多会话并行等能力，输出可选用 JSON 便于程序解析。
persona-evaluator 是 OpenPersona 框架内置的人格质量审计工具，用于按 4+5 框架标准评估任意 OpenPersona（或同类 LLM 智能体）人格包。它读取 persona.json、生成产物与 soul 文件，输出结构化的 9 维度报告，并设有 Constitution 合规门禁。工具提供三种互补模式：结构模式（CLI、确定性、适合 CI）、语义白盒模式（自评或同行评审）、语义黑盒模式（远程或非 OpenPersona 智能体）。结构模式对 Soul、Body、Faculty、Skill 四层及 Evolution、Economy、Vitality、Social、Rhythm 五个系统概念逐项打分，每维度 0–10 分，并依据人格声明的角色自动设定严格程度。若检测到 Constitution §3 安全违规，总分上限被限制为 3 分。该工具随 OpenPersona 框架捆绑发布，安装框架后即可使用，也可通过 GitHub 上的独立分发包获取。
persona-model-trainer 是一个用于在本地微调小型语言模型的技能，可将 anyone-skill 产出的角色（persona）数据训练成自包含的模型。它支持对任意 HuggingFace 指令微调模型（如 Gemma 4、Qwen 3、Llama、Phi、Mistral 等）进行 LoRA/QLoRA 微调，输入为 anyone-skill 第 6-D 步或 persona-knowledge 导出的 training/ 文件夹（含 raw/、conversations.jsonl、probes.json），输出 LoRA/QLoRA 适配器权重以及 GGUF、Ollama、vLLM、ONNX 等格式导出。该技能提供 pipeline.sh 一键串联准备、训练、语音测试与导出流程，也支持分阶段手动操作，并可在无本地 GPU 时生成 Google Colab 训练笔记本。适用前提是有效助手角色轮次不少于 200 条，否则建议改用基于提示词的角色方案。
anthropic-expert 是一个针对 Anthropic 全线产品的知识库型技能，覆盖 6 大产品领域：Claude 模型、Claude API、Python SDK、Agent SDK、Claude Code 以及 Model Context Protocol（MCP）。它汇总了 100 多项功能、50 多个代码示例和跨产品集成模式，并包含 44 个 Claude Code 主题的完整 CLI 文档。用途是作为 Anthropic 产品能力的一站式参考，帮助开发者在构建 API 应用、开发智能体、使用 Claude Code、集成 MCP 以及进行企业级管理时快速查找功能、参数与用法。资料还提供基于脚本的文档搜索与更新跟踪机制。
Amazon Bedrock Inference 是亚马逊云科技（AWS）Bedrock Runtime 的模型推理 API 使用技能，覆盖 Claude（Opus、Sonnet、Haiku）、Nova、Titan 以及 Cohere、AI21、Meta 等第三方基础模型的调用。它提供统一的推理接口，支持同步与异步推理，并具备实时流式输出能力。核心能力包括：使用原生 API 或 Converse 统一 API 直接调用模型、实时 token 流式返回以降低感知延迟、最长 24 小时的异步长任务、推理前 token 计数与成本估算、运行时内容安全过滤（Guardrails），以及通过推理配置文件实现跨区域路由与成本优化。可用于构建对话式 AI 应用、实现多轮上下文对话、配置系统提示与工具调用（Tool Use）、以及需要流式响应的低延迟场景。使用前需具备可访问 Bedrock 的 AWS 账户、在控制台启用模型访问权限、配置 Bedrock Runtime 的 IAM 权限，并通过 pip install boto3 botocore 安装依赖。该技能定位为生产级推理，不适用于复杂智能体、知识库 RAG 或模型微调等场景。
Parallel Agent Spawner 是一个用于并行生成与协调多个智能体的工具，旨在加快功能开发任务的完成速度。它通过主协调器分析功能依赖、识别可并行的工作、生成工作智能体并汇总结果，支持 coding、testing、review、research 等智能体类型。提供 ParallelSpawner 类及 spawn_parallel、wait_all、get_results_summary 等方法，并包含并行化策略、冲突解决等参考文档与脚本。
skill-reliability 是一个用于分析 Agent Skill（技能）端到端可靠性的工具。它把技能可用性拆解为两个核心因素相乘：触发精度（技能能否被正确触发）与复合工作流风险（步骤数量、步骤性质、方差热点）。按照 P(useful) = P(triggers correctly) × P(workflow completes | triggered) 的模型，它先通过确定性 linter 脚本（trigger_lint.py）检查技能的 name 与 description，再用显式、隐式、否定和模糊请求探测触发表现，给出 Clean、Leaky 或 Narrow 的触发判定并在探测失败时起草 description 修改建议。随后它枚举技能定义的工作流与编号步骤（inventory.py），为每一步标注 Nature、Baseline 与 Risk，把各步骤基线相乘得到端到端可靠性和层级；对链式技能（如 commit → PR → finish）还会计算全链路乘积。最后它会排序出方差最高的步骤，按“失败模式、为何波动、杠杆、建议、预期收益”的结构给出可验证的修复方案。用户可通过 /skill-reliability <skill-name> 命令或相关触发词启动分析。
generate-verifiers-env 是用于构建 PrimeIntellect Verifiers 版本强化学习（RL）环境的技能。Verifiers 是一个 Python 库（非服务器框架），提供 vf.ToolEnv、vf.Rubric 以及到 TRL GRPOTrainer 的适配器，与需要 HTTP 服务器或 Docker 的环境不同，它在进程内运行，训练器或手动 rollout 直接从 env.py 导入工具函数。该技能适用于用户要求搭建 Verifiers 环境、将现有环境移植到 Verifiers 等场景。当用户已有共享领域模块时，会将其包装为 toolkit 类加独立工具函数，避免重复领域逻辑。典型产出包括：Toolkit 类与独立工具函数组成的 env.py、用于手动驱动 toolkit 的 rollout.py、pyproject.toml 和 README.md。覆盖纯 Python 游戏、有状态进程内沙盒、视觉环境等原型。技能还提供了从函数签名与文档字符串生成 OpenAI 工具 schema 的标准适配器、可组合的异步评分器（rubric），以及若干注意事项，例如 attrs 依赖、TypedDict 按键访问、禁止 **kwargs 工具 schema、避免返回超大字符串。
这是一项用于把用户用自然语言描述的强化学习训练环境转换成可运行代码的技能，专门面向四个目标框架：OpenEnv、OpenReward（ORS）、Verifiers 和 NeMo Gym。用户只需用日常语言说明环境目标、动作空间或奖励形态，技能便会引导完成需求访谈、原型匹配、代码实现和端到端验证。它还会处理 SkyRL Gym 和 GEM 这两个次级框架变体，但仅当用户明确要求、且环境属于文本动作加标签解析类型时才生成。该技能不适合训练运行（如 TRL/GRPO 配置）、评估框架开发，或不产生新环境代码的一般智能体设计问题。实现采用共享纯 Python 领域模块加各框架包装的结构，先写共享逻辑，再按依赖顺序生成各框架变体，最后用小型 LLM 做 3 至 5 轮的冒烟测试验证工具发现、调用循环和错误处理。
planning-clarification 是一个用于路线图规划前的澄清技能，属于 doc-driven-spec-workflow 工作流。它的作用是在进行路线图分解之前，先解决那些会阻塞规划的目标、约束、成功标准以及“现在做还是以后做”边界方面的歧义。该技能只处理阻塞路线图规划的歧义，不负责里程碑、模块或任务分解，也不做任务级规格设计或执行隔离。使用时需先阅读 docs/tasks/index.md、docs/tasks/planning-inbox.md、相关 docs/tasks/ 材料、docs/architecture/、docs/context/ 以及当前用户提示。它通过外部 grilling 技能进行访谈循环，若不可用则建议用户安装。默认流程为：识别阻塞歧义、启动受约束的 grilling 会话、明确各分支后果、方向清晰后移交给 milestone-planning。
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。
用于构建生产级 MCP（Model Context Protocol）服务器的技能，让 LLM 通过设计良好的工具驱动外部 API，支持 TypeScript（MCP SDK）或 Python（FastMCP）。
用于将 Claude Code 技能打包并发布成新的 GitHub 仓库：自动整理目录结构、生成 README、初始化 git 并通过 gh 推送，便于他人用 npx skills add 安装。
agent-browser 是面向 AI 智能体的浏览器自动化 CLI，通过 CDP 直接驱动 Chrome/Chromium，支持导航、快照、表单填写、点击、截图、网络检查与登录状态管理等操作。