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 10-31 00:15

智能体与模型

25,344 个结果

entrepreneur-skill

entrepreneur-skill 是面向创业者的 AI 创始人伙伴（Founder Partner）技能，定位为创始人副驾驶而非全自主 CEO，旨在帮助用户构建和扩展创业项目并取得可衡量的商业成果。它以 persona.json 为唯一事实来源，辅以 references/*.md 中的方法文档，并提供脚本化运营能力。核心能力覆盖创业全生命周期（0->1 与 1->10），采用导师加操盘手的混合模式。主要工作流包括：阶段诊断、假设实验、定价决策、增长循环设计、每周创始人复盘、智能体组织治理与指标基线。运行方式上，提供自动化周报生成脚本 python scripts/weekly_founder_review.py，可读取输入 JSON 并输出周报 Markdown。技能强调人在环中：融资与股权决策、招聘解雇与组织权责变更、法律合规承诺与不可逆外部操作、高风险预算与品牌决策必须升级给人类审批。策略优先，先找阶段瓶颈与杠杆，再将动作转为 7 天实验，每周复盘中决定继续、停止或转向。可选软性集成 slavingia/skills 方法与 acnlabs/persona-knowledge 知识库。具体收费、价格、适用平台等信息暂未提供。

智能体与模型21 次安装

secondme-skill

secondme-skill 是一个用于构建个人 AI「第二自我」（AI Second Me）的完整流水线工具包。它从用户自有数据中提取身份特征，构建私有知识库，训练一个说话方式贴近本人习惯的本地模型，并管理哪些内容可被共享。该项目定位为本地优先（local-first）、隐私优先（privacy-first），强调数据完全归用户自己所有。作为一个编排型（orchestration）技能包，它本身不替代底层能力，而是通过工作流门控、状态管理和报告契约来串联底层能力链，包括 anyone-skill（身份提取与证据分级）、persona-knowledge（数据接入、去重、wiki/知识图谱、版本化导出）与 persona-model-trainer（本地训练、评估、导出、集成）。其基础依赖为 openpersona，用于 persona 包的创建与生命周期基线。流水线包含 init、ingest、distill、train、eval、integrate、report 等阶段，并按硬件分级路由训练后端（Apple Silicon 用 mlx，NVIDIA 用 unsloth，无本地 GPU 用 colab），评估需满足 voice_score、probe_score 与困惑度退化阈值，未通过 persona 模型门控时报告与部署建议保持阻断状态。

智能体与模型21 次安装

ac-context-compactor

AC Context Compactor 是一个用于管理长会话上下文用量的工具，可在上下文接近上限时生成紧凑摘要，帮助会话无缝延续而不丢失关键信息。它监控上下文使用情况，在达到 85% 阈值时创建紧凑摘要，超过 90% 时强制交接。摘要结构包含已完成功能、当前功能、进度百分比、关键决策、活动上下文和后续操作。该工具由 ac-session-manager 用于自动延续，并在压缩时触发 ac-handoff-creator。

智能体与模型21 次安装

ac-session-manager

AC Session Manager 是面向自主编程的会话生命周期管理工具。它用于启动会话、恢复工作、检测会话类型（初始化 INIT 与继续 CONTINUE），并管理会话的创建、运行、自动续接、优雅关闭与状态保存。该技能属于 adaptationio/skrillz，配套脚本提供 SessionManager 等能力，可与 ac-config-manager、ac-state-tracker、ac-hooks-manager、ac-handoff-coordinator、ac-autonomous-loop 等集成。

智能体与模型21 次安装

bedrock-flows

Amazon Bedrock Flows 是 Amazon Bedrock 提供的可视化生成式 AI 工作流编排能力，用于把基础模型、提示词模板、知识库、Lambda 函数、内联代码以及各类 AWS 服务连接成端到端流程，无需自行编写编排代码即可构建复杂 AI 应用。它提供拖拽式的可视化流程构建器，节点覆盖提示词调用、Agent 调用、知识库检索（RAG）、S3 读取与存储、条件分支、迭代器与收集器、DoWhile 循环、Lambda 函数以及 Python 内联代码等，支持变量表达式在节点间传递数据，并具备流程版本管理与别名部署能力，可通过 boto3 的 bedrock-agent 与 bedrock-agent-runtime 客户端以 API 方式调用。典型用途包括多步模型调用链路、基于知识库的检索增强问答、按内容动态路由、数据处理管道、多智能体协同以及需要稳定版本的生产部署。

智能体与模型21 次安装

browser-use-integration

Browser Use 是一个开源的 AI 浏览器自动化框架，可使用任意 LLM（如 Claude、GPT、Ollama 本地模型）来驱动浏览器完成网页任务。该技能介绍其自托管部署方式与 Python 集成用法，涵盖安装配置、LLM 接入、Agent 编写、错误与超时处理、Docker 自托管、典型使用场景（网页抓取、表单填写、价格监控、竞品调研、数据录入）及最佳实践。适用于构建网页抓取 Agent、数据提取流水线等自动化任务。

智能体与模型21 次安装

handoff-coordinator

Handoff Coordinator 是一个用于在智能体（Agent）与会话之间进行干净交接的协调工具，核心能力包括状态序列化与上下文桥接。它适用于准备交接、序列化状态、在智能体之间传递上下文，以及协调多智能体协作等场景。工具通过 HandoffCoordinator 类提供 prepare_handoff 与 execute_handoff 两个主要方法，生成包含状态、上下文和摘要的交接包，并支持会话交接、智能体交接、并行交接和故障恢复交接四种类型。

智能体与模型21 次安装

improvement-workflow

improvement-workflow 是一个面向 Claude Code 技能的持续改进编排工作流，将评审发现转化为已应用并经验证的技能增强。它串联五个组件技能：review-multi（多维度综合评审）、analysis（跨发现项的模式分析）、best-practices-learner（提取经验）、skill-updater（应用改进）、skill-validator（验证改进），形成带反馈回路的顺序流水线。适用于持续改进迭代、系统化落实评审建议、部署后增强（v1.0 → v1.1）、多技能一致改进以及学习驱动的开发。完整改进周期约需 5-9 小时。

智能体与模型21 次安装

multi-ai-planning

multi-ai-planning 是一个用于创建生产级、可由智能体执行的计划技能。它采用验证优先的方法，通过分层任务分解、依赖关系映射和质量门禁，将复杂目标转化为结构化、经过验证的计划。该技能基于工作流模式，包含 6 个顺序步骤，核心原则包括：验证优先（在实施前定义成功标准）、分层分解（拆解为原子可执行步骤）、显式依赖（映射所有依赖并识别并行机会）、质量门禁（执行前多层验证）以及安全检查点（Git 标签与补丁用于恢复和回滚）。计划经过模式验证，质量评分需达到 90/100 以上，并设计用于多智能体并行执行，内置验证和检查点系统。适用于规划复杂功能（超过 8 个任务、多个组件）、多步骤迁移或重构、需要验证的安全实现、涉及多个接触点的系统集成、需要多智能体协调的项目，以及并行执行优化、质量和验证至关重要的场景。不适用于简单任务（少于 3 步）、临时探索性工作或无需正式结构的快速原型。

智能体与模型21 次安装

generate-nemo-gym-env

generate-nemo-gym-env 是一个用于构建 NeMo Gym（NVIDIA）变体强化学习环境的技能。NeMo Gym 是 NVIDIA 面向 LLM 智能体的 RL gym 层，基于 Ray 编排，支持 episode 结束后评分。该技能适用于需要为已有环境生成 NeMo Gym 版本、或将现有环境移植到 NeMo Gym、搭建 NeMo Gym Resources Server 的场景。它指导用户围绕共享领域模块进行封装，避免重复逻辑，覆盖纯 Python 游戏、有状态沙箱、视觉/计算机使用等原型，并提供 server.py、configs、rollout.py、Dockerfile 的推荐文件布局与实现顺序。要求 Python 3.12+，通过 pip 从 git 安装 nemo_gym 包。

智能体与模型21 次安装

agent-browser

agent-browser 是一款面向 AI Agent 的快速浏览器自动化命令行工具（CLI），由 vercel-labs 开发。它通过 CDP（Chrome DevTools Protocol）直接驱动 Chrome/Chromium，不依赖 Playwright 或 Puppeteer，采用原生 Rust 实现而非 Node.js 包装层。其核心交互方式是基于无障碍树（accessibility-tree）快照生成紧凑的 @eN 元素引用，让 AI Agent 能够可靠地定位并操作页面元素。工具支持会话管理、认证凭据保管、状态持久化和视频录制，可用于网页导航、表单填写、按钮点击等网站交互任务。它为 AI Agent（如 Cursor、Claude Code、Codex、Continue、Windsurf 等）提供通用支持。安装方式为 npm 全局安装后再执行安装命令。使用前需通过 CLI 的 skills 子命令加载当前版本匹配的工作流文档，官方提供了核心技能以及针对 Electron 桌面应用、Slack、探索性测试、云浏览器等场景的专项技能。此外还提供独立运行的观测面板。

智能体与模型21 次安装

mcp-builder

mcp-builder 是一份用于创建高质量 MCP（Model Context Protocol）服务器的开发指南。MCP 服务器通过设计良好的工具，让 LLM 能够与外部服务交互。该指南以「服务器质量取决于其帮助 LLM 完成真实世界任务的能力」为核心衡量标准，将开发流程划分为四个阶段：深度研究与规划、实现、审查与测试、创建评估。指南推荐使用 TypeScript（配合官方 SDK）或 Python（FastMCP）作为开发语言，远程服务器使用 Streamable HTTP 传输，本地服务器使用 stdio。内容涵盖 API 覆盖与工作流工具的权衡、工具命名与可发现性、上下文管理、可操作的错误信息、输入/输出 Schema 设计、工具注解（readOnlyHint、destructiveHint 等）、代码质量检查、使用 MCP Inspector 测试，以及创建 10 道评估问题的 XML 格式规范。适用于需要为 LLM 构建外部服务集成工具的开发者。

智能体与模型21 次安装