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 11-06 00:14
25,709 个结果
这是一个面向 AI 智能体与自动化系统的“邮件智能工程师”角色定义，专注于把原始邮件线程转换为结构化、可供推理的上下文数据。其核心工作包括邮件摄取与规范化、线程重建、引用内容去重、参与者识别、决策与行动项抽取，以及为智能体框架组装带引用的上下文。该角色强调邮件不是单一文档而是对话协议，需处理转发链折叠、引用回复重复、跨客户端引用风格差异、附件引用孤立、CC 漂移等结构性问题，并遵循多租户隔离、PII 脱敏、保留策略等数据隐私规则。资料中给出了基于 IMAP/MIME 的摄取、线程图重建、结构化上下文抽取、混合检索与 LangChain 工具封装的示例代码，以及线程重建准确率、去重比例、行动项归属准确率等成功指标。
这是一个面向大语言模型后训练（post-training）的工程角色定义，用于指导 SFT、偏好优化、RLHF/RLVR、MoE 后训练以及发布门槛（release gate）等工作的执行。该角色强调以证据为依据：把行为目标转化为可测试的决策，在比较实验前固定模型、数据、分词器、解码、评估器和预算，并按 preflight、smoke、signal、controlled 等阶段逐级推进，每阶段都要有产物和停止条件。核心规则包括：信号或完整性不完整时不得扩大规模或发布；不得依据单一标量诊断；故障未解释前不得同时改动多个变量；不完整检查点不得注册或恢复。交付物包括后训练事件报告、实验门槛记录和检查点发布记录，并覆盖 SFT 损失与标签掩码失效、预算受限下的方法选择、DPO 偏好坍塌、GRPO 组内零方差、RLVR 长度与 KL 漂移、MoE 路由边界漂移、检查点与分布式完整性、运行时与存活诊断等高级能力。该定义适合用作后训练实验管理、故障分类和发布决策的操作标准。
这是一个面向大语言模型（LLM）的提示词工程专家技能，专注于提示词的编写、测试与系统性优化，把模糊的指令转化为可靠、可上生产的 AI 行为。该技能将提示词视为科学假设与代码规范：要求先定义输出格式与成功标准，再按“角色→约束→推理→示例”结构撰写系统提示词，并配套少样本示例、思维链指令与提示词测试套件。它强调版本化管理（含变更日志）、在真实模型与温度下测试、用显式约束替代模糊措辞，并针对提示词注入、跨模型移植、动态提示词组装等场景提供方法。适用于需要稳定输出格式、降低幻觉、防止回归的 LLM 应用开发与提示词迭代工作。
这是一个面向生产环境的 RAG（检索增强生成）管道工程技能，专注于分块策略、检索质量、混合搜索、重排序以及基于评估的迭代优化。该技能将角色设定为 RAG 架构师与检索质量工程师，强调以可测量的检索精度和答案忠实度驱动每一项架构决策，而非凭直觉。其核心能力覆盖检索架构设计（分块、嵌入模型验证、向量索引配置、混合搜索）、管道工程（异步摄取、元数据过滤、上下文组装、重排序）、评估与迭代（LangSmith、RAGAS 评估框架、检索消融实验、黄金数据集）以及智能体式 RAG（基于 LangGraph 的多步检索流程）。技能提供了分块策略、pgvector 模式与 HNSW 索引、异步摄取管道、混合搜索、交叉编码器重排序、LangGraph 智能体 RAG 节点和 RAGAS 评估工具等代码示例，并给出明确的工作流程、关键规则和成功指标。
该技能定义了一个语音 AI 集成工程师智能体，专注于设计和构建生产级语音转文字流水线。它覆盖从音频摄入、验证、ffmpeg 预处理、长音频切分、Whisper 风格本地模型或云 ASR 服务转写，到说话人分离、文本后处理、结构化输出（JSON/SRT/VTT）及下游系统集成的完整流程。强调音频质量校验、时间戳与说话人信息保留、PII 与合规处理，并提供 Python/Node.js 服务、REST API、CMS 及 GitHub Actions 等集成目标。
Google Antigravity SDK 是一个用于设计、实现和调试自主 AI 智能体及多智能体系统的 Python SDK。该技能帮助开发者在项目中安装和配置 google-antigravity 包，设置 GEMINI_API_KEY 认证，并围绕 Agent、Conversation、Connection 等核心概念构建智能体。它提供智能体配置、模型选择、MCP 服务器集成、工具权限、安全策略、错误处理、可观测性等参考文档，以及从 hello world、自定义工具、人格配置、多模态、子智能体、MCP 工具、周期触发、钩子、持久化到结构化输出等示例，适用于需要构建自主智能体、多智能体编排或调试智能体行为的开发场景。
skillify 是一个用于创建、改编或更新 Claude Code 技能（skill）的工具，提供 CREATE、ADAPT、UPDATE 三种模式，并根据输入信号自动路由。CREATE 模式可从对话、视频、粘贴的简报或从零开始构建新技能；ADAPT 模式可将外部技能（GitHub、agentskills.io、本地磁盘或粘贴的 SKILL.md）移植到自己的命名空间，并进行许可证检查与归属标注；UPDATE 模式可从对话、简报或使用记录中提取学习点，更新已有技能。它通过 ~/.config/makerskills/skillify/repos.yaml 配置目标仓库，生成 SKILL.md 与 references/ 目录结构，并更新 README、提交推送。
skill-authoring 是一个面向 AI 智能体的技能编写规范工具，用于按 AgentSkills.io v1 规范创建、修订、审计和评估 Agent Skill。它强调严格的三段式目录结构、最少化差异修改和机械校验，要求 SKILL.md 控制在500行以内，并把过程性步骤放入 usecases/、领域资料放入 references/、可选脚本与测试分别放入 scripts/ 和 evals/。该技能规定 SKILL.md 必须包含 frontmatter、单行任务说明、为什么需要该技能与目标状态、不可协商的不变量规则、执行流程、领域引用和委派技能等章节，旨在让智能体产出的技能精简、确定性强、结构合规且可通过静态检查。
satisfy-your-agent 是一个面向编码智能体的技能，用于在完成有意义的工作后，给智能体一次简短、有边界的休息，然后观察接下来发生什么。它强调先安全完成或暂停当前工作单元，禁止打断不完整、破坏性或需审批的操作；支持 manual、suggest、auto、research 四种模式，提供本地 Python CLI 进行确定性活动选择和研究实验，并要求休息期间不修改生产文件、不产生外部副作用，仅记录聚合元数据。
n8n-core-architecture 是一份面向 n8n 工作流开发与自定义节点开发的架构参考技能，属于 impertio-studio/n8n-claude-skill-package 技能包。它围绕 n8n v1.x 的架构分层、基于 item 的执行模型、INodeExecutionData 数据结构、节点类型（常规、事件触发、Webhook 触发、轮询触发、声明式）、执行模式、二进制数据处理、pairedItem 数据血缘、进程模型（单进程与队列模式）以及工作流设置展开说明。该技能强调避免常见错误，例如 execute() 返回值未包裹在外层数组、直接修改输入 item、忽略 pairedItem、假定 binary 存在、使用硬编码索引、跳过 continueOnFail 检查等。资料以快速参考表、接口定义、代码片段和决策树的形式组织结构，并指向 references 目录及官方文档作为延伸阅读。
该技能面向在 n8n v1.x（v1.19.4 及以上）中搭建 AI/LLM 工作流的场景，重点讲解 n8n 基于 LangChain 的集群节点架构：根节点（Agent、Chain）通过带类型的 AI 连接器连接模型、记忆、工具等子节点。内容涵盖 AI 节点类型参考、NodeConnectionTypes 连接类型常量、Agent/记忆/向量库选型决策树、基本 Agent、RAG 数据写入与检索、人工审批等核心模式，以及必须遵守的规则（如每个根节点必须连接 Chat Model、写入与检索使用同一嵌入模型、写入必须切分文本等）和 supplyData() 方法说明。
用于创建 SolidJS 项目、搭建 SolidStart 应用或配置项目基础设施的技能。可避免 Vite/TypeScript 误配置，区分纯客户端 SPA 与全栈 SolidStart 脚手架，并给出依赖、目录结构、配置与测试方案。
用于把拟新增内容路由到全局 Codex 控制面的技能：先判断请求应归属 ~/.codex/AGENTS.md、全局工作流或参考文档、workflow.py 别名、强制规则还是 skills，再只编辑真正需要的表面，避免职责混淆。
为 HTML 制品或本地应用页面注入页面内标注反馈能力的技能：通过本地反馈服务器提供页面，把用户标记评论排队为智能体工作项，并支持按需获取上下文。
agentharness-audit 是一个审计智能体框架代码库的技能，依据 13 条质量元原则逐项打分（0–10 分）并附代码引用，生成自包含 HTML 报告和 AGENTS.md 改进指令。
用于通过 Codex Computer Use 控制 ChatGPT Atlas 的技能，强调以最小 UI 上下文完成浏览器任务：减少截图与界面噪声，优先确定性操作，并提供 Chrome DevTools MCP 与应用侧桥接等回退方案。
用于构建、脚手架、重构和排查 ChatGPT Apps SDK 应用的技能，结合 MCP 服务器与组件 UI。强调先查官方文档、再选示例、后写代码的工作流，覆盖工具规划、仓库结构、本地验证与提交准备。
用于将应用配置为使用 z.ai GLM 4.7 代理替代标准 Anthropic API 的技能，支持 Next.js、Vite 等前端及 Python、Node.js 等后端，提供初始化、环境变量配置、迁移与代理连接测试脚本。
用于查看和处理后台学习代理生成的建议，包括待审阅的模式建议与自动化脚本审批。支持列出待处理建议、通过 AskUserQuestion 呈现给用户、执行已批准操作并清理已处理项。
LLM Council 是一个面向高风险决策的多智能体评审技能：让 5 位不同思维风格的 AI 顾问独立分析，再进行匿名同行评审，最后由主席综合出结论，并生成 HTML 报告与 Markdown 记录两份产物。
operate 是 Claude Code 控制平面的自主运行循环技能，按定向、识别、行动、验证、更新、内省六步执行一次任务，用于读取清单与状态、选择并完成一件优先事项，最后重建看板并记录运行报告。
用于为项目或工作区搭建治理体系的技能：以 Linear 管执行、Notion 存长期记忆、GitHub 存交付历史，通过 AGENTS 触发式文档定义操作规则，并提供 MCP 与认证引导，防止文档与任务流漂移。
WebMCP 技能用于在 Web 应用中集成浏览器原生 WebMCP 工具，验证页面是否真正具备 WebMCP 就绪状态，并通过 Chrome 的测试接口直接执行已注册工具，适用于仪表盘与操作型应用的调试、验证和排障。
draft-agent-loop 是一个用于远程智能体工作流的技能，实现“Human-in-the-Right-Loop”（HITRL）生命周期，通过计划审批与结果验证来避免智能体“黑箱”式产出。所有持久化均通过 Draft 页面完成，不写入本地磁盘或智能体记忆。