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 10-15 00:40
17,028 个结果
Agent Evaluation 是一套用于评估智能体（agent）可观察行为的技能，强调用带版本管理的用例集和明确的验证器来比较 agent、提示词或工具配置的改动，复现已观察到的失败，或估计指定任务分布上的可靠性。它要求在评测前冻结契约（用例 ID、数据集版本、基线/候选身份、目标环境、重复计划、预算、停止规则与决策标准），验证评测框架能正确区分错误结果、预期的安全拒绝、评测器故障与基础设施中断，然后对基线与被测版本运行同一批冻结用例，保留每次尝试的运行记录（run ID、结果、原因、延迟与资源消耗）。它明确反对用公共基准分数或通用分数阈值推断产品就绪度，强调关键安全与授权失败不能被平均质量分数补偿。资料还给出一个无依赖的 Wilson 95% 置信区间辅助函数示例，用于小样本不确定性估计，并提醒相关重复运行应按用例或聚类估计不确定性。该技能包含可选的架构草图（统计评测、行为契约、对抗测试、回归流水线），但需自行编写适配器，并非可直接复制运行。
Amazon Neptune 是 AWS 提供的图数据库与图分析服务技能，覆盖 Neptune Database（OLTP 实时图查询）与 Neptune Analytics（OLAP 批量图算法）两种引擎。该技能为图、知识图谱及关系密集型工作负载（如欺诈检测、身份解析、推荐、GraphRAG、智能体记忆）提供权威指导，包括实例与图资源的创建、修改、打标签、安全加固、数据建模、Gremlin/openCypher/SPARQL 查询、Neo4j 迁移以及图算法运行等。技能强调在执行创建或修改操作前必须获得用户明确确认，禁止未经确认执行；对删除、重置、故障转移、重启、跨大版本升级等不可逆或影响生产的操作予以拒绝并说明原因。同时要求所有新建资源强制打上 created_by=neptune-skill 与 generation_model 标签，并遵循静态加密、TLS、IAM 认证、最小权限等安全基线。
autonomous-agent-patterns 是一个用于构建自主编码智能体的设计模式技能，灵感来自 Cline 和 OpenAI Codex。它面向需要设计自主 AI 智能体、工具/函数调用 API、权限与审批系统、面向智能体的浏览器自动化，以及人在回路（human-in-the-loop）工作流的开发者。该技能自身附有详细指南，要求在动手执行前先阅读，并强调其中的安全、前置条件和验证要求具有强制性；聚焦型任务可只加载相关章节，端到端任务则需通读完整指南。技能资料同时明确其适用边界：仅在任务范围与上述描述明显匹配时使用，不应以输出替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并向使用者请求澄清。除以上信息外，关于具体安装命令、依赖项、价格与收费、支持平台、运行时版本等事实，资料未提供。
该技能面向构建能与计算机交互的 AI 智能体，让智能体像人一样查看屏幕、移动光标、点击按钮并输入文本。内容涵盖 Anthropic 的 Computer Use、OpenAI 的 Operator/CUA 以及开源替代方案，并重点关注沙箱隔离、安全防护以及基于视觉的控制所带来的独特挑战。适用于电脑操作、桌面自动化智能体、屏幕控制 AI、视觉智能体、GUI 自动化、Claude Computer、OpenAI Operator、浏览器智能体、可视化智能体以及 AI 驱动的 RPA 等场景。使用前需阅读详细指南，其中保留完整流程与参考资料，其安全、前置条件和验证要求为强制项。该技能仅在任务明确匹配上述范围时使用，其输出不能替代针对特定环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。
agent-tool-builder 是一个面向 AI 智能体工具设计的技能，聚焦从 schema 到错误处理的工具构建方法。它强调工具是 AI 智能体与外部世界交互的方式，一个设计良好的工具决定了智能体是正常工作还是产生幻觉、静默失败或消耗过多 token。该技能涵盖 JSON Schema 最佳实践、能真正帮助 LLM 的描述撰写、校验，以及正在成为 AI 工具通用标准的 MCP 规范。其核心观点是：工具描述比工具实现更重要，因为 LLM 看不到代码，只能看到 schema 和描述。技能提供了使用 anthropic 库 @beta_tool 装饰器定义天气查询、网页搜索等工具的 Python 示例，并展示通过 tool_runner 处理工具调用循环的方式。适用于用户提及 agent tool、function calling、tool schema、tool design、mcp server、mcp tool、tool use 等场景。使用时需先阅读详细指南，并遵循其安全、前置条件和校验要求。
WeClaw 是一个基于 Go 语言的微信与 AI 智能体桥接工具，用于把微信消息接到 Claude、Codex、Gemini、Kimi、OpenClaw 等 AI 智能体上。它通过扫码登录微信，负责消息路由、媒体格式转换以及智能体进程的生命周期管理。该工具支持三种智能体接入模式：ACP（JSON-RPC 子进程，速度最快）、CLI（每条消息新建进程）和 HTTP（兼容 OpenAI 的 REST 接口）。用户可以通过微信聊天命令（如 /codex、/claude、/status）切换或路由智能体，也可以借由命令行或本地 HTTP API 主动向微信联系人或群组推送文本、图片和文件。安装方式包括一行安装脚本、Go 工具链安装以及 Docker 运行。
中文介绍正在整理，稍后补充。
并行分派智能体是一种面向多任务排查与修复的工作方法：当面前存在 2 个以上彼此独立、无共享状态、无顺序依赖的任务时，把每个独立问题域交给一个拥有隔离上下文的专用智能体，并让它们并发执行。它与逐个排查串行处理的方式相反，强调先识别独立问题域，再为每个智能体构造聚焦、自包含的任务提示词，最后审查与集成各智能体的返回结果。可用于多个测试文件因不同根因失败、多个子系统独立出故障等场景；不适用于失败彼此关联、需要完整系统状态、探索性调试或智能体之间会互相干扰的情况。
中文介绍正在整理，稍后补充。
mcp-builder 是一套系统化的生产级 MCP（Model Context Protocol）服务器构建方法论，用于指导 AI 助手连接外部能力。它覆盖 MCP 三大原语（Tools 工具、Resources 资源、Prompts 提示词模板）的选型原则，并提供 TypeScript 与 Python 两种语言的推荐项目结构、关键依赖（@modelcontextprotocol/sdk + zod、mcp + pydantic）。在工具设计上强调 snake_case 命名、动词开头、参数类型约束与 .describe() 描述、枚举代替布尔开关，以及说明用途与返回内容的工具描述。方法论还包含输入验证与错误处理四原则、资源注册与生命周期管理、单元测试与集成测试策略、MCP Inspector 调试、安全考虑（权限控制、输入安全、敏感数据、沙箱）以及 npm/pip/Docker 部署分发方式，并附构建检查清单。
中文介绍正在整理，稍后补充。
CC-Connect AI Bridge 是一个把本地运行的 AI 编程智能体桥接到即时通讯平台的开源工具。它支持的智能体包括 Claude Code、Codex、Cursor Agent、Gemini CLI、Qoder CLI、OpenCode 和 iFlow CLI，支持的平台包括 Telegram、飞书/Lark、Slack、Discord、钉钉、企业微信、LINE、QQ 以及个人微信（测试版）。通过它，用户可以直接在常用的聊天软件里与本地 AI 编程智能体对话，大多数平台无需公网 IP。安装方式包括 npm 全局安装、预编译二进制文件以及从源码构建（Go 1.22+），并提供自更新命令。配置采用 TOML 文件，可为每个项目分别指定智能体类型、工作目录和平台凭据，单个进程可同时运行多个项目。聊天内提供 /help、/model、/mode、/dir、/memory、/shell、/session、/cron、/stop 等命令，支持定时任务、多智能体群聊接力、语音转写与图片转发（需配置语音服务），并提供环境变量引用、管理员权限控制和常见问题排查说明。
Autoresearch 是一个面向 AI 编码智能体的自主研究编排技能。它通过「内循环 + 外循环」的双循环架构，让智能体自主完成从文献调研、假设生成、实验执行到论文撰写的完整 AI 研究流程。智能体扮演研究项目经理角色，负责编排与状态维护，具体执行则路由到相应领域技能。内循环快速迭代约束明确的实验并测量指标，外循环定期回退、总结规律、更新 findings.md 并生成新假设，必要时回到文献阶段或转向新方向。项目通过本地目录结构（research-state.yaml、research-log.md、findings.md、literature/、src/、data/、experiments/、to_human/、paper/）维护结构化状态，并通过 /loop 或 cron 心跳机制保持持续运行。适用于希望让智能体长时间无人值守推进机器学习或 AI 研究任务的场景。需要用户提供研究方向或已有方案，智能体不索要确认，默认全自主推进。
workflow-runner 是一个在 Claude Code / OpenClaw / Cursor 等 AI 工具内直接运行 agency-orchestrator YAML 工作流的能力，使用当前会话的 LLM 作为执行引擎，无需配置 API key。当用户提供 .yaml 工作流文件，或要求多个角色协作完成同一任务时触发。它按五步执行：解析工作流（读取 YAML，提取 name、agents_dir、inputs、steps，并定位角色目录）、收集输入（询问缺失的必填项，套用默认值）、构建执行顺序（按 depends_on 拓扑排序分层并展示执行计划）、逐层执行（预读角色 .md 文件、渲染 task 模板变量，单步骤在主会话中扮演角色，多步骤并行时用 Agent 工具启动子代理）、最后保存结果到 .ao-output 目录并展示最终成果。若用户未提供 YAML 文件但描述多角色协作任务，可自动生成工作流定义并经用户确认后执行。分类为智能体与模型。
中文介绍正在整理，稍后补充。
Nerd Fast 是一个面向 AI 编程智能体的全局延迟优化型技能修饰器，目标是在不牺牲准确性的前提下最小化智能体实际耗时（wall-clock time）。它本身不是独立的主技能，而是叠加在现有工作流之上的全局修饰器。其核心规则是减少顺序关键路径上的往返次数，只保留能解决关键未知、推进交付物或产出必需证明的操作，执行优先级依次为：复用现有证据、批量合并、并行化、精准定位、按证据升级、验证通过即停止。技能内置读取量门控（估算直接导航所需行数，超过 200 行时使用符号索引脚本）、一系列按序应用的决策门（继承、复用、新鲜度、必要性、批量、依赖、升级、恢复、验证成本、停止）、验证成本阶梯（V0 至 V4 五级证明）以及验证升级触发条件。它强调不设硬性工具调用上限，避免用固定限制换取速度而损害准确性；对文件变更要求至少静态检查，对行为性完成声明要求获取新鲜证明。该技能还规定与 nerd-smart、nerd-silent 等技能的组合方式，并明确禁止在未授权时与 Superpowers、Ponytail、Caveman 等技能混用。关于收费、价格、平台支持等具体信息，资料中暂未提供。
agent-manager-skill 是一个用于管理多个本地 CLI 智能体的技能。它通过 tmux 会话并行运行多个智能体，支持启动、停止、监控、分配任务，并可用 cron 安排周期性工作。使用前需安装 tmux 和 python3，并将技能克隆到工作区。智能体在 agents/ 目录下配置。
CrewAI 是一个多智能体编排框架，用于让具备不同角色的自主 AI 智能体协作完成复杂任务。它独立于 LangChain，体量精简，支持基于角色的任务委派，并提供 Crews（自主协作）与 Flows（事件驱动）两种范式。框架内置 50 多个工具，覆盖网页抓取、搜索、数据库与 AI 服务，并支持短期、长期和实体记忆，以及追踪等生产环境特性。可通过 pip 安装，或用 CLI 快速创建项目，支持顺序与层级两种执行流程，适合构建研究、写作、分析等专业化智能体团队。
中文介绍正在整理，稍后补充。
LetzAI API 集成技能，用于通过 LetzAI 公共开发者 API 调用 AI 图像与视频生成能力。图像生成支持 Nano Banana Pro、Nano Banana 2、Seedream 5 Pro、Flux 2、GPT Image 2 等模型，视频生成支持 Veo 3.1、Kling V3、Seedance 2.0 等模型，并提供图像编辑、放大、文件上传以及自定义模型（LoRA）训练等能力。训练完成的模型可通过 @modelname 标签在提示词中引用。API 基址为 api.letz.ai，使用 Bearer 密钥认证，所有生成任务均为异步，需轮询或使用 webhook 获取结果。需要付费订阅才能访问 API。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。