SuperAPI AI 工具集

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 11-02 00:09

智能体与模型

25,476 个结果

sharpen

sharpen 是 christofferbergj/agent-skills 中的一个代理技能,用于在 Pstack 任务执行前强化结果或改进方法,同时保留独立的正确性检查。它会引导使用者在动手前思考:顶尖专家会如何完成这项任务(依据哪些原始资料、采用哪些真实方法、用什么外部手段验证结果是否正确)、用户真正想要什么、任务是否过度指定或指定不足。它强调在放宽无益于目标的约束的同时,补充有助于达成目标的约束,把应由用户决定的选择留空而不是代为决定,只纳入能让工作更好而非更大的内容,并始终保留一个外部正确性检查,但不叙述这些框定过程,最后直接执行任务,且不返回重写后的提示词。

智能体与模型16 次安装

show-me-your-work

Show me your work 是一个决策留痕技能,核心是用一份规范的 TSV 日志记录工作过程中的每个决策点。每行包含时间戳、阶段、决策、原因、证据指针和结果六个字段,要求单元格单行、证据用链接或路径而非文字描述。它强调只记关键决策与检查点,采用只追加、不修改历史的方式,并提供辅助脚本与日志审计、跨模型评审步骤,便于在无人值守运行或事后复核时追溯工作依据。

智能体与模型16 次安装

graph-engineering

Graph Engineering 是一种把已安装的多个 agent 技能编排成一次多智能体运行的方法:由编排者设计一张“智能体图”,其中每个节点是一个只加载一个技能的子智能体,边负责传递结构化数据,各阶段先并行铺开工作,再进行对抗式验证,最后综合成一份交付物。Claude Code 把这种可执行形式称为 dynamic workflow,其底层模式是 Anthropic 的 orchestrator-workers。适用于需要并行应用多个技能的任务,例如多视角评审、多角度审计或研究、迁移清扫;也适用于用户提到 graph engineering、agent graph、fan out sub-agents、orchestrate skills,或设计“每个子智能体各负责一个技能”的工作流时。PR 评审应改用 panel-review,对已完成工作做单一二次意见应改用 double-check;单个技能在单一上下文中即可完成的任务不适用。

智能体与模型16 次安装

tb-best-practices

tb-best-practices 是由 codejunkie99/gateflow-plugin 发布的一个可安装技能(skill),面向 AI 智能体使用。该技能通过 skills.sh 平台分发,安装地址为 https://www.skills.sh/codejunkie99/gateflow-plugin/tb-best-practices。从现有资料来看,它属于 gateflow 插件中的技能之一,其技能说明文件位于插件目录 plugins/gateflow/skills/tb-best-practices/SKILL.md。资料未提供该技能的具体功能、适用场景、使用步骤、依赖条件或收费信息,因此暂无法确认其实际用途与效果。

智能体与模型16 次安装

intent

intent 是一个用于需求意图澄清的 AI 技能,帮助在与用户协作时先建立共识。它不设计和实现功能,只专注于理解用户请求的含义。使用后会在 docs/context-engineering/<subject>/intent.md 生成一份意图文档,包含问题、完成定义、受影响的用户和系统、约束以及未决问题等部分。该技能强调使用简单词汇和短句,先检查仓库证据再提问,区分用户陈述、仓库证据、推断和未知项,把推断标注为待确认;批量提问时每组不超过四个,且同一组问题围绕同一主题,并指出相互冲突的陈述。

智能体与模型16 次安装