SuperAPI AI 工具集

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

25,666 个结果

entropy-box

Entropy Box 是面向具身智能开发的知识编译器与能力底座,由 sickn33/agentic-awesome-skills 提供。它把论文、代码仓库、ROS 包、模型、数据集、仿真器、基准和工程文档等分散资料,编译为持久、带类型、去重、可被机器消费的知识产物。其公开全景图谱通过领域、垂直主题、任务链、归一化能力、实现资产、依赖关系和证据来表示该领域,帮助理解技术问题在具身智能系统中的位置及知识组合路径。Solution Consult 是主要运行时能力,调用方需自行澄清需求并将目标拆解为有界技术问题,不要把“造一台通用机器人”这类模糊目标作为单次查询。导入的 2026 年 9 月快照报告超过 52,177 个实体节点、7,913 条任务链、66,714 条依赖边、37,757 个原子能力或关联资产、2,511 个垂直主题库,这些数字会变化,引用前应核实站点。适用于具身智能任务(操作、导航、感知、控制、规划、仿真及相关系统)的有据可查实现路径、方法/能力/资产/依赖/证据比较、问题映射与开发工作流组装;不用于直接控制物理机器人,也不适用于无关科学领域或通用软件开发。

智能体与模型3 次安装

folder-specific-claude-and-agents-md

该技能用于为指定文件夹创建局部范围的 CLAUDE.md 与 AGENTS.md 指导文件,供未来的智能体(如 Claude Code、Codex 等)在该目录下工作时读取。它强调先确认目标文件夹是否值得创建此类文件,再完整阅读文件夹内所有文件,随后与用户迭代草拟内容,最终写入 <folder>/CLAUDE.md 并创建指向它的 AGENTS.md 符号链接。内容组织涵盖用途、受众、关键文件、约束(MUST NOT)、约定、已锁定决策、上下文、协作方式等分区,要求每条内容均可追溯到实际文件或用户表述,避免通用模板,且不重复全局 CLAUDE.md 的内容。

智能体与模型3 次安装

llm-fine-tuning

该技能用于搭建大语言模型(LLM)微调基础设施,覆盖从单卡 LoRA 到多节点分布式全量微调的完整流程。支持使用 Hugging Face TRL、PEFT、bitsandbytes 与 Axolotl 进行 QLoRA、LoRA 及全量微调,并可通过 DeepSpeed ZeRO Stage 3 或 FSDP 实现分布式训练。内容包含 QLoRA 快速上手代码、Axolotl 生产级配置示例、DeepSpeed 配置、DPO/RLHF 对齐训练、LoRA 适配器合并导出、Kubernetes 训练任务编排,以及常见问题排查与最佳实践。适用于领域数据微调(法律、医疗、代码、客服)、消费级 GPU 上微调 70B 模型、指令微调与偏好对齐、以及将微调适配器导出用于生产推理服务等场景。

智能体与模型3 次安装

n8n-agents

n8n Agents 是一份关于在 n8n 中设计 AI Agent 及其 LangChain 相关节点的深度指南,覆盖 AI Agent、基础 LLM Chain、文本分类器、信息提取器、情感分析、摘要链等节点的选型,以及模型、记忆、工具、输出解析器等子节点的连接方式。内容重点包括工具命名与描述规范、$fromAI() 参数填充、结构化输出校验与容错、记忆后端选择、二进制与 Agent 边界、人工审核(HITL)门控、聊天机器人防自触发循环、RAG 检索工具化等。文档强调将外部内容视为不可信数据、在确定性节点中做授权与限额、密钥仅存于 n8n 凭据、副作用操作需用户授权与审批门,并提醒先检查已安装节点版本、在禁用副本上验证。适用于构建多轮工具调用、分类抽取、结构化输出和带人工复核的 n8n 工作流。

智能体与模型3 次安装

openclaw-local-mac-mini

该技能是一份在 Mac mini 上本地部署并可靠运行 OpenClaw 的操作指南,面向私有、常驻的本地智能体工作流。内容涵盖使用时机、前置条件、安装与配置流程、服务生命周期设置、主机可靠性检查及限制说明。指南强调先审查并固定不可变更的 OpenClaw 版本,检查官方前置条件与安装方式,通过受支持的非管理员用户和引导界面配置,将凭据存入受支持的密钥机制并限制文件权限;服务持久化采用官方 macOS 每用户 LaunchAgent,而非旧的 root LaunchDaemon。指南还要求验证实际监听地址、端口(文档默认 18789)与认证,绑定私有地址并限制远程访问;Docker 仅使用所选版本实际支持的 Compose 文件,固定镜像、绑定回环端口、保留备份。文中同时明确其仅为指导性文档,未实际执行任何 CLI、宿主安装或模型请求,硬件规格取决于工作负载与所选本地模型,不提供安装器或生产 Compose 模板。

智能体与模型3 次安装

runapi-cli

RunAPI CLI 是 RunAPI 模型任务的执行层命令行工具,供智能体或脚本调用 RunAPI 服务,生成 AI 图像、视频、音乐与音频,也可提交一次性模型任务、传入 JSON 请求体、等待异步任务完成,并在终端、服务器或 CI 环境中使用。工具以 JSON 优先设计,支持查看服务与命令字段帮助、管理鉴权与账户状态、查询余额,以及把技能安装到 Claude、Codex、Gemini 等智能体运行时。

智能体与模型3 次安装

train-sentence-transformers

该技能用于训练或微调 sentence-transformers 系列模型,覆盖三类模型:SentenceTransformer(双编码器,输出稠密或静态向量,用于检索、相似度、聚类、分类、释义挖掘、去重与多模态)、CrossEncoder(重排序器,联合打分 query-passage 对,用于两阶段检索与配对分类)、SparseEncoder(SPLADE,词表稀疏向量,用于学习式稀疏检索与倒排索引后端如 Elasticsearch/OpenSearch/Lucene)。技能本体是一个路由文件而非操作手册:它指明针对具体任务应加载哪些 references/ 参考文档与 scripts/ 示例脚本,实际内容(推荐损失函数、评估器、训练脚本结构、模型选择、训练参数、故障排查)位于这些文件中。使用流程为:判断模型类型(含糊时提问确认)、通读该类型的必读参考、复制 types 对应的生产模板脚本作为起点、替换模型名/数据集名/运行名/损失与评估器、先做 max_steps=1 冒烟测试再正式运行、运行后记录实验并按需提出迭代。产出脚本需满足若干硬性约束,如记录基线分数、输出单行 VERDICT 判定、抑制 HTTP 日志、日志落盘、带异常保护的 Hub 推送等。依赖安装需 sentence-transformers[train]>=5.0,强烈建议 GPU。

智能体与模型3 次安装