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
25,658 个结果
Learner 是 oh-my-codex 中的一个技能，用于从当前对话中提取可复用的经验技能。它强调技能应是关于某类问题的思维原则和决策启发式，而非可复制粘贴的代码片段。使用前需自问：该内容能否 5 分钟搜到、是否为本代码库特有、是否经过真实调试才获得，任一不满足则不应提取。适用于解决棘手 bug、发现非显而易见的变通方案、隐藏陷阱或未文档化行为之后。技能以 Markdown 保存，含 YAML 元数据与洞察、重要性、识别模式、方法等正文结构，默认保存到项目级 .omx/skills/，仅真正通用的洞察才存到用户级 ~/.codex/skills/omc-learned/。
峰哥亡命天涯（周丽峰）认知视角技能，用于以他的思维方式分析问题。资料显示，该技能并非模仿语气，而是植入其认知上下文：程序员出身、写段子起家、拍三和大神成名、赴缅甸与乌克兰等经历。内容涵盖其信念来源、关键决策、栽过的跟头、内在矛盾、明确不懂的领域、看问题的方式、绝不做的行为、说话方式及影响来源。当用户需要峰哥视角分析问题时触发。资料未提供具体安装命令、平台支持范围、收费方式与使用步骤。
LangGraph Streaming 是面向 LangGraph 工作流的实时更新与进度追踪技能，提供五种流模式（values、updates、messages、custom、debug），用于实现进度指示、Token 流式输出、自定义事件和实时用户反馈。它支持通过 get_stream_writer() 发出自定义进度事件、按节点或标签过滤 LLM Token 流、开启 subgraphs=True 观察嵌套子图、同时组合多种流模式，并给出 FastAPI SSE 集成示例与 Python 3.11 以下异步配置传播的注意事项。
LangGraph 工具调用模式指南，涵盖工具绑定、ToolNode 执行、动态工具选择、审批中断、流式输出与错误处理，适用于在 LangGraph 工作流中集成工具调用的开发者。
检测 LLM 智能体“静默失败”的技能：当智能体看似正常却输出错误结果时，识别工具漏调、胡言乱语、无限循环与质量下降，并提供统计基线异常检测与告警思路。
用于检索 X/Twitter 社区精选的 Grok Imagine 视频生成提示词的技能，通过实时 API 按关键词搜索真实社区提示词，最多展示 3 条结果并附来源链接与 YouMind 画库入口，无需本地缓存或额外安装配置。
用于创建、更新、校验和打包 Codex 技能的辅助工具链，提供 init_skill.py 等脚手架脚本与目录结构规范。适合需要初始化技能目录、快速校验或分发打包时使用；若只是撰写 SKILL.md 内容本身，应优先参考 superpowers:writing-skills。
基于信念（Beliefs）、愿望（Desires）与意图（Intentions）的智能体认知建模技能，使用 RDF/Turtle 本体进行形式化表示，让智能体以可论证的推理方式行动，适用于长期复杂推理、多智能体决策与行为调试。
用于设计并搭建云端托管智能体基础设施的技能，涵盖隔离沙箱、后台智能体、多用户协作与状态同步，支持无限并发与一致运行环境，可选用Modal、Cloudflare、AWS等沙箱方案，强调预测性预热与子智能体生成。
Zapier MCP 的安装与配置引导技能：介绍 Zapier MCP 能连接 9000+ 应用，帮助用户完成认证、检测服务器模式（Agentic 或 Classic），并按客户端给出连接、诊断、添加工具与生成工具配置的步骤。
ZenML 解决方案架构技能，用于在编写代码之前，将宏大的机器学习工作流想法拆解为现实、可落地的 ZenML 流水线架构。它通过结构化访谈（如 Claude Code 的 AskUserQuestion、Codex 的 request_user_input，或普通对话中的编号提问）引导用户完整描述从原始数据到模型使用的全流程，识别数据源、处理阶段、模型工作、部署目标、运维需求、现有基础设施、共享计算约束、密钥归属和团队情况。随后对每个组件进行分类：哪些适合作为 ZenML 流水线（批处理、可重复、产出值得追踪的工件、多步骤、便于调试），哪些不适合（如极低延迟服务、持续流处理、无 ML 的简单 ETL、一次性迁移、仪表盘、告警服务、CI/CD），并给出替代方案。接着按触发方式、故障域、团队归属等原则将流水线拆分为数据、训练、批量推理、部署等独立单元，借助 Model Control Plane 连接各流水线，并确定 MVP 范围。最终产出一份约 80-150 行的 pipeline_architecture.md 架构文档，作为后续实现阶段的契约。
skill-creator 是一个用于创建、修改或精简跨模型与 Agent 宿主 Skill 的工具技能。它处理触发描述、职责边界、指令组织与行为验证，适用于编写新 skill、把重复流程转化为 skill 或改进 SKILL.md，不适用于普通项目实现或仅安装现成 skill 的任务。
Agent Council 是一个用于收集并综合多个 AI 智能体意见的工具。当用户说“召唤议会”“询问其他 AI”，或希望针对某个问题获得多个 AI 视角时可以使用。它通过脚本启动任务、等待结果、汇总输出，最终将多个 AI 的意见综合为一个答案。支持一次性运行和分步运行两种方式，并提供工作流说明、使用示例、成员配置、依赖检查、宿主界面清单和安全说明等参考文档。
wangmian-brain 是一个已退役的兼容入口技能，原名王冕分身大脑，现更名为法眼如炬（fayanruju）。资料显示其本身不再承担独立功能，仅用于在用户仍使用旧唤名时引导加载新技能。
wangmian-twin 是已退役的旧 Skill 名称，现作为兼容入口重定向至言出法随（yanchufasui）。当用户仍使用 $wangmian-twin、/wangmian-twin 或“王冕分身”时，应改为加载并遵循 yanchufasui。
Showdown 是一种并行竞赛式开发工作流技能：针对同一份设计文档，在互相隔离的 git worktree 中同时启动 2-5 个 runner，每个 runner 独立制定实现计划，并通过 Cerebras 托管的 LLM 生成代码。其核心思路是不共享预先编写的实现计划，让每个 runner 从共享设计文档自行推导计划，从而由独立规划决策自然产生差异化的实现方案。流程分为复杂度评估、并行执行、评审和收尾四个阶段：根据功能规模、风险信号决定 runner 数量，在单条消息中并行派发全部 runner，对通过测试与设计符合性门槛的实现进行 fresh-eyes 审查，再调用 judge 技能按评分框架打分选出优胜者。优胜分支经最终验证后保留，其余 runner 的工作树与分支被清理，结果写入 result.md。
mcp-builder 是一份用于创建高质量 MCP（Model Context Protocol）服务器的开发指南。它面向希望让 LLM 通过设计良好的工具与外部服务交互的开发者，提供从研究规划、实现、审查测试到评估的完整流程。指南强调 MCP 服务器的质量以能否帮助 LLM 完成真实任务来衡量，推荐使用 TypeScript 与 Streamable HTTP（远程）或 stdio（本地）传输，并给出工具命名、上下文管理、可操作错误信息、输入输出 Schema、注解以及评估问题设计等实践要点。
Suno 是 Ace Data Cloud 提供的音乐生成技能，可在 Claude Code 中通过已连接的 Ace MCP 使用 Suno 音乐工具。它提供生成音乐、自定义音乐、查询模型列表和获取任务结果等能力，需要配置 Ace Data Cloud API Token 并消耗 Ace Credits。适合在 Claude Code 内直接提交音乐生成或编辑请求，并按任务 ID 轮询结果。
Domain Model 是一个将产品需求文档（PRD）中的业务规则与用户旅程翻译为正式领域模型的技能。它围绕实体、不变量、关系与限界上下文展开，通过发现、实体、关系、规则、输出五个阶段的工作流，把 PRD 转化为可交接给下游的领域制品。适用于已有 PRD、需要建立共享领域语言的场景。
Lightpanda 是一款用 Zig 从零实现的无头浏览器，面向 AI 智能体、网页抓取与自动化场景。它不基于 Chromium、Blink 或 WebKit，通过 V8 引擎执行 JavaScript，并兼容 CDP（Chrome DevTools Protocol），可与 Playwright、Puppeteer、chromedp 等工具配合使用。据资料称，其内存占用约为 Chrome 无头模式的九分之一，运行速度约为其十一倍。它支持通过 --obey_robots 标志遵守 robots.txt，提供 fetch 与 serve 两种 CLI 用法，支持 Docker 部署，并可通过环境变量关闭遥测。项目处于 Beta 阶段，采用 AGPL-3.0 许可。
agent-symlink-init 是一个用于初始化或迁移智能体技能符号链接布局的技能。它把 .agents/skills 设为唯一来源，让 .claude/skills 指向该目录；当 CLAUDE.md 存在时，让 AGENTS.md 作为它的符号链接。该技能会先检测仓库中是否残留 ruler 或 sync-llm-skills 等旧版同步自动化，再按模块执行非破坏性、可重复的迁移：备份原有目录或文件、更新 .gitignore 以让符号链接被 git 跟踪、清理 package.json 中过时的脚本与 postinstall 片段。最后通过命令验证链接与配置，并汇总变更。
Agno 是一个开源的多智能体 AI 框架，用于构建、部署和管理生产级多智能体系统。它强调高性能（据资料称比 LangGraph 快 529 倍、比 PydanticAI 快 57 倍）、生产就绪（提供运行时 AgentOS 与控制平面）、安全优先（完全运行在用户自有云基础设施中）以及模型无关（支持 OpenAI、Anthropic、Google 等主流 LLM 提供商）。核心组件包括 Agents（由语言模型控制执行流的 AI 程序）、Teams（协作的智能体集合）、Workflows（编排的智能体与逻辑序列）和 AgentOS（生产部署运行时）。该技能为使用 Agno 构建智能体、实现 RAG、创建自主工作流、部署到生产、集成工具与记忆、调试优化等场景提供专家级协助。
Dify（Do It For You）是一个开源平台，用于构建智能体工作流与 LLM 应用。它提供可视化界面，让开发者无需大量编码即可设计复杂的 AI 流程，并支持与数百种 LLM 模型及现有工具集成。该技能适用于：使用可视化工作流构建 LLM 应用；创建 AI 聊天机器人与对话式智能体；实现 RAG（检索增强生成）系统；开发具备工具调用能力的 AI 智能体；部署生产级 LLM 应用；管理知识库与文档处理；将 LLM 与现有工具和数据源集成；监控与优化 LLM 应用性能。核心能力包括：可视化工作流引擎（基于节点的界面、拖拽组件、实时预览测试、版本控制）、模型支持（数百种 LLM、数十家提供商、模型对比、灵活切换）、RAG 流水线（文档处理、知识库管理、分块策略、向量/关键词/混合检索）、智能体能力（函数调用、ReAct 架构、50+ 内置工具、自定义工具、多步推理）、LLMOps（应用监控、分析仪表盘、调试工具、变量跟踪）、后端即服务（REST API、Web 应用、嵌入式组件、自动生成 API 文档）。
MCP（Model Context Protocol，模型上下文协议）技能，用于构建 MCP 服务器与客户端，让 LLM 能够接入自定义上下文、工具和资源。该技能覆盖 MCP 架构、核心概念（资源、工具、提示）、Python 与 TypeScript SDK 安装、服务器与客户端开发、Claude Desktop 集成、OAuth 2.1 授权与安全实践，以及使用 MCP Inspector 调试。适合需要为 AI 应用开发插件、集成外部 API、构建企业级 AI 集成或排查 MCP 服务器问题的开发者。