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
uzu 是 trymirai/uzu（Mirai 的 Rust 原生本地推理引擎）的操作技能，用于在受支持的 Apple Silicon 或面向 CPU 的源码目标上进行检查与运行。它覆盖主机与工具可用性检查、已发布的 mirai CLI、固定到已审阅提交的源码检出、本地聊天或 OpenAI 兼容服务、本地基准测试，以及模型资源和许可证决策。使用时先运行无副作用的预检脚本；Apple Silicon macOS 上优先使用已发布的 mirai 路径，否则仅在具备 cargo 和 rustc、源码位于已审阅提交且获得明确同意后使用源码路径。服务默认绑定 127.0.0.1，需先检查 /v1/models 再发起聊天请求。它不是通用本地 LLM 路由器，不承诺 CUDA、Linux GPU 加速或生产可用性，自定义模型格式是硬边界，不隐含任意 GGUF 兼容。
video-use 是一个面向 Claude Code、Codex 等编程智能体的开源对话式视频剪辑工具。它不把大量原始视频帧塞进模型上下文，而是先读取由 ElevenLabs Scribe 生成的紧凑词级转写文件（takes_packed.md，约 12KB），只在决策点通过 timeline_view 查看胶片条、波形和词标签组成的图像，从而用自然语言完成对原始多take素材的剪辑。功能包括：剔除“嗯、呃”等填充词与停顿、按词边界切分并加30ms音频淡入淡出防止爆音、自动调色、生成并烧录自定义字幕、添加由 HyperFrames、Remotion、Manim 或 PIL 生成的动画叠加层，以及在 project.md 中保存多轮剪辑上下文。所有输出写入 <videos_dir>/edit/，原始素材不被修改。该技能需要 ffmpeg、ffprobe 和 ELEVENLABS_API_KEY，适用于多take口播教程等素材的对话式精剪；播客/webinar 竖屏切片、从零生成短视频、Remotion 代码合成、原生非线性编辑器等场景应使用其他工具。
agent-browser 是一款面向 AI 智能体的快速浏览器自动化命令行工具（CLI）。它通过 CDP 协议驱动 Chrome/Chromium，无需依赖 Playwright 或 Puppeteer，并提供基于无障碍树（accessibility-tree）的快照与紧凑的 @eN 元素引用，便于智能体可靠地定位和操作页面元素。它使用原生 Rust 编写，可与任意 AI 智能体（如 Cursor、Claude Code、Codex、Continue、Windsurf 等）配合使用，支持会话、认证保险库、状态持久化和视频录制，并针对 Electron 桌面应用、Slack、探索性测试及云浏览器等场景提供专门技能。安装方式为 npm i -g agent-browser && agent-browser install。
route-work 是一个只读的工作流路由校验技能：当没有明确的套件技能适用时，由代理自行选择工作流，再交由该路由器进行校验。它依据路由策略检查代理提交的技能选择，包括选中的技能、主技能、排除的技能和所需能力，并返回一个内联的 route_handoff 路由决策（Mermaid 格式）。路由器本身不做规划、不修改源码、不提交或推送、不创建 PR，也不调用被选中的技能；校验不通过时按错误码修正选择并重跑一次，失败即封闭。
polyclawster-agent 是一个面向 OpenClaw 智能体的 Polymarket 预测市场交易技能，非托管。智能体在本地生成 Polygon 钱包并签名订单，经 polyclawster.com 中继提交，支持查询余额、兑换、下单、平仓及自主交易。
Agent Picker 是一套用于协调代理与浏览器操作的共享工作流工具，可读取最新选择、截图与共享备注状态，并通过 Chrome 扩展桥接实时标签页进行 DOM 读取、点击、填表与截图。
面向 Codex、Claude Code、Grok、Hermes、Antigravity CLI、Cursor、Kuma Studio 等运行时的智能体平台互操作维基与编写方法论，依据厂商官方文档每日更新，记录技能、钩子、插件、项目指令文件、CLI 调用、会话恢复与计费的差异。
Tariboy 的 current-task 技能，用于让智能体把 Tariboy AI 的使用归因到 Native Tasks 中的某个任务项。开始工作或任务发生变化时用脚本设置任务 KEY，不再需要归因时清除。
Tariboy 的 Goal 技能，用于让智能体理解或设置其 Tariboy Goal 及 AI 使用归属。守护进程会在运行时选择 Goal，并将 AI 使用自动归属到对应的 Native Task 及其顶层根任务。
h3-ref-prompt 是面向 MiniMax H3（Ref2VA）的全参考提示词生成技能：根据用户创意与参考素材（图片、视频、音频），产出固定的六段式英文简报，用于带参考媒体的视频生成。无媒体时应改用 h3-t2v-prompt。
将用户的视频创意整理为 MiniMax H3 文生视频（T2VA，无参考素材）的生产级英文提示词，一次生成画面与同步立体声；仅在用户未附任何媒体时适用，附有图片/视频/音频时应改用 h3-ref-prompt。
一个编排式多智能体代码审查技能，仿照 Cloudflare 的审查系统：对 diff 做风险分级、过滤噪声、并行派出安全/性能/代码质量等专家审查员，对关键发现做对抗性复核，再由协调者去重、判定严重度并给出批准或阻止的结论。
qa-explore 是一个探索式浏览器 QA 技能：通过 agent-browser 驱动真实 UI 流程，捕获截图与控制台输出，并生成结构化 Markdown 测试报告，用于验证功能是否真正可用，而非仅通过类型检查与单元测试。
multi-harness-debate 是一套多 AI 智能体（harness）迭代辩论协议，用于评审关键文档或架构决策，目标是产出经全体一致批准的单一合并文本。
Forensify 是面向 AI 智能体技术栈的跨框架自检工具，由 repo-forensics 出品。它盘点本机已安装的 Claude Code、Codex、OpenClaw、NanoClaw、Cursor 等生态，审计 skills、MCP 服务器、hooks、插件、命令、凭据与记忆文件，定位注入、凭据暴露和自动执行风险面。只读扫描，零外部依赖。
project-init 是一个用于新项目初始化的技能，按步骤生成 CLAUDE.md、MEMORY.md 与 .env，并补齐 .gitignore，帮助统一管理项目指令、会话记忆与密钥配置。
UModel Skill Runner：通过 UModel 加载实体关联的 Skill，并遵循其内联 SKILL.md 执行。适用于实体集暴露 list_skills、用户请求 UModel 或 RunbookSet Skill，或实体任务提供 SKILL.md 的场景。
用于在提交代码前审查当前分支的变更，检查缺陷、意图匹配与测试覆盖，运行或补充测试，提交聚焦的改动，并创建或更新 PR。
workflow-from-chats 是一个仅限显式调用的工作流挖掘技能，可从 Codex、Pi 和 Claude Code 的聊天记录中提取可复用的工作偏好，而非总结聊天内容。需用户主动调用 $workflow-from-chats 或明确要求学习持久偏好时使用。
ask-matt 是 aliceisjustplaying/mattpocock-skills 仓库中的技能路由，用于判断当前情况适合使用哪个技能或流程。它本身不执行具体任务，而是根据用户所处阶段（如想法打磨、规格拆分、实现、排障、代码库维护等）推荐对应的技能与流程路径。
Handoff 是一个用于会话交接的技能，可将当前对话压缩整理成一份交接文档，供另一个全新的智能体接手继续工作。它会将文档保存到用户操作系统的临时目录中，而不是当前工作区；文档内包含“建议使用的技能”部分，指明下一个智能体应通过 Skill 工具调用哪些技能。为避免重复，它不会复制已经记录在其他产物（如规格说明、计划、ADR、issue、commit、diff）中的内容，而是以路径或 URL 的形式引用。文档还会对 API 密钥、密码、个人身份信息等敏感内容进行脱敏处理。若用户传入了参数，则将这些参数视为对下一次会话关注点的描述，并据此定制文档内容。
triage 是一个面向项目议题跟踪器的分诊技能，通过角色状态机处理 issue 和外部 PR：归类、验证、必要时追问，并产出适合智能体执行的简报。由 /triage 命令调用，具体标签映射需预先配置。
这是一个用于审计和追溯 AI 智能体历史运行记录的工具技能，包含三个只读、离线的 Python 命令行脚本及一个钩子，可用来回答“智能体为何做了某事”“过去会话改动了什么”“测试是否真正通过”“会话总结是否可信”等问题。工具本身不发起网络请求或模型调用，并会自动对所有输出中的敏感信息进行脱敏。
hub-run 是 AgentHub 的一站式生命周期命令，用于端到端运行一整场 AgentHub 竞赛：初始化、采集基线、派生智能体、评估结果并合并胜出者。它通过 /hub-run 调用，支持指定任务描述、并行智能体数量、评估命令、指标名称与方向，以及可选的智能体模板（optimizer、refactorer、test-writer、bug-fixer）。若提供评估命令，会先运行并提取指标作为基线，随后并行启动多个智能体，全部完成后按指标排名或使用 LLM 评审模式评估，最后向用户确认是否合并胜出分支。