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

use-claude-code-subagents

这是一个用于在 Cursor 中运行的技能，作用是在 Cursor 的子代理被父模型接管时，让项目里的自定义子代理改由 Claude Code（无头 claude -p）执行，从而每个子代理都能使用其 agent 文件中指定的模型。它先定位代理文件并读取 frontmatter 与提示词，映射模型 ID，再通过单引号 heredoc 传入任务简述并在 Shell 中运行，最后依据 modelUsage 报告实际使用的模型。适用于需要让 Cursor 自定义子代理按文件指定模型运行的情况，不适用于 Cursor 内置子代理、Cloud Agents，以及模型字段缺失、inherit 或非 Anthropic 的代理。

智能体与模型4 次安装

agentpay

AgentPay 是运行在 Open Money Stack（OMS）上的用户自有支付智能体，通过 polygon-agent CLI 使用。钱包归用户所有，用户用邮箱或 Google 账号登录，各链共用同一钱包。智能体只能在用户登录时批准的额度内消费——默认是 30 天内的一笔美元总额；超出额度、使用其他代币或链、续期、提现、管理访问权限等，都需要用户重新登录批准。它支持查看余额与行情、充值与转账、买卖兑换跨链、收益金库、价格监控与提醒、Polymarket 预测市场、通过 x402 调用付费服务（搜索、抓取、新闻、推理）、ERC-8004 链上注册与声誉等任务，每个任务有对应参考文档。使用前须先运行 wallet status 检查登录与额度状态，再按需登录、充值并执行用户请求。

智能体与模型3 次安装

open-money-agent

Open Money Agent 是运行在 Open Money Stack（OMS）上的用户自有支付代理，通过 polygon-agent CLI 使用。用户使用自己的邮箱或 Google 账户登录，钱包归用户所有且在各链上一致。代理仅在用户登录时批准的额度内支出（默认每30天一个美元总额），超出额度、使用其他代币或链、续期、提现或管理访问权限均需用户重新登录批准。代理支持查看余额与价格、添加资金、向地址发送、买卖/兑换/跨链、赚取收益、设置价格提醒、Polymarket 交易、使用付费服务（x402）以及在链上注册代理身份（ERC-8004）等任务。

智能体与模型3 次安装

chain

chain 是一套面向智能体（agent）工具链的编排技能，把四个独立工具组合成一个工作流：ketch（外部检索）、cymbal（代码结构导航与影响面分析）、recoil（已定决策的记忆与校验）、brainfile（任务状态记录）。它要解决的问题是智能体在编码时常见的错误顺序——先上网搜索，而仓库里其实已有答案。chain 提出“reach order”（触及顺序）：先查已定论的知识（recoil），再查任务状态（brainfile），然后查本地代码（cymbal），最后才查网络（ketch）。技能还规定了“write-back”（回写）纪律，要求把决策、任务、检索结果写回对应工具，让下一次会话起点更高；并说明各工具间的衔接点（seam）、工具缺失时的应对方式、安装入口（chain.sh 引导脚本及各工具自己的安装页）和完成前的核查清单。四个工具彼此不依赖，可单独使用，也可同时安装。

智能体与模型3 次安装

ai-agents

“ai-agents”是 1mangesh1/dev-skills-collection 中的一项技能，聚焦于构建 AI 智能体：工具使用、链式调用、记忆以及基于大语言模型的自主工作流。其内容指出，AI 智能体就是连接了工具并在循环中运行的 LLM——由模型决定做什么、调用工具、观察结果并重复，直到任务完成；没有循环和工具，它只是聊天机器人。资料给出了核心智能体循环（观察、思考、行动、观察）、OpenAI 与 Anthropic 两种工具/函数调用格式、ReAct 模式、Python 与 TypeScript 最小智能体代码、记忆模式、多智能体模式、常用工具清单、错误处理与重试、Token 管理、防护栏、框架概览、评估方法以及常见智能体模式等内容。当用户提到“AI agent”“agent development”“tool use”等关键词时可使用。具体安装方式与收费信息暂未提供。

智能体与模型3 次安装

agent-ergonomics

Agent Ergonomics 是一套用于重新设计具体系统的技能，目标是让 AI 智能体能够可靠地操作该系统，使其成为「智能体原生」「智能体易用」的系统。它主张从操作者视角出发：智能体在上下文有限的情况下进入系统，需要发现事实、选择被允许的动作、经济地执行、验证效果、从失败中恢复，并为下一次运行留下有用证据。该技能优化的是这一完整闭环，而非孤立组件。它给出三个核心定义：agent-intuitive（让系统目的、词汇、状态、能力、约束与下一步动作可从权威且可发现的界面推断）、agent-ergonomic（在保持正确性与用户控制的前提下，减少不必要的推断、导航、编排、上下文重建与错误恢复）、agent-accretive（把已验证经验转化为有范围、可归因、可修订的资产）。工作流程包括：建立工作契约（默认 improve-docs 模式，另有 audit、implement）、在开处方前重建系统模型、以智能体身份走查系统、选择最小且连贯的干预、应用协调一致的变更、验证重新设计后的整体，最后以证据而非热情收尾。该技能强调把设计目标当作可测试项而非文档形容词，不虚构缺失事实，不因系统面向智能体就盲目引入 MCP、CLI、图、事件溯源、向量存储、新数据库或通用 API 封装等机制。

智能体与模型3 次安装