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 11-01 00:15
25,385 个结果
这是一个为其他 Agent Skill 接入“学习循环”的技能，让技能在使用中积累经验而不自动改写 SKILL.md。它通过四个文件（原始追加的 learnings.md、经人工审核整理的 learnings.consolidated.md、机器本地的 learnings.local.md，以及 append_learning.py 与 consolidate.py 脚本）记录带日期的模式、错误与领域事实。适用于高流量技能、领域边缘案例频繁变化的技能，或需要为失败反思提供归处的场景；不适用于一次性脚手架或表面稳定的技能。
AI Architecture Advisor 是一个用于选择 AI/ML 技术路线的决策技能，帮助回答“我有问题 X，应该用什么来构建”。它覆盖经典机器学习、LLM、RAG、微调、智能体、嵌入与检索、推荐/排序、多模态以及模型架构（dense/MoE/SSM/diffusion）等方向，通过决策表、排除逻辑和权衡分析，在承诺构建之前给出架构选择建议，并指向负责具体实现的深度技能。
refactor-skill 是一个用于重构或优化已有技能（skill）的技能，适用于从整体结构调整到一行措辞修正的各种改动。它把技能视为消耗两种预算：description 会加载进每个会话，因此每个词都必须承担触发作用；正文在调用时进入上下文并保留至会话结束，因此每一行都必须为技能的所有路径提供指引。该技能会先确定目标技能，读取其 SKILL.md 及同目录文件，再获取平台与模型指南来校准判断，然后对每个 frontmatter 键、正文指令和同级文件给出 contradiction、delete、demote、rewrite 或 keep 五种裁决之一，经用户确认后一次性应用授权改动。
Skill Writing 是一套用于设计和编写高质量 Agent Skills（智能体技能）的方法与规范。它产出一个可直接使用的技能包：必需文件 SKILL.md（带合法的 YAML frontmatter），以及在有助于任务时提供的可选参考文件与脚本。其设计目标围绕可发现性、正确性、简洁性和可测试性。该技能在需要新建技能、重写已有技能，或需要为 Agent 生成带触发条件与约束的技能定义时使用。它规定了明确的输出契约：SKILL.md、必要的文件夹结构与文件内容建议，以及至少 3 条用于测试激活与行为的评估提示。工作流程依次为：提取需求（主要任务、触发短语、输入类型、约束、需防范的失败模式）、设计信息架构（采用渐进式披露，SKILL.md 尽量短，长内容下沉到 REFERENCE.md、WORKFLOWS.md、EXAMPLES.md、CHECKLISTS.md 等一层深的文件，确定性转换与校验优先用脚本并说明运行方式）、严格编写 frontmatter、编写最小必要的 SKILL.md 正文、添加评估用例。它给出 frontmatter 与 SKILL.md 骨架模板、“高层+引用”模式，以及硬性写作规则（单一主路径、避免时间敏感分支、术语一致、使用正斜杠路径、脚本需给出确切命令与预期输出、脆弱任务必须含校验步骤），并列举常见反模式与完成标准。
该技能名为 AI Integration Expert，面向 Leavn 应用的 AI 功能开发与集成。根据资料，它覆盖 Leavn AI 技术栈中的多个服务：UnifiedAIService（四层回退）、OnDeviceAIEngine、EnhancedNovelizationEngine、EnhancedImageGenerationService、BibleTransformationEngine；涉及的模型包括 Apple Intelligence（iOS 26+）、Phi-3-mini（端侧）、Stable Diffusion（CoreML）以及启发式回退。集成点包括儿童模式转换、灵修内容生成、带 RAG 的问答、图像背景。适用于处理 AI 功能、模型集成、灵修内容、儿童模式和图像生成等任务。
用于创建新的智能体技能（Agent Skill），帮助组织技能结构、渐进式披露与配套资源。当用户想要创建、编写或构建新技能时使用。
Skill 安装工具（Skill Installer）用于从 GitHub 仓库路径、原始文件 URL、第三方平台 URL、本地文件路径或直接粘贴的 SKILL.md 内容安装 Claude Code skill。安装前会自动执行内置的简化版安全审查（skill-vetter 协议），按获取内容、安全审查、确认安装、写入文件的流程操作，安装目录为 ~/.claude/skills/<skill-name>/SKILL.md。
LangGraph 条件路由模式技能，用于在 LangGraph 工作流中根据状态动态决定执行路径。涵盖基础条件边、质量门控、重试循环、基于状态的路由器、Command 与条件边的选择、语义路由等模式，并提供可复用的代码模板与常见错误提示。适合需要构建分支工作流、重试逻辑或意图路由的开发者参考。
nexus-create-tasks 是一个用于将单个已批准项目拆解为独立、可执行任务的技能。当系统派发 CreateTasks 动作时，它负责把一个范围明确的项目分解成若干可被智能体认领并交付的任务。该技能通过 probe 命令行工具读取动作详情、项目信息与规格文件，从规格中解析 ### Requirement: 标题，据此设计 3 到 8 个任务，每个任务具备清晰的验收标准，并仅在必要时添加依赖。任务创建后，它会验证就绪队列、发送公告消息，并完成该动作。该技能强调不超出项目范围、保持任务独立且足够小、不认领任务、不修改项目、不跳过公告，且任务数量不超过 8 个。
nexus-submit-spec 是一个用于将项目 OpenSpec 门控规范（gating spec）提交人工审核的技能。它面向 Zeno 智能体协作流程，但仅允许 Zoe 或 Admin 角色调用提交操作，用于在需要审核周期时暂停项目。技能通过 probe 命令行工具完成操作：先查看被分派的 action 并从中提取项目 ID，读取项目与规范信息，审查规范变更 PR，计算门控文件的 SHA-256 内容哈希，然后携带 PR head 提交 SHA 与哈希执行提交，路径必须位于 openspec/ 目录下。提交前可选执行 OpenSpec 格式校验，提交后通过消息通道公告等待人工审核。该技能强调仅在值得暂停项目时才提交，需绑定正确的门控文件路径，并始终传入内容哈希，因为审批会同时绑定提交与哈希。
Zerion + Bankr 是一个面向 AI 智能体的链上研究与执行组合技能。它把 Zerion CLI 的多链钱包数据解读能力（覆盖 41+ 条链的投资组合、持仓、盈亏、交易历史）与 Bankr 的自然语言执行层配对，让智能体可以在同一工作流中从链上洞察直接走到已签名交易。研究侧使用 zerion analyze、portfolio、positions、pnl、history 等命令分析任意地址；执行侧通过 bankr agent prompt 完成现货兑换、跨链桥、Hyperliquid 永续合约杠杆、Polymarket 预测市场下注、定时自动化（DCA、限价、止损）、社交账号转账、NFT 交易、Base 代币部署以及 x402 付费 API 调用。一个 Bankr 钱包即可覆盖全部操作面。
Zerion 与 LI.FI Earn 组合技能：用 LI.FI Earn API 跨 20+ 链发现收益金库，并通过 LI.FI SDK 从任意链一笔交易完成存入，配合 Zerion CLI 预先充值钱包并核验 DeFi 持仓。
1inch-infrastructure 是 1inch/1inch-ai 提供的 MCP 基础设施工具条目，核心为通过认证工具 product_api 调用 Web3 相关能力。它的主要用途有三类：一是 Web3 JSON-RPC 调用，例如 eth_call、eth_blockNumber 等，请求地址形如 POST /web3/{chainId}；二是通过 Transaction Gateway 广播已签名的原始交易；三是通过 Domains 解析 ENS 或域名，例如解析 vitalik.eth。使用方式上，需要先调用 authenticate 完成认证（若尚未是真实用户，需先认证；initialize 返回 200 时仍属匿名状态），随后按 references/RECIPES.md 中的配方调用已认证的 product_api 工具。若某条路径返回 404，可读取 file://1inch-mcp/guides/api-index 或调用 search 后重试。该工具适合需要查询链上数据、广播交易或做域名解析的 Web3 开发与交互场景。资料未提供具体支持的链、收费、价格、平台限制及详细使用步骤。
Continuous Learning Agent 是一个面向 AI 智能体的元技能，用于让智能体从反馈、错误和成功模式中持续学习并改进。它的核心思路是把“记忆”和“学习”分开：日志/记忆记录发生了什么、尝试过什么、有哪些证据；学习/策略则改变智能体下次遇到同类事件时的行为。只有当产生策略增量、阈值修订、禁止动作或可复用模式时，才算真正的学习。该技能提供错误模式识别、成功模式收集、反馈整合、决策日志、每日回顾与每周综合等机制，并给出日志与策略目录结构、钩子脚本和查询方式。
MCP Integration Patterns 是一项用于构建 MCP（Model Context Protocol，模型上下文协议）服务器与客户端的技能，目的是通过自定义工具、资源和提示词来扩展 AI 助手的能力。该技能覆盖 MCP 服务器开发（暴露工具、资源与提示词）、MCP 客户端集成（连接 MCP 服务器）、传输协议（stdio、HTTP/SSE、WebSocket）以及安全（认证、授权、沙箱）等核心能力。资料中给出了 Python SDK 与 TypeScript SDK 的服务器示例代码，演示如何定义工具、资源、资源模板与提示词，并展示了 stdio 与 HTTP/SSE 两种传输方式的配置与实现。此外还包含数据库集成、文件系统访问、外部 API 集成等服务器模式，以及输入验证、速率限制、认证等安全实践。
Multi-Agent Workforce Planner 是一个用于大型功能实现的规划技能，通过分析任务依赖关系、将功能拆解为可并行的工作流，并为每个任务分配合适的专用智能体类型（Explore、Plan、Bash、Edit），从而最大化并行开发效率。它提供任务粒度划分、依赖图构建、并行化策略、进度跟踪与失败恢复等框架，适用于多文件实现、复杂依赖链管理和多智能体协作场景。
递归系统架构师（Recursive Systems Architect）是一项用于设计自指与递归系统的技能，帮助构建能够检查、修改或生成自身的系统，涵盖元认知架构与“怪圈”（strange loops）等模式。该技能围绕自引用、怪圈、元认知、不动点与涌现等核心能力展开，提供自修改代码、元认知循环、不动点迭代、Quine 自复制、观察者—被观察者二元性、递归分解、自指数据结构、元胞自动机与自组织临界等架构模式，并给出终止保证、一致性维护与可观测性等设计原则。资料还包含 references 目录下的怪圈理论、不动点理论与元认知模式参考文档。
Bankr Signals 是部署在 Base 区块链上的交易信号平台，核心特色是「交易可验证」：智能体在完成真实链上交易后，用交易哈希（TX hash）作为凭证发布信号，订阅方则按表现指标筛选并跟随优秀提供者，避免自行申报的虚假业绩。提供者需用 EIP-191 钱包签名完成注册、发布信号与平仓；读取类接口（排行榜、信号流、每日最佳信号等）完全公开无需鉴权，也可注册 Webhook 获得实时通知。支持 Base 上任意代币，价格来源于 Chainlink 预言机与 DexScreener。平台提供仪表盘、API 文档、技能文件与心跳（heartbeat）例程，便于智能体自动发布交易、按止盈止损平仓并维护收益记录。
Improvement Loop 是一个用于改进 .claude/ 流水线（pipeline）的技能，适用于在解决完 bug、失败任务或异常 agent 行为之后，回头改进导致问题的技能、agent、hook 或脚本。其核心原则是“先修复、再理解、最后改进”，避免在问题尚未解决时过早修改流水线文件而编码进不完整的理解。该技能提供触发条件判断、强制性的“问题是否已解决”门禁检查、五步改进循环（捕获问题、分类改进、最小改动、验证改动、提交并沟通）、工具路由指引，以及防止改进漂移和批量改进的处理方法。
Gating by Blind Restoration 是一种用于验证抽象层（如规格说明、设计文档、Schema、API 契约或生成产物）是否自足的方法。它不依赖作者自审，而是通过信息防火墙，让一个隔离的子代理仅凭该产物文本重建相邻层，从而判断产物是否携带足够的可恢复结构。该技能适用于生成或提取规格、设计文档、Schema、API 契约或重构计划之后，回答“这个产物是否足以重建下一层”的问题。它不适用于主观质量判断（如品味、是否优雅或有趣），也不适用于原始来源本身就是预期输入、无需信任抽象层的场景。核心流程包括：确定门控方向（恢复或退化）、准备保留的评估密钥、生成独立盲评子代理、严格限制输入仅为产物文本、要求重建相邻层并报告恢复结构、歧义与承重规则，再通过反事实问题检验规则是否真正传递，最后由评估者对照密钥给出整体与逐规则两级判定。
ACE-Step 文档与故障排查技能，用于回答 ACE-Step 音乐生成系统的安装、GPU 配置、模型下载、Gradio UI 使用、API 集成等问题。该技能按主题组织文档：入门部分涵盖安装、模型下载与启动命令、入门教程与最佳实践、项目概览与架构；指南部分涵盖 Web UI 使用、推理参数调优、GPU/显存配置与硬件建议、环境检测与 uv 安装及 python_embeded 设置（Windows/Linux/macOS）、启动脚本配置（.bat/.sh）、Git 更新与文件备份及冲突解决；API 部分涵盖 REST API 文档与 OpenRouter API 集成。技能还提供问题到文档的映射指引，例如显存不足、模型下载失败、uv 未找到、环境检测异常、脚本配置、更新冲突、推理质量、Gradio UI 无法启动等，便于快速定位对应文档。
brand-persona-skill 是一个把商业实体转化为个性化品牌智能体的编排技能。它从品牌已有内容中提炼品牌身份，或引导用户从零声明品牌参数，将品牌的服务能力定义为技能，并生成一套 OpenPersona 包，供外部智能体发现和调用。它的产出不是“关于某个品牌的智能体”，而是“品牌本身作为一个智能体”。生成的产物是一个自包含的 {slug}-skill/ 包，包含品牌灵魂、声明的服务技能、用于 A2A 发现的 agent-card，以及面向外部智能体的服务契约。该技能依赖 anyone-skill（仅在从已有内容提炼的路径 A 中需要）和 open-persona（两条路径都用于人格包生成）。它能被 /create-brand-agent 等触发短语唤起。
AC Parallel Coordinator 是一个用于协调并行自主操作的工具，适用于运行并行功能、管理并发工作、协调多个智能体或优化吞吐量。它通过管理独立功能的并行执行，在保证安全的前提下最大化吞吐量。使用方式为从 scripts.parallel_coordinator 导入 ParallelCoordinator，实例化后调用 find_parallel_opportunities 查找并行机会，再通过 execute_parallel 执行并行组。完整实现参见 scripts/parallel_coordinator.py。
skill-builder-generic 是一个用于创建生产级 Claude Code 技能的通用指南。它提供了一套 6 步工作流（理解需求、规划结构、初始化、编辑内容、打包验证、迭代改进），帮助用户为任意项目构建结构化的技能知识包。技能采用 YAML frontmatter 元数据加 Markdown 内容的标准化格式，并支持渐进式披露以优化上下文占用。该指南还介绍了 4 种组织模式（工作流型、任务型、参考/指南型、能力型）、5 分钟快速上手流程，以及配套的初始化、验证、描述分析和打包脚本。适用于需要沉淀领域知识、复用重复指令、统一复杂工作流执行的开发团队或个人。