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 11-05 00:16

智能体与模型

25,663 个结果

automation-first

Automation First 是一个面向 AI 工作流与技能设计的指导原则，核心主张是：凡是软件能够安全完成的步骤，就不应要求用户手动复制、编辑、批准、重启、配置、修复或验证。它提出一条核心规则——每一个必需的手动步骤都是潜在的失败点，因此当平台提供安全接口时，应自动化确定性的设置与验证环节。该原则给出了明确的决策标准：当操作具备确定性、范围受限、可逆或可验证，并且有 CLI、API 或配置契约支持时，就应当自动化；只有真正无法安全自动化的能力才保留显式回退方案。文档还列举了良好自动化的特征，包括检测现有状态、保留用户配置、幂等性、检查退出码、验证结果以及以可操作的失败原因终止；同时指出糟糕的自动化会猜测未文档化的模式、全局禁用安全设置，或用警告掩盖失败。文档强调，说明文档应描述自动化做了什么以及如何恢复，而不是把例行的机器工作重新推给用户；如果全新安装后仍提示“现在请手动编辑或复制”，应视为工程缺口并优先排查。

智能体与模型4 次安装

brainstorming

这是一个用于在创意工作开始前进行需求挖掘与澄清的技能。它要求在任何创造性工作（创建功能、构建组件、添加功能、修改行为或规划新项目）之前，先通过开放式提问了解用户真正想要什么以及为什么。该技能强调用户往往尚未完全想清楚自己的需求，好的问题能帮助他们梳理思路。它会先判断任务是否简单直接，若非则启动对话，用具体场景和开放问题引导用户描述，并逐步回放理解、确认细节。对于项目级任务，它会撰写书面设计文档并经过构建者检查，确保可以独立规划实施。该技能还提供可视化伴侣、快速原型等辅助手段，并明确区分猜测与用户原话。

智能体与模型4 次安装

build-mcpb

build-mcpb 是一个用于打包和分发本地 MCP 服务器（MCPB，Bundled Local MCP Server）的技能。MCPB 将 MCP 服务器与其运行时一起打包成单个文件，用户安装后无需本机安装 Node、Python 或任何工具链即可运行，是分发本地 MCP 服务器的官方认可方式。该技能适用于需要打包 MCP 服务器、制作 MCPB、发布或分发本地 MCP 服务器的场景。MCPB 是次要分发路径，Anthropic 推荐远程 MCP 服务器用于目录收录；当服务器必须运行在用户机器上（读取本地文件、驱动桌面应用、访问 localhost 服务、调用操作系统级 API）时才应使用 MCPB。若服务器仅访问云端 API，应改用远程 HTTP 服务器。MCPB 包是一个 zip 归档，包含 manifest.json（身份、入口点、配置 schema、兼容性）、server/ 目录（服务器代码与打包依赖）和 icon.png。宿主读取 manifest.json，以 stdio MCP 服务器方式启动 server.mcp_config.command 并传递消息。服务器代码本身是标准 stdio MCP 服务器，工具逻辑中没有任何 MCPB 特有内容。MCPB 没有清单级沙箱，进程以完整用户权限运行，路径校验、spawn 白名单等安全责任完全由开发者承担。

智能体与模型4 次安装

capability-profiles

Capability Profiles 是 senjuwoo/ultimate-ai-starter-bundle 中的一项技能，用于按任务选择并启用合适的 MCP 服务器配置（profile）。它主张“连接最少的服务器完成当前任务”，把其余服务器作为按需启用的 profile 停放。用户只需描述目标，技能会依据意图和项目证据从 task-recipes.json 选择匹配条目，只加载相关阶段的技能，并可通过 Set-McpProfile.ps1 等脚本进行项目级配置。它涵盖游戏制作与模组、Web/UI、3D 资产、发布准备、技能与 MCP 组合、任务 profile 选择及故障诊断等场景，并强调区分“已安装、已配置、已激活、可调用”四种状态。

智能体与模型4 次安装

capability-routing

Capability Routing 是一个用于 AI 工具调用的路由决策技能，核心是：在动手写爬虫、抓取器、解析器、浏览器自动化层、API 客户端或任何包装器之前，先判断任务的“难点”是什么，再选择能直接覆盖该难点的最便宜且可靠的工具。它强调不要因为熟悉 shell、Python 或 Node 就重新造一个已安装能力的弱化版本，也反对用重型浏览器栈去读一个静态 JSON。技能给出四问检查法（当前工具列表是否已在做、是否有已安装但未启用的能力、是否有技能指明归属工具、自己写的实现是否真的更强），并提供按难点归属的路由表、失败信号识别、能力升级路径以及能力不可用时的干净回退方式。

智能体与模型4 次安装

context-compaction-fidelity

Context Compaction Fidelity 是一个用于长任务上下文压缩的技能，旨在在总结、压缩、交接或减少上下文时保留完成任务所需的关键事实与状态。它定义了压缩契约：在丢弃细节前，必须保留用户目标、验收标准、约束与明确的非目标；精确的标识符、版本、路径、命令、哈希、名称和外部引用；已完成工作及其验证证据；当前失败、未解决问题、阻塞项和假设；已执行或仍待批准不可逆操作；以及下一步可执行步骤。该技能强调区分已验证事实与推断，在总结时不得将不确定性转化为确定性。压缩后需通过保真度测试：新智能体能否在不重读被丢弃上下文、不重复已完成工作的情况下继续任务；若不能，则需恢复缺失状态后再继续。

智能体与模型4 次安装

diagnosing-superpowers

Diagnosing Superpowers 是一个用于事后复盘 superpowers 会话问题的技能。当一次 superpowers 会话出现异常——重复劳动、忽略计划、卡顿、结果不佳、某个技能未触发——且人类伙伴想知道原因时使用。它通过一次一个问题的方式明确问题陈述，在磁盘上定位并读取会话记录，按维度并行派出分析子代理，最终生成带 path:line 证据引用的报告。核心原则是：每条发现都必须引用 path:line，没有引用就没有发现；每个数字都必须来自会话记录或实际运行的命令，绝不凭记忆。该技能只负责报告，不负责诊断 superpowers 本身，也不提出修复建议；是否修改由分诊方决定。

智能体与模型4 次安装

dispatching-parallel-agents

这是一个用于并行调度多个子智能体的技能，适用于面对 2 个以上相互独立、无共享状态、无顺序依赖的任务时。其核心原则是按独立问题域各派一个智能体，让它们并发工作，从而避免顺序排查浪费时间。每个智能体获得隔离的上下文和精确构造的指令，不继承主会话历史，既保持专注，也保留主会话用于协调的上下文。技能给出了使用与不使用的判断流程、调度模式（识别独立域、创建聚焦任务、并行派发、审查整合）、智能体提示词结构、常见错误以及一个真实会话示例。

智能体与模型4 次安装

fictional-adult-modding

该技能用于对虚构成年角色进行成人向游戏模组（Mod）的技术开发工作，主要面向《上古卷轴5：天际》等支持成人模组的游戏。它覆盖 OStim、SexLab、成人服装与身体槽位、暴露护甲、SOS 或 slot 52、成人随从场景以及显式 EditorID 等任务。技能强调以模组技术实现为核心，保留作者原始编写的显式字符串、场景 ID、网格名称和标签，不将其改写为委婉语。硬性排除项仅包括：儿童角色、儿童种族、以未成年人为设定的校园内容或年龄模糊角色，以及真实人物的性相关内容。技能还提供任务路由，将 SexLab 转 OStim、新建场景或任务、护甲与身体模组、成人随从、动画条件、记录与 VMAD 等任务导向对应的子技能，并强调以已安装脚本或插件为最高证据来源。

智能体与模型4 次安装

local-model-ops

Local model ops 是一份关于把 LM Studio 本地模型接入 Hermes 的操作说明。它把 lmstudio 作为 Hermes 的一等 provider，默认走 http://127.0.0.1:1234/v1，无需配置密钥，并支持通过 LM_BASE_URL 覆盖地址、显式预加载模型、绕过磁盘上下文缓存。文档重点讲了三类容易踩坑的问题：一是 models 写成字典形式不会收窄模型列表，反而会与自动发现结果重复；二是 Hermes 默认强制 64,000 token 上下文下限，32K 窗口可能直接报错，需要显式设置 context_length 并确认 LM Studio 保存的上下文生效；三是别名要用 model_aliases 字典形式才能固定 base_url。此外还涉及显存预算（权重优先、KV 缓存随上下文线性增长、可量化 KV 缓存、设置空闲 TTL）、无密钥网页搜索（由 Hermes 的 web_search/web_extract 工具完成，可加装 ddgs 作为兜底）以及同一服务同时供 CLI 与聊天前端使用时的差异。

智能体与模型4 次安装

melty-mashups

Melty mashups 是一个用于在 Melty（melty.gg）平台上构建、打包、混搭或发布游戏 mashup 与 mod 的可选技能。Melty 是一个 Windows 启动器，用于安装并启动那些整合玩家已拥有游戏的 mod 与“mashup”（例如 SkyCraft = Skyrim SE + Minecraft）。该技能通过 Melty 的 MCP 服务器（https://melty.gg/api/mcp，可流式 HTTP）让智能体研究游戏、检查包并发布内容。它强调 Melty 官方应用与说明才是权威，技能只是让智能体遵循这些规则；独立游戏、浏览器游戏、模型和演示不符合条件，mashup 必须真正与其宿主游戏集成。该技能默认不会被捆绑包安装或路由到 Melty，属于可选技能。

智能体与模型4 次安装

prompt-cache-discipline

Prompt Cache Discipline 是一个面向大模型调用场景的提示缓存规范技能，适用于多次模型调用共享大量指令、工具定义、上下文或前缀，且缓存效率会明显影响成本或延迟的情况。其核心原则是保持稳定前缀的稳定性：把长期有效的指令、schema 和可复用参考上下文放在易变的对话数据之前，避免在没有正确性理由的情况下重写、重排、加时间戳或重新序列化已预热的前缀。技能要求把会话级状态保持精简，将易变事实追加在可复用前缀之后，并批量处理相关读取与推理，避免重复调用时反复发送略有差异的超大上下文。在有遥测能力时，应测量 cached_tokens、未缓存输入、输出、延迟和总成本。若必须压缩上下文，需保留长期约束，并避免频繁的微压缩导致缓存反复失效。该技能同时强调缓存命中永远不能凌驾于正确性之上：当事实或治理指令发生变化时，应有意地使过期前缀失效。

智能体与模型4 次安装

skill-creator

skill-creator 是一个用于“创建技能（skill）”的技能，服务于 Claude 类智能体的技能开发流程。它能帮助用户从零起草新技能、修改和优化已有技能，并通过测试与评估来衡量技能表现。其核心工作流包括：明确技能目标与触发场景、撰写 SKILL.md 草稿、设计真实测试提示、分别在有技能与无技能（基线）条件下并行运行、定性查看输出并配合定量断言打分、汇总基准数据、用评审查看器收集反馈，再据此迭代改写，最后扩大测试集验证。它还提供技能描述优化脚本以改善触发效果。适合需要为 AI 智能体构建、调试或持续改进可复用技能的用户。具体安装方式与收费暂未提供。

智能体与模型4 次安装

using-superpowers

该技能用于在任何对话开始时建立技能查找与使用规则：在做出任何回应（包括提出澄清问题、查看代码库或文件）之前，必须先检查并调用相关技能；如有技能适用，就必须使用，并在调用时说明用途、严格遵循技能步骤。它强调流程类技能优先于实现类技能，例如“构建某功能”先头脑风暴再实现，“修复缺陷”先系统化调试再使用领域技能；同时列出常见自我合理化借口及应对，并提供针对 Claude Code、Codex、Pi、Antigravity、Hermes Agent、Muse 等平台的特殊说明文件引用。用户指令优先级高于技能，技能高于默认行为。

智能体与模型4 次安装

verification-before-completion

这是一个面向 AI 编程助手(Agent)的行为约束技能，核心原则是“先证据、后声明”。它在 AI 即将宣称任务完成、修复成功或测试通过之前，强制要求运行完整的验证命令，读取完整输出，检查退出码与失败数量，确认输出确实支持所要做出的声明，然后才允许表达完成、满意或进行提交、创建 PR、交接给其他 Agent。该技能包含铁律、五步门禁流程（识别、运行、读取、验证、再做声明）、常见失败对照表、危险信号清单和借口预防表，并给出测试、回归测试、构建、需求核对、Agent 委托等场景的正确与错误示例。它明确不负责视觉呈现、运行时产物、进程清理和外部事实核实，只负责“声明前必须有新鲜证据”这一道门禁。

智能体与模型4 次安装