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 11-01 00:15

智能体与模型

25,400 个结果

skill-creator

skill-creator 是一个用于创建和更新 Claude 技能的指导型技能。它本身不执行具体业务任务，而是提供一套完整的方法论与流程，帮助用户从零开始构建模块化的技能包，或迭代已有的技能。技能被定义为可扩展 Claude 能力的自包含模块，可提供专门的工作流、工具集成、领域知识以及配套资源。该技能强调精简原则，认为上下文窗口是公共资源，应只补充 Claude 本身不具备的信息；同时提出根据任务的脆弱性与可变性设置不同的自由度，从开放式文本指令到固定参数脚本逐级收紧。它定义了技能的目录结构：必需的 SKILL.md（含 name 和 description 的 YAML 前置元数据及 Markdown 指令正文）、可选的 scripts/、references/ 和 assets/ 三类资源，并说明各自适用场景。它还阐述了渐进式披露的三级加载机制，以及按领域、按变体、按条件组织参考文件的三种模式，并给出标准创建流程：理解用例、规划可复用内容、初始化、编辑、打包与迭代。其适用场景是当用户希望创建新技能或更新既有技能时触发。注意事项包括：不应添加 README 等冗余文档，脚本需实际运行测试，参考文件应避免深层嵌套，长文件应加目录，且 description 是主要的触发机制，所有“何时使用”的信息都应写入其中。技能的具体安装与运行方式、收费与价格等信息资料未提供。

智能体与模型18 次安装

agent-orchestrator

Agent Orchestrator 是一个用于编排复杂任务的元智能体技能。它通过将宏观任务分解为可独立完成的子任务，为每个子任务生成专门的自主子智能体，并汇总它们的工作成果。核心流程包括任务分解、智能体生成、智能体派发、基于检查点的监控、成果整合以及解散与总结六个阶段。智能体之间通过基于文件的通信协议协作，使用 inbox、outbox 和 status.json 进行输入、输出与状态跟踪。该技能提供创建和销毁智能体的脚本，以及研究、代码、分析、写作、评审、集成等常见子智能体模板，适合需要并行处理多组件复杂任务的场景。

智能体与模型18 次安装

create-skill

create-skill 是一个用于创建 Agent Skills 的研究优先流水线工具，产出的技能符合 Agent Skills Specification。每个创建的技能都基于有引用的文档，包含面向流程性任务的工作流模板，并内置防幻觉护栏，避免智能体用模式替代真实文档。它适用于需要按规范创建、审查和优化 Agent Skill 的场景，通过 9 个阶段（引导、安装 skill-creator、研究、需求、编写、优化、审查、精炼、报告）逐步推进，并支持按技能类型跳过不必要阶段。

智能体与模型18 次安装

grill-to-plan

grill-to-plan 是一个用于把数据分析或软件需求“盘问”成一份双方认可的计划的工作流技能，本身不负责实现。它先按需求的主要不确定性分类：数据分析类关注证据、人群、指标、方法或解读；软件设计类关注系统行为、接口或架构；混合类则先解决数据分析分支，再进入软件设计分支，避免在数据假设未定的情况下设计软件。它复用 /grilling、/domain-modeling、/inquiring 等已有技能，不重复其指令，也不自行发明替代流程。当设计树前沿清空且用户确认共识后，才写出约定产物：数据分析或混合流程复制并完成 Org 计划模板，遵循仓库既有约定，否则写入 plans/<analysis-slug>.org；纯软件流程则以确认的对话及术语表或 ADR 更新作为计划，交给 /to-spec。写作要求平实、直白、完整句子，先讲要点，每个概念用统一术语。最后需说明计划状态和确切的下一步动作，且不自动触发 /to-spec、/to-tickets、/inquiring、实现或评审。

智能体与模型18 次安装

planning-workflows

Planning Workflows 是腾讯云开发 cloudbase-ai-toolkit 中的一项技能，用于规范如何通过本地斜杠命令选择并执行规划模式。它提供两种规划工作流：spec（规格）模式与 no-spec（无规格）模式。当用户希望在实现前先走完整的规格流程、希望跳过规格直接执行小范围任务，或询问如何在两者之间做选择时，可使用该技能。其决策规则为：当工作较新、复杂、跨模块、有风险或验收标准不清晰时优先使用 spec；当工作规模小、风险低、范围明确（如文档、配置、简单修复）时优先使用 no-spec。执行时需从 references/source-commands.md 读取匹配的命令模板，并作为阶段门控工作流遵循：spec 模式不得跳过必需的确认步骤，no-spec 模式需保持范围紧凑。选择 spec 时，产物应遵循仓库约定（如 specs/<name>/...）。specs/ 是仓库中的本地目录，已被 gitignore，不应执行 git add，需通过 AGENTS.md 中 <internal_dirs> 描述的私有归档进行同步或获取。命令映射参见 references/command-catalog.md。

智能体与模型18 次安装

clawdbot-config

Clawdbot 配置与技能系统管理专家技能。用于处理 Clawdbot 的安装配置、配置文件（~/.clawdbot/clawdbot.json）、创建与修改 AgentSkills 兼容的 SKILL.md、技能加载与门控、环境注入、渠道配置（WhatsApp、Telegram、Discord、iMessage 等）、网关与远程访问、多智能体路由以及故障排查。提供快速决策树、配置示例、技能元数据规范、常用 CLI 命令和 370+ 文件的完整文档归档参考。

智能体与模型18 次安装

agent-native-audit

Agent-Native Architecture Audit 是一个用于对代码库进行“智能体原生架构”审查的技能。它依据八项核心原则（动作对等、工具即原语、上下文注入、共享工作区、CRUD 完整性、UI 集成、能力发现、提示原生特性）对项目进行系统化审计。执行时会并行启动 8 个子智能体，每个负责一项原则，枚举代码库中的相关实例、检查合规性、给出具体评分（X/Y 及百分比）、列出差距与建议，最终汇总为带评分表和优先级建议的审查报告。该技能来自 udecode/plate，可通过 skills.sh 获取。

智能体与模型18 次安装

ai-product-operating-model

该技能用于为产品团队设计公司级 AI 运营模型，适用于当问题超出单个提示、单个功能或单个模型选择的范畴时。它帮助组织对齐产品 AI 功能设计、智能体与工具使用工作流姿态、跨产品/上下文/分析的数据边界、提供商与部署姿态、公有云中的个人或敏感数据处理，以及评估、推广与治理。默认姿态包括：优先外部模型 API、先集中平台所有权再考虑联邦式扩张、明确数据平面分离、以提供商抽象替代硬性供应商锁定、针对敏感数据的风险分级控制，以及在广泛推广前建立评估、遥测与回滚机制。

智能体与模型18 次安装

ai-scaling-laws

该技能用于在训练大语言模型时，依据 Kaplan 与 Chinchilla 缩放定律在模型参数量（N）与训练 token 数（D）之间分配算力预算。核心公式为 C ≈ 6ND，Chinchilla 最优比例约为 D ≈ 20 × N。技能提供算力预算估算、最优 N/D 推导、过训练（Llama 式）取舍、数据受限判断、推理成本权衡，以及自拟合 IsoFLOP 分配的方法，并附有训练算术脚本与常见误区说明。

智能体与模型18 次安装

foundations-decision-theory

决策理论基础技能，用于在不确定性下做出选择。它提供一套规范性决策工具，涵盖期望效用、贝叶斯决策、极小化后悔、信息价值、多准则决策分析、风险厌恶、实物期权、前景理论、埃尔斯伯格与阿莱悖论、多臂老虎机、随机占优等基本原语，并给出阈值、停止规则与离策略评估方法。适用于需要在信息不足时决定是否继续实验、是否上线、如何在多个方案中排序、何时停止测试并发布、是否值得再收集数据等场景。技能强调输入质量、敏感性分析与误用边界，帮助把概率转化为行动。

智能体与模型18 次安装

arkcli-agent

arkcli agent 是 volcengine/ark-cli 中用于管理 ARK Managed Agents 的命令行技能（skill）。它覆盖 Agent、Skill、Env、Session、File、Memory Store、Vault 与 MCP OAuth 等对象的管理：控制面操作优先走 ForTop/OpenTOP，Session 运行时与 Files 走数据面直联。该技能适用于创建、查询、调试或联通 ARK Managed Agent 的场景，强调先使用稳定产品命令而非直接猜测 OpenTOP Action，并在执行前按需求路径读取对应 reference 文档。技能包含创建 Agent 的最小决策表、先选路径的意图-命令对照、认证与 Profile 规则、List 分页契约、删除确认机制、长流程执行规则以及超时与重试策略等内容。使用前需先读取 ../arkcli-shared/SKILL.md，并依据用户明确意图选择对应命令路径。

智能体与模型18 次安装

audio expert

Audio Expert 是面向 Leavn（圣经应用）与 Modcaster（播客应用）的音频架构技能，涵盖 TTS、流式播放、录音、音频指纹、机器学习处理与字幕同步。Leavn 侧包含 AudioPlaybackService（TTS 与经文朗读）、GuidedAudioOrchestrator（引导模式协调）、SermonRecordingService（讲道录制）、StreamingTTSClient（实时 TTS）、ChatterboxKit（声音配置），以及 CaptionTimecodeAligner、CaptionSyncCoordinator 和经文边界检测等字幕与时间码同步能力，并涉及 AudioGraphManager 初始化与 CarPlay、后台等场景模式。Modcaster 侧包含基于 vDSP 的频谱峰值提取（类似 Shazam 的指纹方案：FFT、频谱峰值、星座图、哈希指纹），用于片头片尾检测、广告识别与跨节目匹配；还包括 AVAudioEngine 采集、Core ML 语音增强与降噪、Sound Analysis 语音/音乐分类、Neural Engine 利用，以及单集类型、广告片段、片头片尾、语音与音乐分离等内容分类。该技能还汇总了音频冲突与中断、TTS 声音选择、录音状态管理、字幕同步等常见修复方向。

智能体与模型18 次安装

multi-agent-orchestrator

Multi-Agent Orchestrator 是一个多智能体任务委派与编排系统，灵感来自 ZeroClaw 的 delegate 工具。它让主智能体能够把复杂任务拆解为子任务，委派给具有不同配置的专用子智能体，支持并行执行、结果聚合以及带依赖关系的多步骤工作流。系统提供 delegate_task、parallel_delegates、create_workflow、run_workflow、aggregate_results、spawn_agent 等工具，并支持 synthesize、concatenate、vote、rank、diff 等多种结果聚合模式。通过 ORCHESTRATOR.md 配置智能体模板（系统提示、模型、温度、技能），并可通过命令行脚本进行委派、并行执行、工作流管理和结果查看。适用于代码审查、研究写作、安全审计等多方面任务，但简单任务、低延迟要求或成本敏感场景不建议使用。

智能体与模型18 次安装

skill-creator-plus

Skill Creator Plus 是一个用于创建、测试、评估和改进 Claude 技能（skills）的技能，同时也能回答关于技能工作原理的问题。它围绕一个迭代循环展开：确定技能目标 → 起草 → 用测试提示运行 → 帮助用户从定性（评估查看器）和定量（基准测试）两方面评估结果 → 根据反馈重写 → 重复并扩展测试集。它还能根据用户所处阶段灵活介入，并提供“单次通过”路径，适合只想快速得到可用技能、不需要评估报告的用户。该技能涵盖意图捕获、成功标准定义、SKILL.md 编写、脚本与指令的取舍、测试用例设计、描述优化、验证与打包交付等环节，并针对不同运行环境（有无子代理、有无 claude CLI、有无显示界面、沙箱会话等）给出适配说明。

智能体与模型18 次安装

yao-interpreter-skill

Yao Interpreter Skill 是一个用于解读和评估本地 Agent Skill 的工具。它把目标 Skill 目录、单个 SKILL.md 文件或安全的 zip 归档当作不可信输入，先做静态读取，再建立证据链，最终输出中文优先的 HTML 报告、结构化 JSON、发现项和改进路线图。它不执行目标 Skill 中的脚本、安装器、命令、测试、模型提示或远程调用，也不修改目标 Skill，只在输出目录写入报告文件。其工作流包括确认输入、按安全边界处理、运行静态分析、按评分标准生成 9 个维度 100 分评分与红线降级结论、渲染默认中文 HTML 报告（支持中英文切换），并检查报告中的总分、状态栏、目录、雷达图、证据卡、风险审查和改进路线图。默认输出 analysis.json、findings.json、qa_report.json、report.zh-CN.html、summary.md，可选 report.en.html。它适用于解读、评估、评分、准入审查和学习已有 Skill，不适用于创建或重构 Skill、导出 Word/PDF 学习报告或运行目标 Skill 验证真实任务效果。

智能体与模型18 次安装