SuperAPI AI 工具集
合作ENAI 行业资讯收藏

Skill 广场

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

智能体与模型

25,895 个结果

scienceclaw-benchmark

scienceclaw-benchmark 是 ScienceClaw 技能体系中的学科索引，列出 23 个学科技能（FoR30 至 FoR52），对应 ScienceClaw-Eval 基准的 23 个学科。每个学科技能描述一类科学任务族的输入、交付物、质量评判方式以及适用的 scilib 工具和预训练权重。用户可将任务匹配到相应学科行并加载对应技能，再通过 scienceclaw_tools 确认工具可用性，并在画布上构建工作流。该索引本身不执行评测，而是帮助定位合适的学科技能。

智能体与模型1 次安装

scienceclaw-benchmark-for32

该技能用于小规模三维T1加权脑部MRI局部裁剪图像中的海马体分割，将海马体划分为前部与后部。输入为围绕单个海马体的三维T1加权MRI裁剪体积（约1毫米体素，形状大致为31-43×40-59×24-47）及标注体积（0为背景、1为前部、2为后部）。交付物为每张图像一个uint8标签体积的列表，形状与图像完全一致，取值{0,1,2}。质量以各病例、各标签的Dice系数衡量并取平均，越高越好。技能提供scilib.hippo（CPU版，含位置图谱、基于块的多图谱标签融合、LightGBM体素分类器、后处理等）和scilib.hippo_unet（从头训练的3D U-Net集成，需GPU或远程工作节点），并给出多种算子与基线方案。无需预训练权重。资料还说明，hippo_innereeye.predict_binary只输出左右并集、无法给出前后分类，不得虚构类别映射；mass_base资产无封装且效果较差。使用需注意：左右裁剪属同一受试者，应放在同一折并传入train_ids；不同体积强度编码不同，需按体积归一化；保持形状与数据类型不变，不得读取留出集标签。

智能体与模型1 次安装

scienceclaw-benchmark-for36

该技能用于将立体声音乐混合信号分离为四个音轨（人声、鼓、贝斯、其他），并输出估计结果。它提供两条主要路线：一是使用冻结的预训练神经分离器（htdemucs、htdemucs_ft、mdx_extra 或 mimo_scnet_small），二是使用基于提升树与 STFT 比率掩码的 CPU 训练基线。评估采用 SDR 指标，对四个目标取中位数。技能文档特别提醒 SDR 不具备尺度不变性，需区分电平变化与分离效果，并注意预训练模型与 MUSDB18 训练集的重叠问题，禁止使用参考音轨或 oracle 掩码构建交付结果。

智能体与模型1 次安装

apps

这是一套用于搜索和运行 250+ AI 应用（App）的命令行工具集，收录于 belt-sh/skills 技能包中。用户可通过 belt app 相关命令搜索可用应用、浏览全部应用、查看应用详情与输入结构，并直接运行应用。可运行的 AI 应用覆盖图像生成、视频生成、文本转语音（TTS）、网页搜索、大语言模型（LLM）等多类能力。运行应用时通过 --input 传入 JSON 参数，并可用 --save 将输出保存为文件。例如可调用 inferencesh/flux-1-1-ultra 生成图像、inferencesh/veo-3 生成视频、inferencesh/tavily-search 执行网页搜索。适合在终端环境中快速调用多种 AI 能力的开发者与技术用户。

智能体与模型1 次安装