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 11-05 00:16
25,657 个结果
kero-scope 是一个把产品论点转化为功能清单的方法论工具，属于 kero-stack 流程的一环。它回答的核心问题是“产品做什么”，仅专注于功能清单本身。该清单采用三列结构：代码、功能、功能说明。代码简短稳定，便于对话中指代；功能说明用一句话描述用户获得的结果，而非界面。清单不包含阶段、负责人、依赖关系，按用户正在做的事情分组，而非技术层次。每个功能都必须可回溯到产品论点，若无法对应研究结论，则要么是遗漏的发现，要么是不该存在的功能。产品“不做什么”也需一次性说明并附原因。命名在清单达成一致后进行，名称应概念化、简短有力，不描述功能，且需先确认语气。输出保存为 docs/scope.md。
Ralph Wiggum 是一种连续迭代循环模式，让 AI 智能体对定义明确、完成标准清晰的任务反复执行，直到输出指定的完成信号为止，常用于让测试通过、以 TDD 方式实现功能、重构、通过质量门禁等场景。
llm-council 是一个让多个视角共同评估重要决策的技能：把同一个问题交给 5 位不同思维风格的建议者独立分析，匿名互评后再由主席综合出最终结论，常用于定价、定位、转型等错误代价较高的判断。
Multi-LLM Debate + Grill Me 是一个多智能体辩论协议技能，用于在多个 LLM 之间就计划、设计或项目想法组织结构化辩论，先进行“grill me”式静默框架分析，再经过多轮交锋收敛出可用且有批判性的结论。
Promptor 是一个提示词方法论技能，通过“5 Circles”验证流程与 18 条优化技巧融合，生成可审计、可直接粘贴使用的提示词，支持 API 严格 JSON 输出、协作共创与对话式三种模式。
Skill Factory 是一个用于创建、审查、验证和优化 Claude 技能的进阶元技能，遵循 Anthropic 官方最佳实践，涵盖设计、实现、验证、迭代到分发全流程，产出可投入生产并便于分发的技能包。
task-observer 是一个在 Claude 技能体系内使用的“任务观察者”技能，用于在多步任务、智能体工作流或实质性工作会话中持续记录技能改进机会，把执行中遇到的摩擦、纠正与可复用流程沉淀为观察日志，供后续评审与技能更新使用。
面向 Google ADK 的 Agent-to-Agent（A2A）协议实现模式技能，涵盖通过 A2A 暴露智能体、消费外部智能体、多智能体通信、Agent Card 配置、gRPC 传输与安全卡等，提供 Python/Go 模板、脚本与示例，支持 Cloud Run、Agent Engine、GKE 部署。
面向 Agent-to-Agent（A2A）协议的 SDK 安装与配置模式集合，覆盖 Python、TypeScript、Java、C#、Go 五种语言的安装脚本、验证脚本、配置模板、环境变量与认证方式。
面向 Agent-to-Agent（A2A）服务器配置的技能，提供 HTTP、STDIO、SSE、WebSocket 四种传输方式的模板与配置模式，遵循 MCP 标准，覆盖 Python 与 TypeScript 框架，并强调 API Key 安全处理与环境变量管理。
面向使用 Vercel AI SDK 构建自主 AI 智能体的工作流模式集合，涵盖 ReAct 智能体、多智能体系统、循环控制、工具编排与自主智能体架构，提供模板、校验脚本与生产级示例。
该技能提供将 FastMCP Cloud 服务器与 Claude Agent SDK 集成的示例与排错方法，核心要点是 FastMCP Cloud 使用 HTTP transport 而非 SSE，并说明 API 密钥、URL 与包名的正确用法。
面向 Google ADK 双向流式（bidi-streaming）的配置模式合集，用于构建实时多模态智能体，支持语音、视频与流式工具，并提供模板、脚本与示例。
mcp-builder 是一份用于创建高质量 MCP（模型上下文协议）服务器的开发指南，帮助 LLM 通过设计良好的工具与外部服务交互。适合在需要构建或规划 MCP 服务器时参考，强调工具命名、上下文管理、错误信息可操作性，并给出 TypeScript/Python 实现与测试、评估流程。
codebase-memory-mcp 是一个用于代码库记忆与依赖图管理的技能，可解析 Git 检出、索引并验证代码库图，按需打开浏览器查看器，并安全审计缓存。
grill-me 是一个用于方案或设计评审的交互式提问技能。它会按照决策树的每个分支，逐一向用户提出问题，直到双方对计划达成共识。该技能的核心用途是：在推进某项计划或设计之前，通过连续、深入的提问澄清所有未明确的决策点，并处理决策之间的依赖关系。使用方式上，它每次只问一个问题，并在提问时给出自己推荐的答案；如果某个问题可以通过探索代码库来回答，则会改为直接探索代码库而非询问用户。它来自 vinvcn/mattpocock-skills，适用于需要系统性梳理设计方案、避免遗漏关键决策的场景。关于收费、价格、平台等具体信息，原始资料暂未提供。
handoff 是一个用于把当前对话压缩成交接文档的技能，方便新的智能体接手继续工作。文档保存到 mktemp -t handoff-XXXXXX.md 生成的路径，并建议下一会话可用的技能。
LLM Council 是一个“多模型议会”技能，用于在重大决策上召集三个前沿模型共同研判：Claude（当前会话）、通过 codex CLI 调用的 GPT，以及通过 gemini CLI 调用的 Gemini。它的核心产出不是三份并列答案，而是一张结构化的地图，标出三方在哪里一致、哪里分歧，以及哪些分歧对用户这次具体决策真正重要。流程分三轮：第一轮三方独立作答，各自直接给出最强立场并自陈最大风险；第二轮进行匿名交叉批判，用“Model A / Model B”隐藏同伴身份以防品牌偏见；第三轮由 Claude 综合六份输出，给出共识、分歧、最关键分歧和明确推荐，并强制进行自我偏见检查。适用于架构与设计、战略抉择（定价、定位、招聘）等长期影响大的决策，以及用户明确标注为高风险的判断；不适合事实查询、有唯一正确答案的代码问题、事前验尸式问题或追求速度而非深度的场景。
openviking-rule-search 是火山引擎 OpenViking 项目下的一个技能，用于在智能体执行任务前检索并应用适用于当前任务的 OpenViking Rules（规则）。它通过 openviking_rule_search 工具，根据任务上下文返回相应的约束规则，供智能体校验计划中的动作或回复是否合规。该技能强调将规则视为约束条件而非事实证据，要求不隐瞒已知事实以规避规则。适用于需要对智能体行为进行任务级约束校验的场景。具体安装方式、调用参数格式和平台支持情况暂未提供。
围绕计划、产品规格、设计、技术方案、实施或发布中的实质性未决用户取舍逐项追问并记录决定的技能。只在无法从代码、配置、权威工件或确定性执行关闭范围、优先级、取舍、风险、验收、依赖、视觉方向或发布授权时使用，不因新阶段或新模块自动触发。
AI-Scientist-v2 是 Sakana AI 开发的开源自动化科研系统，旨在通过智能体树搜索自动完成从研究想法生成、实验设计执行到论文撰写与自动评审的完整流程。其核心创新是树搜索机制：系统不只沿单一方向线性推进，而是维护一棵研究轨迹树，在每个节点分支出多个实验变体，评估结果后剪除无望方向、加大对成功方向的投入。该系统已在扩散模型、语言模型训练、优化等机器学习子领域生成过新颖且有效的研究论文，目前生成论文大致处于研讨会接收水平。
agent-output-reconciler 是一个用于多智能体协作的技能，作用是在做出验收决定之前，把多个已完成任务的结果核对并整合为一份基于证据的报告。它会检查缺失证据、范围漂移、相互矛盾和合并冲突，并保留 null、缺失、取消、拒绝、降级、失败等不同状态。该技能只描述发生了什么以及仍存在哪些冲突，本身不验收工作、不合并变更、不重试任务，也不写入规范记忆。它需要计划与任务 ID、各任务结果与日志路径、TaskCheckpoint、最新 PolicyDecision、仓库 diff 与测试证据等输入，最终输出包含计划与策略引用、逐任务角色与状态、证据引用、变更文件、测试、风险、被过滤或缺失的结果记录、有共同证据支持的一致结论、矛盾与文件冲突，以及带明确阻塞项的下一步建议。
write-agentsmd 是一个用于编写或审查 AGENTS.md（或 CLAUDE.md）编码智能体操作指南的技能，依据 AGENTS.md 开放约定，从长度、结构与有效性角度优化文件，强调控制 token 预算与信息密度。
Flashlight 是一个用于 wayfinder 地图（路标地图）的技能：它会向 map 的迷雾中打出一束光，按当前方向立即推进工作，而非遵循 frontier（前沿）的既有顺序，或直接重绘地图本身。它的核心输入为 /flashlight <map> <request>。调用时如果未提供 map，则需先索取。每次会话只打出一束光。使用前需先判断请求指向的是“territory（工作本身）”还是“map（已绘制的图）”：指向 territory 时，会创建一个临时 ticket 并按类型（Grilling、Research、Prototype、Task）推进、记录答案并调整地图；指向 map 时则读取整张图并提出一组修改清单，经人工批准后执行创建、更新、重排序、重连依赖、移出范围或取消等操作，并逐条评论。适用于在大型工作任务中用决策票据管理进度的场景，需配合具体 tracker 文档使用。