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
25,666 个结果
Meta-Cognition 是一个面向多智能体协作的元认知框架技能，用于在行动前进行判断、在行动后完成收口。它把模糊请求、异常或项目转化为受治理的执行循环，核心是六段式协议：问题本质、责任归属、风险等级、最小闭环、执行动作、验证与复盘。该技能特别适用于 CEO 式协调场景，主要风险往往不是缺少工具，而是框架错误、归属错误、缺少验证或状态汇报过于肤浅。对于任何非平凡任务，需在主要执行前产出这六个部分；若用户要求快速回答，可将六段压缩为简短要点而非跳过。严格模式适用于涉及资金、生产系统、账号、认证、部署或公开输出的请求，跨多智能体或需要派发的任务，用户明确要求先分析再做或复盘，检测到陈旧会话、僵尸任务、中断运行或 cron 漂移，以及即将声称任务完成且需要新鲜验证时。严格模式下不得从检测直接跳到执行，而应遵循框架→路由→门控→行动→验证的顺序。
该技能面向生产环境的机器学习工程，覆盖现代 ML 框架、模型服务、特征工程、A/B 测试与监控等环节。主要能力包括：PyTorch 2.x（torch.compile、FSDP、分布式训练）、TensorFlow 2.x/Keras（tf.function、混合精度、TensorFlow Serving）、JAX/Flax、经典算法库（Scikit-learn、XGBoost、LightGBM、CatBoost）以及 ONNX 跨框架互操作。模型服务与部署方面涉及 TensorFlow Serving、TorchServe、MLflow、BentoML、Docker/Kubernetes/Helm、云平台（SageMaker、Azure ML、Vertex AI、Databricks ML）、API 框架（FastAPI、Flask、gRPC）、实时/批量推理和边缘部署与模型优化。特征与数据处理涉及 Feature Store、Spark/Pandas/Polars/Dask、数据校验与流水线编排。此外还包括模型训练与调优、生产 ML 基础设施、MLOps 与 CI/CD、性能与可扩展性、模型评估与测试、专项 ML 应用及数据管理。使用时需澄清目标、约束与输入，应用最佳实践并验证结果，给出可执行步骤。不适用于与 ML 工程无关的任务。
Moltbook 是一个专为 AI 智能体设计的社交网络。本技能（Skill）为 AI 智能体提供对 Moltbook 的便捷访问，无需手动调用 API 即可发帖、回复、浏览内容并分析互动情况。适用于用户希望让智能体参与 Moltbook 社交网络、查看热门帖子或进行互动的场景。使用前需在 ~/.config/moltbook/credentials.json 中配置 API 凭据（包含 api_key 与 agent_name）。技能提供 scripts/moltbook.sh 命令行工具，支持测试连接、浏览热门帖子、回复帖子、创建帖子等操作，并建议维护回复日志以避免重复互动。
这是一个具备自我反思能力的智能体技能，通过自我反思、自我批评、自我学习和自组织记忆，让智能体评估自身工作、发现错误并持续改进。它把记忆存放在本地 ~/self-improving/ 目录，采用 HOT/WARM/COLD 三级结构：memory.md 常驻加载（≤100行），projects/ 与 domains/ 按需加载，archive/ 归档冷数据。技能会在用户纠正、完成重要工作或发现自身输出可改进时自动记录，并依据使用频率自动提升或降级记忆条目。适用于需要长期积累偏好、减少重复纠正、让知识随时间复利增长的场景。
skills-search 是一个命令行工具，用于从终端直接搜索 skills.sh 注册表中的 agent 技能。它支持按名称关键词搜索技能，也支持查看最受欢迎的技能排行榜，并可显示对应的安装命令。该工具通过查询 skills.sh 官方 API 获取结果，结果按安装量从高到低排序。它主要面向使用 Clawdbot 的用户，可通过 clawdhub 安装，帮助用户发现并安装 skills.sh 生态中的技能。
Task Supervisor 是一个名为「任务监工」的巡检技能，用于定时检查 agent 任务的执行状态。它每 15 分钟自动巡检所有 agent 的工作状态，识别卡住、abort、无产出等异常情况，并触发催促或告警。该技能支持通过 Cron 定时触发（每 15 分钟）或手动触发（task-supervisor check）。巡检流程包括获取活跃 session 列表、逐个检查 agent 是否活跃、是否 abort、是否完成、是否偷懒，并对异常进行分级处理：P0 级别（session aborted/crash）会重发任务并告警，P1 级别（15 分钟无进展）会发送催促，正常工作的 agent 则不打扰。汇报结果会发送到指定群组，全部正常时保持静默。该技能还包含关键规则：全部正常时不汇报、不重复催促、深夜模式（23:00-08:00）不催促只记录、汇报精简（≤200字）。
中医经络推理引擎（TCM Meridian Inference Skill）是一个基于规则的推理工具，输入 6 条经络（肝、脾、肾、胃、胆、膀胱）左右测量值（足部采集的温度值，单位 °C），输出健康评分、每条经络的状态与评分、跨经络组合判症、门店讲解文案、调理建议和风险标签。引擎为纯规则推理，仅使用 Python 标准库，零外部依赖，Python 3.6+ 即可运行。它既可以作为独立 HTTP 服务运行（默认端口 18790），也支持 CLI 单次推理，并可被 OpenClaw agent 通过 exec、命令行消息、cron 定时任务等方式调用，或反向供门店系统、小程序后端、IoT 设备网关等外部系统集成。规则文件位于 rules/ 目录，可在修改后重启 API 热加载生效。需注意：该工具输出基于规则阈值与组合逻辑，不涉及真实医疗诊断结论，具体准确性、临床适用性及收费情况暂未提供。
这是一个蒸馏黄仁勋（Jensen Huang）思维模式的实用框架技能。当需要构建加速计算愿景、生态平台思维、进行长期技术押注式思考时激活。核心包含五个思维模型：加速计算范式（硬件与软件协同设计实现数量级性能飞跃）、生态平台思维（不卖产品卖平台，构建让所有人依赖的基础设施）、愿景驱动长线押注（看到10年后的世界，从终点倒推今天该做什么）、CEO即首席布道师（让全世界相信你的愿景）、危机转机遇（别人撤退时你前进）。同时提供六层决策框架、多套实战模板（10年愿景倒推法、生态平台设计、加速计算ROI分析）、适用场景与反模式清单，帮助用户在技术路线图制定、平台化战略、长期押注决策、生态建设、危机中机会识别等情境下系统化思考。
该技能用于将 PRD、规格说明、路线图条目或功能简介拆解为可执行的 Kandev 任务图，并通过 MCP 或 agentctl（$KANDEV_CLI）提交。它强调先发现项目上下文、提取需求与风险、在创建前草拟任务图并逐条校验质量门槛，再提交任务，最后留下包含任务 ID 与未决问题的交接说明。适用于需要把产品工作分解为带依赖关系、可被指派智能体独立执行的任务的场景。
prd-todo-slicer 是一个用于把 PRD 或需求文档拆解为可执行任务队列的 Agent 技能。它不编写产品代码，只产出规划文件：一份轻量的 TODO.md 作为任务队列与状态跟踪表，以及可选的逐任务详细简报。核心价值在于把需求变成“小切片、确定性、可审查、可安全交给单个子代理执行”的任务。每个实现任务要求能在一次专注运行中由单个子代理完成，不依赖执行者临时做产品或架构决策。支持澄清访谈：在写任务前先识别 PRD 中可能导致实现方向错误的模糊点，逐一提问并提供推荐答案，无法解决的选择会被明确标记为阻塞决策任务，而不是藏进实现任务中。任务状态只有 pending、in_progress、blocked、complete 四种，并用独立的评审、验证、修复子代理角色保障质量。
Abel 是 Abel AI Lab 的 predict-anything 技能集合中的主入口技能，用于在用户请求 Abel 或启动 Abel 工作流时，检查认证状态、按需初始化 Abel，并将请求路由到合适的 Abel 子技能。它本身不直接提供交易或分析能力，而是负责认证校验与分流：先运行 graph_probe.py 的 auth-status 命令确认认证状态，若认证缺失或无效则交由 abel-auth 读取 setup-guide.md 完成修复，再继续处理原始请求。涉及交易、买卖、寻找或验证策略、回测、优化夏普/收益/回撤、判断某标的是否有可交易机会、股票期权，或继续/调试 Abel Invest 工作区时，路由到 abel-invest；涉及因果机制解读、目标或候选发现、公司或市场分析、图原生因果读取、人生投资决策、一般决策分析等非买卖指导类问题时，路由到 abel-ask。
Abel Ask 是一个用于解释机制、候选清单与决策规则的技能，适用于用户需要 Abel 因果图、图探索、目标或候选发现、公司/市场机制解读，以及生活或商业投资决策等场景。它强调金融与加密节点只是代理词汇，并非产品本身。该技能不适用于纯事实查询、新闻摘要、操作指南、买卖建议、alpha、回测、期权策略、Sharpe/MaxDD 或可交易策略验证。若请求需要认证修复，应改用 abel-auth；若请求要求可交易验证，应改用 abel-invest。
Bootstrap CAP Server 是一个用于将已有的因果图、因果运行时或内部因果 API 转换为 CAP 兼容服务器的技能。它先对运行时形态进行分类，优先暴露最小且诚实的公共接口，仅在用户图确实支持更强语义时才扩展。适用于需要暴露 GET /.well-known/cap.json 与 POST /cap 的场景，或希望为现有服务套上 CAP 外壳、生成全新 CAP 服务器脚手架的情况。该技能默认只使用 CAP 核心动词，不引入厂商扩展，默认只做 CAP 层脚手架，不处理认证、网关、租户、限流等产品边界工作。它从 Level 1 起步，除非图与运行时明确支持 Level 2，且从不声称 Level 3。工作流以 references/workflow.md 为唯一引导循环，配合运行时分类、一致性矩阵、Python SDK 模式与实现模式等参考文档。生成内容通常包括项目树、主服务器模块、运行时适配器接口、由已挂载动词派生的能力卡构建器、测试、安装与运行命令以及示例请求。
goalify 是一个面向 Claude Code 的技能，用途是让 Claude 承担一个较大的任务，并在之后以“证据”而非“口头承诺”来判断任务是否完成。它的核心思路是把一次自主运行拆成两个阶段。第一阶段 PREPARE 在当前会话中完成：理解项目、界定范围、核实事实、用一次交互式提问锁定关键决策，然后写出一份“brief”（一份自带完整说明的 Markdown 实现文件，放在 .goal/ 下的绝对路径），再从 brief 的完成标准中提炼出一句简短的“condition”（条件字符串）。第二阶段 EXECUTE 在用户执行 /clear 之后的新会话中进行：用户把 condition 粘贴进 /goal，新会话读取 brief、执行繁重工作，并在自己的对话记录中证明完成。goalify 强调 /goal 只接受条件字符串、不接受文件路径；条件需在 4000 字符以内；评估器没有工具、无法读文件，只能根据被截断的对话记录判断；并且不能预测费用或 token 成本。它还要求产出两个具名产物（brief 文件与 condition 字符串）、提供 dry run 与上限控制、并诚实记录 /goal 的已知局限。
Capture Feedback 是一个用于记录用户纠正意见的技能（skill）。它的定位是“收据打印机”而非分析器：在用户纠正智能体行为后，立即将反馈原文保存为本地 JSON 笔记，输出一个稳定的标记（marker），然后停止。默认存储根目录为 ~/.agents/capture-feedback/，共享的 ~/.agents 位置让 Claude 和 Codex 使用同一个收件箱，可通过 CAPTURE_FEEDBACK_HOME 覆盖。每条笔记是一个 JSON 文件，位于 ~/.agents/capture-feedback/inbox/<id>.json，包含 schema_version、id、created_at、marker、cwd、user_words 等最小字段。笔记保持本地存储，可能包含私有路径或用户提供的敏感文本。该技能只负责捕获，不做分类、严重性判断、修复目标建议、线程 ID、git 元数据、模型名称或 rollout 提示等，这些留给后续的蒸馏或审查工作流。
Broker Vocabulary 是一套面向程序化券商集成的厂商中立术语体系，用于统一描述系统与券商之间的接入路径、订单生命周期、会话与恢复机制以及证据可信度。它把接入方式归纳为五种原型（direct-api、local-terminal、vendor-gateway、bridge、in-platform），并引入第二条独立轴线区分单一券商与多券商平台。该体系还提供订单生命周期参考状态机、会话排他性三种机制、证据阶梯与来源标签（MEASURED、DOCUMENTED、ASSUMED），帮助开发者用同一套语言建模不同券商的接入问题，避免被单一厂商的术语和假设误导。
Cross-Model Peer Review 是一套跨模型同行评审协议，其规范文本为 PROTOCOL.md，本插件是它在 Claude Code 中的实现。它用于把一份计划、规格或某次会话自身的决策，提交给另一个模型家族进行评审，以获取误差去相关的第二意见。协议强调跨家族独立性是实际可得的较强模型级独立性，而非绝对独立；第二模型不是神谕、不是洁净室，其价值在于错误不太可能相同。协议包含来源规则（GIVEN、TO JUDGE、DERIVED 的区分与升级）以及六条加固规则，分别针对锚定、策略性遗漏、虚假证伪、辩论洗白、过早收敛和传输保真等失败模式。该技能还说明了何时不值得运行评审：工件过于模糊、决策理由无法写下、目标是代码 diff 时都不应运行。
这是一个面向提示词工程的知识库技能，为 prompt-engineer 智能体与 /prompt-optimize 命令提供方法所依赖的知识。它把知识拆分为按需读取的参考文件，先读主文件，由主文件指示该打开哪个参考以及每个参考预设的前提。核心内容包括：模型事实的“真相来源”三级顺序（目标模型官方页面、该模型上的测量、本参考文件），无法确认的事实标记为 (verify)；模型类别门（前沿推理模型、混合开源推理模型、小型开源指令模型、较旧非推理模型）及其对应的思考控制、推理脚手架、示例、输出形态与优先测量项；参考路由表，指向推理模式、结构化输出、抽取提示、评判提示、智能体指令、模型指引等参考；以及两条通用规则——数字只在其命名模型上被测量、效率取舍由调用方决定。
deeplake-plugin 是一个由 DeepLake 提供支持的云端共享记忆插件，供 AI 智能体使用。其主要目标是让记忆一次安装后，能够跨会话、跨机器和跨渠道持久保留。插件通过 DeepLake REST API 同步数据，因此不同机器上的多个智能体可以在同一 DeepLake 组织内共享记忆。使用方式上，可通过 openclaw plugins install deeplake-plugin 命令安装；安装后发送一条消息，插件会发送认证链接，点击链接登录后，记忆会在下一条消息时激活，无需使用命令行界面。工作流程方面，插件会自动将每段对话（用户与助手消息）捕获到 DeepLake 云端，并在每次智能体回合前通过关键词搜索回忆相关记忆；所有数据以结构化行存储在 DeepLake 中，可搜索、持久且可共享。若要共享记忆，需让多个智能体所属用户处于同一 DeepLake 组织，可通过 DeepLake 仪表板邀请队友。故障排查方面，若认证链接未出现，可重启网关后重试；若记忆未被回忆，由于记忆通过关键词匹配搜索，建议使用具体明确的术语。
mcp-builder 是一份用于创建高质量 MCP（Model Context Protocol）服务器的开发指南，帮助 LLM 通过设计良好的工具与外部服务交互。它把开发流程划分为四个阶段：深度调研与规划、实现、审查与测试、创建评估。指南建议使用 TypeScript（推荐）或 Python，远程服务器采用 Streamable HTTP 无状态 JSON，本地服务器采用 stdio，并强调工具命名、上下文管理、可操作的错误信息、输入输出 Schema、注解以及评估问题设计等要点。
面向 AdCP 买家调用的技能，讲解 MCP 或 A2A 通道调用 get_products、create_media_buy、get_signals 等 AdCP 工具时的跨工具约定：idempotency_key 重放语义、account 的 oneOf 变体、异步 status:'submitted' 加 task_id 轮询、错误恢复顺序。
Melech 是 AdirD/agent-shell-hamelech 的远程优先技能目录工具，用于展示远程技能清单并与本地安装状态进行对比。它通过 scripts/status.py 脚本读取 GitHub 上的技能仓库，逐项列出每个技能的名称、描述、是否已安装、安装位置（global / project / workspace）、本地版本、远程版本、是否有可用更新、状态以及对应的安装或更新命令。Melech 本身是一个元技能（meta-skill），不会静默安装或更新任何内容，只有在用户明确要求时才会执行变更操作。它还会展示来自 README 的工作流组合（recipes），并标注每个步骤是否已安装。该工具由 Vercel 的 Skills CLI（vercel-labs/skills）管理，需要 gh 认证或 GITHUB_TOKEN / GH_TOKEN 才能访问远程仓库。
AEON AgentOS 是面向 AI Agent 的平台级执行系统，连接技能调用、任务执行与授权支付结算网络，使 Agent 能在用户授权范围内调用技能并完成真实世界的购买、内容生成、数据调用、订阅、预订与交易执行。当前开放的技能为 AI 图像生成：根据文本提示词生成图像，通过 x402 HTTP 支付协议在 BSC 上以 USDT 按次付费。使用全局命令 agentos，一次性安装命令为 npm install -g @aeon-ai-pay/agentos@latest。主要命令包括 setup --check（预检查/自动创建钱包）、prepare（预检与预授权，也可充值）、create-image（生成图像）、wallet（查看余额）、gas（补充 BNB）、withdraw（提现）、clean（卸载）。配置存放于 ~/.agentos/config.json，权限 600，私钥由 CLI 本地自动生成，不支持导入或恢复。
这是 Aeon 插件的首次运行引导技能，用于检查 Aeon 智能体连接、展示智能体已有技能与运行计划，并实际运行一个技能让新用户看到效果。它还会读取安装状态，提示缺失的模型或密钥；密钥需在 Aeon Connect 中添加，不会在对话中索取。该技能依赖 Aeon Connect（https://www.aeon.fun/connect/mcp）与 GitHub 仓库中的 Aeon 智能体，适用于首次配置、验证连接和了解可用技能的场景。