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

z-qwen-audio-studio

z-qwen-audio-studio 是一个基于阿里云 qwen-audio-3.1-tts-next 模型生成完整音频场景的技能工具，支持旁白、广告、播客、广播剧等多种模式，可结合最多三段参考录音完成多说话人配音。它通过命令行脚本提供环境检查、提示词编译与音频生成流程，生成前可先编译并查看提示词，生成后自动用 ffprobe 和 ffmpeg 校验输出文件，并留存生成报告。该技能还包含针对 400、401、403、404、429 等错误的排查说明。注意该工具涉及付费生成，需配置 DASHSCOPE_API_KEY 和 SFM_WORKSPACE_ID，具体计费信息暂未提供。

智能体与模型4 次安装

rule-creator

rule-creator 是一个用于创建和管理用户规则（user rules）的技能，通过自定义指令调整 AI 助手的行为。用户可用它定义编码规范、语言偏好、项目配置和工作流程指南等。该技能提供完整的规则创建工作流：识别规则用途、选择规则分类、编写规则、格式化规则并校验，还包含编码风格、项目配置、工作流等快速模板，以及规则的添加、更新与组织方法。规则需保存在 .agent/rules/ 目录下，每个分类一个文件，采用 kebab-case 命名，并支持 always_on、manual、model_decision、glob 四种激活模式及 @ 文件引用，帮助项目和个人的 AI 行为保持一致。

智能体与模型4 次安装

skills-manager

Skills Manager 是一个用于管理 Claude Code 技能（skills）的工具，基于 `npx skills` CLI 实现。它面向需要对智能体技能进行日常维护的用户，提供安装、删除、查看、查找和更新技能的能力。通过统一的命令行接口，用户可以在全局（用户级，跨所有项目可用）或项目级（仅当前目录）安装技能，也可以指定安装到某个具体 agent（如 claude-code）。查找技能时使用 `npx skills find <query>`，输出结果包含匹配的技能列表、安装次数和 URL，技能标识符格式为 owner/repo@skill-name。安装使用 `npx skills add`，支持 `-g` 全局、`-a` 指定 agent、`--all` 安装仓库内全部技能，并建议使用 `-y` 跳过交互确认。列表命令 `npx skills list` 可按全局、项目或 agent 过滤。删除使用 `npx skills remove`，更新使用 `npx skills check` 查看过时项、`npx skills update` 执行更新。整体定位是让用户以非交互方式高效地批量维护 Claude Code 技能。

智能体与模型4 次安装

workflow-build

Workflow Build 是一个用于运行固定路由式工作流的技能，流程结构为（judge-implement → judge-review）{1,n}。它适用于用户要求实现、修复或修改代码，并希望带有评审循环的场景。该技能本身是路由者，不直接编辑、评审或验证代码，而是派发 judge pass、读取其状态与发现处置结果，并据此路由下一轮 pass。它要求使用 log 技能在 docs/workflows/ 下创建共享工作流日志，始终将工作派发给子代理，并为每个 judge pass 传入相同的日志路径。驱动约定还规定使用固定的模型与努力等级、只根据 pass 状态和未决发现处置结果决定下一步、默认最多 3 轮实现-评审 pass、并在评审没有开放的 fix now 发现时立即停止。若任务需要先做探索或规划，则以 STATUS: ESCALATE: planning required 停止；若子代理不可用，则以 STATUS: BLOCKED: subagents unavailable 停止。

智能体与模型4 次安装

workflow-prototype

Workflow Prototype 是一个由用户显式触发的工作流原型（judge）技能，用于在需求尚不稳定、无法套用机械化计划-评审或实现-评审循环时使用。它负责探索、设计综合、原型范围界定、judge 调度、证据综合与交接，可在必要时派发规划、实现、评审 judge，形成“原型 judge → 被派发 judge → worker”三层结构。其核心目标是产出或更新一份可长期维护的设计文档，并可选地通过被派发的 judge 生成原型代码以演示、测试或收窄设计。设计中要求以设计文档作为理解的事实来源，以工作流日志作为协调的事实来源，并保证仅凭日志、当前设计文档与仓库即可让一个全新 agent 无聊天历史地接手工作。

智能体与模型4 次安装

ai-integrated-api-backend

这是一份面向生产环境的 AI 集成后端构建指南，来自 twofourlabs/agent-docs。内容围绕多供应商架构、智能回退机制、区域配置、数据库模型设计、提示词模板与外部 API 集成等主题展开，基于 Django ORM 与独立 LLM 网关的实践。它强调配置驱动而非硬编码、分层解耦、模板化提示词以及跨供应商回退链路，并给出 Bot、BotLLMConfig 等模型定义与可运行的示例代码，适合需要搭建稳定 AI 服务后端的开发团队参考。

智能体与模型4 次安装

unopim-ai-agent

unopim-ai-agent 是一套面向 UnoPim 的智能体技能文档，用于在 UnoPim 中添加、修改或调试 AI 智能体聊天工具（chat tool）。它覆盖 PimTool 类、ToolRegistry 注册项以及 ai-agent.tools 配置的编写方式，也覆盖 ai-agent:* 命令的运行与编写。该技能强调：LLM 会自行决定调用哪个工具并自造参数，因此每个工具都是不可信输入入口，每次读取都可能被要求返回整个目录数据。内容包含参考文件（tools.md、commands.md）、可复制的范例文件清单、常见“臆想 API 与真实 API”的对照，以及新增聊天工具的决策流程：先搜索现有 Tools 目录、选择 ACL 权限键、实现 PimTool 与匿名 ContextualTool、限制读取上限、写操作走审批队列与仓库服务、注册并在指定测试目录中测试。还列出了 UnoPim 特有陷阱，例如两层权限、审批模式、write 元数据驱动 UI、Octane 单例捕获、JSON 可移植性、Elasticsearch 可选回退、模型侧与用户侧文本差异、工具输出属第三方数据等。

智能体与模型4 次安装

eval-harness

评估框架，用于系统化衡量智能体（Agent）的性能。该框架围绕准确性、效率与可靠性三个维度展开，通过定义测试场景、运行评估、分析结果并输出报告，帮助识别智能体的薄弱环节并跟踪其随时间的改进情况。评估过程包含定义覆盖正常路径、边界情况、错误情况和模糊情况的测试用例，记录每次运行的输入、期望输出、实际输出、通过与否、Token 消耗、耗时和工具调用次数，然后计算总体通过率、分类通过率、Token 效率与错误模式等指标，最终生成包含摘要、分类结果和改进建议的报告。适用于在将智能体变更部署到生产前进行评估、比较不同智能体配置、识别行为弱点、跟踪质量变化以及验证提示词改进等场景。资料中提供了代码生成、代码审查和调试三类基准场景示例，并给出部分指标的目标参考值。该框架还包含一个反合理化表，用于反驳凭感觉判断、评估耗时、单用例足够以及上次通过即可等常见借口。

智能体与模型4 次安装