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 11-05 00:16

智能体与模型

25,653 个结果

mcp-neo4j-memory-ops

mcp-neo4j-memory-ops 是一个面向 Cursor 的技能,用于通过 Neo4j memory MCP 创建和更新相互关联的记忆条目(实体与关系),支持去重(DRY,避免重复)以及检索查询,从而保持项目连续性。它适用于用户要求“zapisz do pamięci”(保存到记忆)或“zaktualizuj wspomnienia”(更新记忆)的场景,以及需要基于关系进行检索的场景,例如“jak to się łączy z X”(它与 X 如何关联)、“co już robiliśmy podobnego”(我们之前做过哪些类似的事)。执行过程为:先检索可能已存在的节点(模糊匹配),若相似则合并以避免重复;随后添加显式关系,例如 PROJECT → DECISION、DECISION → CONSTRAINT、TOOL → WORKFLOW,并存储“confidence”(置信度)与“last_updated”(最后更新时间)。最终输出包括发生了变化的节点与边,以及简短的理由说明。

智能体与模型8 次安装

skills-expert

Skills Expert 是一个用于审计、调试和改进 Agent Skill 的专家工具,其核心特点是严格区分可移植的 Agent Skills 基础格式与仓库专属的市场规则,避免将某一层的规则误当作通用标准。它适用于创建或修复 Skill 的场景:用户可请求只读审计(仅列出失败与警告而不改动文件),或授权进行实现修复(使用最小改动、移动持久性细节至 references/、清理过期声明与未使用权限)。使用时需先确定目标 Skill 目录或 SKILL.md 文件,确认审计还是实现模式,并在修改文件前定位仓库指令与校验器。该工具以当前官方 Claude Code 文档为权威依据,以本地校验器处理更严格的仓库叠加规则,且明确 allowed-tools 只是预批准匹配工具而非移除其他工具。它要求所有支持文件链接相对于 Skill 目录可解析、每个预批准工具均被工作流使用且无必需工具遗漏、示例展示真实工作流。最终报告需给出规范路径、所选契约、按严重程度划分的问题、精确变更(若已授权)、校验器/测试回执、剩余风险及明确的通过/失败结果,并且不得在未指明验证层级的情况下称某个 Skill 为“有效”。

智能体与模型8 次安装

ft-intent

ft-intent 是 Fast Track AI 工作流中用于起草“意图”(intent)的技能。它从对话中捕捉用户用原话表达的请求,对其进行分类,并在需要时通过交互式提问澄清歧义,随后生成对应的意图文档。它明确不写 spec.md,也不做实现。它会将纯调研或纯评估类请求转交给 ft-research 或 ft-assess,不创建 track 目录;对变更类请求则在 fast-track-ai/tracks/ 下分配 NNN-slug 编号并生成 intent.md,同时可自动触发研究、引用、ADR 和评估等辅助工件。最后它重新生成 INDEX.md,输出阶段小结,并等待用户确认后再衔接 ft-spec。

智能体与模型8 次安装

orchestration

Orca Orchestration 是 Orca 技能体系中的多智能体编排参考入口,用于在 Orca 运行时中协调受监督的 worker。它支持线程化消息、阻塞式 ask/reply 流程、任务派发、worker_done 与 escalation 等待、任务 DAG、决策门以及协调者循环等工作方式,也可用于把工作拆分给多个智能体。该技能本身只是一个发现用存根,并非使用指南;与版本匹配的完整参考由 orca 二进制文件自身提供,以避免文档与真正执行命令的二进制发生偏差。使用前需先确定本次会话应使用的可执行文件(依据环境变量或运行环境选择),再通过该可执行文件加载与版本匹配的指南,并优先使用 JSON 输出。若需要完全的所有权交接(例如“hand off”“handover”“交给另一个智能体”“另一个 worktree”),且用户并未要求监督、监控、等待结果或协调 DAG,则应改用 orca-cli 技能;普通终端控制、shell 命令、worktree 管理和内置浏览器同样属于 orca-cli 的范畴。协调依赖真实的 Orca 运行时状态,不应以非 Orca 的子智能体工具替代。关于收费、价格与平台支持等信息,资料中暂未提供。

智能体与模型8 次安装