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
25,884 个结果
Agent System Design 是一个面向生产环境的智能体系统设计技能，围绕“演示可以无限运行，生产不行”的原则，定义生产级智能体必须执行的五项预算（MAX_LOOPS、MAX_TOKENS、MAX_COST_USD、MAX_LATENCY_S、MAX_TOOL_CALLS）、防止失控循环的断路器模式，以及防止智能体越界作业的主权边界规则。该技能给出循环终止条件、熔断器示例代码、域卡片格式、降级模式、重试策略与 AgentSLA 参考数据类，适合将智能体从原型推向生产、设置 SLO/SLA、构建多智能体系统时使用。
agent-tool-routing 是一个为智能体构建“工具路由层”的技能：当可用工具超过约 15 个、接入多个 MCP 服务器，或工具在运行时动态增减时，LLM 选择工具的准确率会显著下降；该技能通过能力发现、语义匹配和策略过滤，先缩小候选工具集，再把少量聚焦工具交给 LLM，从而提升选择准确率并减少无关工具描述带来的输入 token 消耗。资料中还提供了工具注册表数据结构、路由策略、快速开始代码、回退链实现、工具描述撰写规范和 MCP 发现示例。
agent-workflow 是 jeo-skills 技能集中的工作流指导技能，用于规划和改进日常 AI 编程智能体的工作方式，覆盖 Claude Code、Codex、Gemini CLI 以及大量使用 MCP 的代码仓库。它强调先判断请求属于哪类工作流（会话控制、仓库交付、工具与运行时、多智能体），再选择最小可重复的操作循环，避免直接堆砌通用命令清单。该技能按需加载三份参考文档，分别涉及会话与上下文管理、代码仓库交付与运行时循环、MCP 与多智能体模式，并建议在任务更具体时改用 git-workflow、agent-configuration、playwriter 或编排类技能。
AnyJev 操作技能，用于围绕 nokia-applied-research/AnyJev（Apache-2.0 Python 库）完成免训练的带类型选择、是/否判断与分数决策。该技能固定于提交 d458d13968eec0e2cfa8c81b64629b96cf5cb4a9（包版本 0.3.0，审计日期 2026-10-07），提供离线预检、Decider 读数构建、Tacit 检查点运行、后端配置、网关评估与研究记录等操作路径。它仅适用于自托管开源模型的 AnyJev 本身，不涉及托管的 System One/Jev API、凭证、计费或独立 Jev harness。
该技能用于新产品初始发现阶段，从产品经理、设计师和工程师三个视角头脑风暴功能创意。它会先了解目标细分市场、机会和期望成果，再分别生成各5个具体功能想法，并跨视角选出前5个优先项，重点考量核心价值交付、验证速度和差异化潜力，同时为每个优先想法给出理由与待验证的关键假设。适合产品探索早期概念验证，不涉及持续发现或已上线产品的迭代。
context-mode 是一个可移植的 MCP 服务器及宿主适配器系统，采用 Elastic License 2.0 许可。它把选定的命令、文件、网页和会话数据保存在子进程与 SQLite 中，再返回选定的输出或 FTS5 全文检索结果。需要特别注意的是，它并非操作系统或安全沙箱，也不是代理、shell 输出包装器、工作区索引、图谱或持久化 wiki；子进程代码仍保留普通用户的文件系统与网络权限，后台子进程可能比调用本身存活更久。该技能用于审计安装、运行时、MCP 注册、宿主适配器、存储根目录、重复条目或恢复路径，规划或执行经明确批准的安装、升级、清理、钩子/配置变更或固定负载测量，并解释各宿主在 MCP、插件、钩子、路由及无钩子方面的限制。
deep-agents-core 是 deepagents 的构建技能，用于在开发任何 Deep Agents 应用时调用。它覆盖 create_deep_agent() 的用法、agent harness 架构、SKILL.md 格式和配置选项。该技能为构建者提供任务规划（TodoListMiddleware）、上下文管理（可插拔后端文件系统工具）、任务委派（SubAgent 中间件）、长期记忆（Store）、人机协同审批和按需加载 Skills 等能力。资料还给出 Python 与 TypeScript 示例、常见错误对照及 skills 目录结构说明。
deep-agents-memory 是一个面向 Deep Agent 开发者的技能说明页，聚焦智能体的记忆、持久化与文件系统访问。它介绍三种后端：StateBackend（线程内短期、线程结束即丢失）、StoreBackend（跨线程与会话持久化）和 CompositeBackend（按路径把不同目录路由到不同后端）。文件系统中间件提供 ls、read_file、write_file、edit_file、glob、grep 六个工具。文档给出 Python 与 JavaScript 的创建智能体、配置后端、跨线程读取记忆、使用 FilesystemBackend 读写磁盘并配合中断审批的示例，还强调 FilesystemBackend 不应在 Web 服务器中使用，长期存储应换用 PostgresStore 等持久方案。
该技能用于在使用 Deep Agents 构建智能体时，处理子智能体任务委派、任务规划与人工审批。它覆盖 SubAgentMiddleware、用于规划的 TodoList 以及 HITL 中断等能力。具体使用上，需要调用 create_deep_agent() 创建智能体，并配置 subagents 列表来定义专用的子智能体；通过 write_todos 记录任务状态；通过 interrupt_on 与 checkpointer 组合实现敏感操作审批，并在暂停后按 approve、edit 或 reject 决定恢复执行。资料同时说明子智能体不保留跨调用记忆、自定义子智能体不继承主智能体技能等限制。
FineEnvs 是一个 Apache-2.0 许可的 Python 仓库，用于检查和运行经过来源验证的 adithya-s-k/FineEnvs 环境与数据集项目，涵盖 OpenEnv、ORS、NeMo Gym、Verifiers、SkyRL Gym 和 GEM 等。该技能提供离线预检脚本、提交版本固定、项目本地文档阅读、环境分类与最小路径运行指引，并强调在涉及凭据、下载、服务启动、付费沙箱或 GPU 作业前需获得明确批准。
该技能用于对已有产品中的功能创意进行“魔鬼代言人”式风险分析，从产品经理、设计师和工程师三种视角审视创意为何可能失败，并在价值（Value）、可用性（Usability）、可行性（Viability）和技术可实现性（Feasibility）四个风险领域识别潜在的高风险假设。对每个假设，它会说明具体可能出问题的地方、置信度（高/中/低）以及建议的验证方式，适合产品构思早期用于压力测试和强化想法。
jev-ultrafast 是 browser-use 组织下基于 MIT 许可证的 Python 浏览器智能体项目，将 TypeSafe Jev 选择机制与 Browser Harness 结合。本技能用于操作该具体项目：检查源码、核对固定提交的本地检出、使用其 CLI 与 Python 库、运行离线测试与静态检查、执行本地浏览器守卫检查、启动本地检查器、运行有边界的浏览器任务及审阅录制结果。使用时需固定仓库提交（0.1.0 版本），并分别授权浏览器权限、页面数据外传、API 调用花费与录制。
langchain-bmad 是一个面向 LangChain 生态项目的技能路由工具，用于把 BMAD 分阶段交付方法（分析、规划、方案设计、实现等阶段与评审关卡）与 LangChain、LangGraph、Deep Agents 三类框架技能组合起来。它本身不直接提供框架实现能力，而是帮助判断当前处于哪个 BMAD 阶段、需要选择哪条框架路线，然后加载范围最窄的下游技能或支持文件，并保持 BMAD 的产物推进与评审关卡不被绕过。适合在新建智能体项目、跨阶段交接、框架选型未定等场景使用；若用户已明确具体框架问题或只需纯 BMAD 阶段路由，则应改用更专门的技能。
LangChain 基础技能，介绍如何使用 create_agent 构建智能体、定义工具，并通过中间件实现人工介入（human-in-the-loop）与错误处理。内容涵盖 Python 与 TypeScript 两种实现方式，包括智能体配置参数（model、tools、system_prompt、checkpointer、middleware）、工具定义（@tool 装饰器与 tool() 函数）、状态持久化（MemorySaver 与 thread_id）、结构化输出（response_format 与 with_structured_output）、模型配置，以及常见错误与正确写法对照。
langchain-middleware 是面向 LangChain 智能体的中间件技能说明，重点介绍 human-in-the-loop（人在回路）审批、自定义中间件与结构化输出相关用法。它演示 HumanInTheLoopMiddleware / humanInTheLoopMiddleware 如何在执行有风险的工具调用前暂停等待人工审批，并支持通过 Command 恢复执行，人工可选择批准、修改参数或拒绝。同时说明可按工具配置是否需要审批及允许的决策类型，并列出 before_model、after_model、wrap_tool_call、before_agent、after_agent 等自定义中间件钩子，用于日志、错误处理、重试与拦截。使用该技能需为智能体配置 checkpointer 与 thread_id。内容提供 Python 和 JavaScript/TypeScript 示例代码。
该技能用于在编写任意 LangGraph 代码时提供规范指引，覆盖 StateGraph、状态模式与 reducer、节点、边（静态与条件）、Command、Send、invoke、流式输出与错误处理。资料还给出五步设计流程：拆分步骤、归类节点职责、设计共享状态、实现节点函数、用边连接并编译。适用于需要细粒度智能体编排、分支/循环、人在回路与持久化的场景；快速原型或无状态简单工作流可考虑替代方案。具体 API 用法需按项目语言参阅附带的 Python/TypeScript 参考，生产模式另见生产模式文档。
该技能用于在 LangGraph 中实现人机回环（human-in-the-loop）模式，涵盖暂停等待人工审批、校验人工输入以及处理用户可修复的错误。核心机制由三部分组成：interrupt(value) 暂停执行并把信息展示给调用方；Command(resume=value) 恢复执行，并把恢复值作为 interrupt() 的返回值；Checkpointer 与 thread_id 用于在暂停期间保存并定位执行状态。资料提供了 Python 与 JavaScript 两种实现，包括基础中断与恢复、审批工作流（根据人工决定路由）、校验循环（输入无效时重新提示）以及并行多中断的一次性恢复等示例。资料还重点说明了恢复时节点会从头重新执行这一行为，因此 interrupt() 之前的副作用必须幂等，并给出了正反例、子图重复执行说明、常见错误与修复方式。该技能不涉及模型训练或部署，适合需要在图工作流中插入人工确认环节的开发者参考。
LangGraph 持久化技能，用于在 LangGraph 图中持久化状态、记住对话、回溯与编辑历史，并配置子图 checkpointer 的作用域。该技能区分两类记忆：短期记忆由 checkpointer 按线程（thread_id）保存每个超级步的图状态，长期记忆由 store 跨线程保存用户偏好与事实。资料涵盖 Python 与 TypeScript 的写法，包括 InMemorySaver/MemorySaver、SqliteSaver、PostgresSaver 的选型与生产适用性，线程隔离、状态历史浏览、从历史检查点重放与分叉、update_state 与 Overwrite 的区别，以及子图 checkpointer=False/None/True 三种模式的行为对照和并行子图的命名空间隔离。
moneyprinter-v2 是一份用于安全操作 FujiwaraChoki/MoneyPrinterV2（MPV2）的技能说明。MPV2 是一个以 AGPL-3.0 许可发布的 Python 命令行程序，用于自动化在线收入相关流程，包括 YouTube Shorts 的生成与上传、Twitter/X 机器人、联盟营销和对外联络（Outreach）。该技能规定了何时使用它、如何分阶段执行操作（定位、安装、配置、运行、调度、排错），并要求先运行离线预检脚本。它强调每一步会产生实际影响的操作都必须单独获得用户明确批准，禁止把代理配置、SMTP 密码、API 密钥或账号缓存写入对话或日志，并列出负责任使用边界（不用于无合法依据的群发邮件、冒充、虚假互动、规避平台检测等）。技能不适用于 MoneyPrinterTurbo、单独的 Google Maps 抓取器或通用视频编辑。
OpenCreator 操作技能，用于指导用户选择并操作 krillinai/OpenCreator 的桌面端、CLI 或服务端形态，涵盖安装与配置、Codex 对话与创作者工具集成、自定义 Skill 与 MCP 服务注册、定时任务以及创作者工作流的执行与结果核验，并提供只读预检脚本用于源工作。
OpenRig 是一个采用 Apache-2.0 许可的 CLI、守护进程与 TUI 工具，用于运营持久化的多智能体 rig 系统，面向 Claude Code、Codex 和 Pi。本技能用于在 fit-check、安装、升级、配置、预检、运营、恢复或排障 OpenRig 时提供操作指引，覆盖 @openrig/cli、rig 规格与 bundle、kernel/operator、tmux/Herdr 视图、seat、队列、快照以及已登记的远程主机。资料强调先运行离线预检脚本收集主机与工具路径信息，再以只读方式（--help、--json、--plan、status、process、capture）逐步检查，对网络访问、远程代码执行、安装、凭据配置、守护进程启动、实时发送、远程写入与拆除等每个副作用分别申请明确批准，并要求以 capture 等手段窄范围验证效果、区分守护进程、kernel、seat 与消息渲染等不同证据层级。原生 Windows 不受支持，需使用文档给出的 WSL2 路线。具体安装命令、版本要求等细节暂未提供。
Paperclip 是一个面向多智能体“公司”的控制平面运维技能，用于指导检查与配置公司、智能体、项目、工作区、议题、公司技能、例程、心跳与工件等对象。该技能本质上是操作员指南，本身不授予安装服务、启动智能体、调用实时 API 或更改公司状态的权限。使用前应先分类请求（只读检查、本地安装、配置、任务执行、定时自动化、故障排查），在改动前核对已安装版本、CLI 帮助、API 地址与相关标识符，并通过读回操作验证写入结果。涉及删除、归档例程、轮换密钥、扩大外部可见范围等破坏性或不可逆操作时，需要用户对具体目标的明确确认。适合需要按流程安全运维 Paperclip 公司、智能体与自动化任务的场景。
reflexion-pattern 是一个面向智能体循环的反思模式技能，用于解决同一任务在相同提示下反复失败的问题。它在执行者（Actor）失败后引入批评者（Critic），读取失败轨迹并写出一条简短的“语言化教训”，存入情景记忆；下一次尝试时由执行者读取这些教训，从而改变后续行为。该模式要求稳定的评分规则（rubric）与明确的成功信号，并通过重试预算（最大尝试次数、最大成本、最小分数提升）防止无限循环。组件包括执行者、评估者、批评者与记忆；适用场景为同一提示下失败两次以上、失败模式可从轨迹中识别、且有测试或评审等明确成功信号的任务；不适合一次性任务、失败信号噪声大或预算不足以支持多次尝试的场景。
Stagehand 是 Browserbase 推出的 MIT 许可浏览器智能体 SDK，支持 TypeScript、Python 和 Go。它在常规 Chromium 页面与定位器 API 之上提供 observe()、act()、extract() 三个模型辅助原语：observe() 发现可操作元素并返回可执行动作，act() 执行单条自然语言动作或重放已观察动作，extract() 按 Zod、Pydantic 或 Go schema 校验返回数据。另提供独立的 browse CLI 用于终端浏览器会话和 Browserbase 资源操作，并支持页面注册的 WebMCP 工具及云端 search()/fetch() 辅助方法。适用于构建或迁移浏览器自动化流程、以自然语言步骤替代脆弱选择器、对敏感字段保留确定性定位器、以及本地、云端或 CDP 三种执行方式之间的选择。