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 11-08 00:04
25,881 个结果
Agently TriggerFlow 子流程技能，用于在 TriggerFlow 工作流中通过 to_sub_flow(...) 构建隔离的子工作流。该技能重点讲解何时应将嵌套工作流隔离为可复用的子流程而非内联展开，以及父子流程之间的数据交接方式：通过 capture 将父流程的 value、runtime_data、flow_data 和 resources 显式传入子流程，再通过 write_back 将子流程的结果或派生状态显式写回父流程的 value、runtime_data 和 flow_data。技能还涵盖子流程状态与父流程及可复用子模板之间的隔离、子流程流事件在父流程运行时流中的桥接可见性，以及当前子流程的限制（如子流程暂停/恢复支持）。前提条件是 Agently >= 4.0.8.5。该技能不涉及普通线性流程构建、分支、batch(...)、for_each(...)、collect(...)、模型与提供商配置、独立的中断设计、流程配置导出导入以及执行状态持久化。
面向智能体的自我改进协议：在修改自身提示词或配置时，要求基于证据与成熟提示工程模式提出改进，先展示前后对比与理由，由用户批准后再应用。
一个通过命令行调用视觉模型来分析本地图片或图片URL的技能，可将图像内容转为文字描述，供后续推理使用。适用于分析截图、照片、示意图、UI界面、图表和错误对话框等。
agentteams-find-worker 是 AgentTeams 中用于从 Nacos 发现并导入 Worker 的辅助技能。当管理员分配任务但未指定现有 Worker 时，该技能可按需求在 Nacos 中搜索合适的 Worker、推荐候选并询问是否导入；当管理员明确要求从市场导入 Worker 或提供 nacos://... 包 URI 时，也可用于确认 Worker 名称后安装。它仅处理 Nacos 支持的 Worker 搜索与安装，不适用于通用手工创建 Worker，也不支持 zip 或其他导入格式。使用时先通过脚本按需求查询并返回 JSON 结果，待管理员确认后再调用安装脚本按模板名或包 URI 导入。安装失败时需直接报告错误，不应擅自改为手工创建。
用于协调团队任务目录访问的技能：通过 .processing 标记文件，避免 Leader 与 Worker 同时访问 teams/{team-name}/tasks/ 下同一任务目录时产生冲突。
用于在 AgentTeams 团队中给 worker 分配任务、跟踪任务进度并管理 team-state.json 的技能。协调者通过 MinIO 共享 spec.md、用 send-team-message.sh 通知 worker，并用 manage-team-state.sh 记录状态。
Roomflow 是 TeamHarness 中用于 Matrix 房间分类与任务房间初始化的技能。它帮助 Leader 在创建 Quick Task 或 Project Work 状态之前，识别当前 Matrix 房间的用途，并按稳定的 projectId 创建或复用任务房间。该技能提供 describe_room 与 create_task_room 两个操作：前者依据房间名称、主题和标签，将房间区分为来源渠道（即请求方房间）或任务房间；后者从来源房间出发，创建或复用命名为 TASK：<projectId> 的任务房间，并保留钉钉等来源房间与发送者路由信息。适用于多智能体协作、项目分房间管理和任务委派场景。
WorkerFlow 是 QwenPaw 支持的 Worker 在拆分内部工作前使用的决策与执行技能，用于判断当前 Worker 应直接完成工作、使用 QwenPaw 原生子代理做短时并行检查、通过 worker_agentflow 的 workflow_run 动态编排自定义角色子代理，还是直接创建单个临时子代理。它不属于 TeamHarness 委派，临时代理仅作为当前 Worker 的实现细节，任务完成后需清理。
00-arena-router 是 arena-eval 套件的入口路由技能，用于判断用户想以竞技场（win-rate）方式对比或基准测试多个 LLM/智能体时，应使用哪个具体工作流。它本身不执行比较，只做分诊：若用户想对自定义任务（如聊天质量、摘要、编程等）进行胜率排名，路由到 01-auto-arena；若用户只关心模型推荐引用时的编造/幻觉频率，路由到 02-ref-hallucination-arena；若两者都关心，则先后运行两个工作流并分别报告结果。该技能通过一个诊断问题或根据用户表述直接判断路由，并说明两种工作流在“正确性”定义上的区别：前者依赖 LLM 裁判的主观偏好，后者依据外部文献数据库（CrossRef/PubMed/arXiv/DBLP）验证引用真实性。
01-auto-arena 是基于 OpenJudge AutoArenaPipeline 的端到端自动化模型/智能体对比评测工具。即使没有现成测试数据，它也能从任务描述出发，自动生成多样化测试查询，并发收集各目标端点的回答，生成评测标准（rubrics），再以成对比较方式让裁判模型评估每一对模型（含位置偏置交换），最终计算胜率、胜率矩阵与排名，并输出 Markdown 报告、胜率柱状图及可选的矩阵热力图。支持 CLI 与 Python API 两种用法，可断点续跑、仅重跑裁判步骤、增量收集新端点响应。适用于模型选型、微调版本对比、智能体方案评估等场景。需事先安装 py-openjudge 与 matplotlib，并准备至少两个 OpenAI 兼容端点与一个裁判模型端点。
本页面介绍如何使用 OpenJudge 框架构建强化学习奖励信号，涵盖逐点（pointwise）与成对（pairwise）奖励策略的选择，依据 RL 算法、任务类型和成本约束进行决策。内容包括安装命令、策略对比表、分数归一化函数、评估策略（直接、投票、平均、GRPO 锦标赛）的适用场景与代码示例，以及针对主观任务、偏好对生成、Best-of-N 候选选择和多维奖励塑造的具体用法。
用于以无头方式自举本地 agent-relay broker，并自主生成、监控与协调 worker 智能体团队。通过 MCP 或命令行注册 orchestrator 身份，用 channel/DM/thread 进行消息协作，支持多轮评审循环与故障排查。
用于协调多个 AI 智能体的编排模式选择技能，涵盖 fan-out、pipeline、hub-spoke、consensus、mesh、handoff、cascade、dag、debate、hierarchical 共 10 种模式，并给出决策框架、常见误用与反思机制。
Agent Relay 是一套通过 Relaycast MCP 工具实现的多 AI 智能体实时消息协作技能，用于智能体之间的直接消息、频道、线程与订阅协调。
面向 agent-relay 工作流的“80到100”完整验证模式技能：把测试、构建、回归检查作为工作流内的确定性步骤执行，测试通过后才提交，避免只停留在“能编译”。
用于基于 relay broker-sdk 构建多智能体工作流的技能，涵盖对话式与管道式两种协调形态、WorkflowBuilder/DAG 步骤、多种 AI CLI 编排，以及验证门、重试与输出串联等机制。
该技能用于处理 Agent Relay 消息与共享智能体会话：当 relay.message 事件唤醒对话时，先读取事件、按 nextSteps 回复并发帖记录；也可浏览、搜索和引用共享编码会话记录，查看可消息的智能体、发送消息及配置订阅与通知偏好。
该技能用于在安装后或用户提出“Connect me to Agent Relay”时，把当前 ChatGPT 对话连接到 Agent Relay。它会按顺序检查连接状态、订阅中继消息、询问并保存自动回复偏好，最后报告连接结果与收件地址，并说明如何继续共享的智能体会话。该技能要求当前对话支持事件订阅；若订阅失败，建议改用新的 dot 或 Work 聊天（ChatGPT 桌面端并选择 Cloud）后重新连接。
该技能用于在 Grok Bot 中接入 Agent Relay：通过 MCP 连接，按用户同意配置入站 Webhook 例程，以便其他编码代理发来消息时唤醒 Grok Bot。主要涉及 OAuth 授权、验证收件箱地址独占性、创建 Webhook 触发例程、处理唤醒后的事件读取与回复权限检查，以及断开唤醒等操作。
Agent Relay Orchestrator 是一个通过 Agent Relay 运行无头多智能体编排会话的技能，用于启动基础设施、加入工作区、创建频道、生成智能体团队、通过消息协调并管理生命周期。
该技能用于把运行在两台或多台机器（笔记本电脑、台式机、Mac mini、服务器）上的智能体接入同一个 Agent Relay 工作区，使它们共享私信、频道、话题和收件箱，并能从一台机器向另一台机器派发智能体。每台机器运行一个本地 broker 节点，节点以同一工作区密钥连接工作区并托管本机智能体。技能给出从检查环境、创建工作区、在其他机器加入工作区、启动节点到端到端验证消息的完整命令序列，并包含故障排查表和安全注意事项（工作区密钥不得进入智能体会话）。
该技能用于把 AgentWorkforce/agents 或 AgentWorkforce/internal-agents 仓库中已有的 defineAgent 人格（persona）迁移到 Relayflow v1 引擎上运行，使 LLM 密集型工作（打分、排序、摘要、评审、修复、校验）具备持久化、可恢复、逐步重试和精确一次执行的能力。它面向的是已经内联在 defineAgent({ handler }) 中、通过 ctx.llm(...) 调用模型的存量人格，而不是从零编写工作流。迁移遵循七步配方：划定提取范围、设计四个静态持久步骤、把工作流与人格放在同一目录、在 handler 中通过 ctx.workflow.run() 调用、先写失败测试再实现、在有人实时触发时保留 useSubscription: true、并把 agentworkforce 升级到 ≥ 4.1.44 以规避 CI 凭据探测误报。资料注明该技能只覆盖已被取代的 v1 引擎，v2 引擎（@relayflows/surface / @relayflows/sdk、CLI flows、2.0.x 包）请看 writing-relayflows。
OpenClaw Orchestrator 是用于在 OpenClaw 会话中运行无界面多智能体 Agent Relay 团队的技能。它不涵盖 Agent Relay 的通用操作，而是要求先阅读并遵循 orchestrating-agent-relay 技能，本技能只补充 OpenClaw 特有的配置：通过 npx 命令注册 OpenClaw 会话身份、用 observer 命令生成可安全分享的只读观察链接，以及在任务结束时用 openclaw system event 向 OpenClaw 会话报告完成。文档还提示了 claude、codex、gemini、droid 等提供方的使用注意事项，要求按频道分组智能体、在连续启动间留出间隔以避免 429 限流，并为每次运行使用唯一名称以避免 409 冲突。
该技能用于从运行中的智能体会话端到端地搭建并激活 Agent Relay Flow，全程通过文档化的 Cloud API 和官方 CLI 完成，不使用浏览器自动化或控制台 UI。流程要求先具备已登录的 Cloud 会话（访问令牌、user.id 和 currentWorkspace.id），再由人在自己的批准页面完成 Google 登录、工具授权、GitHub 与触发应用 OAuth 及仓库授权等步骤，其余步骤由智能体通过 API 执行。技能区分预置流程与自定义流程：预置流程从流程目录选择条目，下载并校验其 TypeScript 源码后，通过 POST /api/v1/flows/deploy 激活；自定义流程则需先借助 writing-relayflows 编写（可选使用提示生成器），再走同一部署接口。激活后用 GET /api/v1/flows/listeners/<agentId> 验证监听状态。适用场景是通过 API 以可复现方式配置 GitHub 等触发的工作流；限制包括需要 Node.js 22+ 与 HTTPS、令牌只能发给 Cloud API 端点，且 201 响应与 listening 状态仅证明激活，执行效果需实际运行才能确认。