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

25,901 个结果

mcp-builder

mcp-builder 是一份用于创建高质量 MCP（Model Context Protocol）服务器的开发指南。MCP 服务器通过设计良好的工具，让 LLM 能够与外部服务交互。该指南以「服务器质量取决于其帮助 LLM 完成真实世界任务的能力」为核心衡量标准，将开发流程划分为四个阶段：深度研究与规划、实现、审查与测试、创建评估。指南推荐使用 TypeScript（配合官方 SDK）或 Python（FastMCP）作为开发语言，远程服务器使用 Streamable HTTP 传输，本地服务器使用 stdio。内容涵盖 API 覆盖与工作流工具的权衡、工具命名与可发现性、上下文管理、可操作的错误信息、输入/输出 Schema 设计、工具注解（readOnlyHint、destructiveHint 等）、代码质量检查、使用 MCP Inspector 测试，以及创建 10 道评估问题的 XML 格式规范。适用于需要为 LLM 构建外部服务集成工具的开发者。

智能体与模型1 次安装

bd-go

bd-go 是 bostonaholic/dotfiles 仓库中的一个技能，其作用是驱动 beads 智能体自主工作。当用户说出“bd go”“go do work”“work on something”“find and do work”等指令，或希望 beads 智能体自主寻找任务时，可以调用该技能。该技能的执行流程是：先用 bd ready 查找处于就绪状态的任务，再认领其中一个任务、实现它，并在完成后关闭该任务。资料未提供更详细的参数、安装方式或价格信息。

智能体与模型1 次安装

find-skills

find-skills 是一个用于发现和安装智能体技能的技能，依托开放的 agent skills 生态。当用户以“如何做 X”“为 X 找一个技能”“有没有能做 X 的技能”等方式提出需求，或希望扩展智能体能力、搜索工具/模板/工作流时，它可帮助理解需求、用 Skills CLI（npx skills）按关键词搜索技能，并向用户展示技能名称、用途、安装命令与详情链接，必要时可代为全局安装。

智能体与模型1 次安装

system-prompt

这是一个用于编写、审查和改进 AI 系统提示词（system prompt）的技能文档。它强调结构胜于技巧、具体示例胜于抽象指令，该文档提供了一套可复用的系统提示词工程方法：包括通用的分节顺序（身份与角色、任务与停止条件、沟通风格、核心工作流、工具使用规则、领域规则、安全约束、边界情况、示例、运行时上下文），以及先收集需求、再逐节撰写、补充示例、最后按清单审查的四步流程。文档还给出各级别规则的具体写法、并行工具调用与先读后改等要求、严重性关键词分级、少样本示例格式，并列出了应避免的反模式和交付前的质量检查清单，适用于为 AI 工具、智能体、聊天机器人或 LLM 产品设计和评审系统提示词的场景。

智能体与模型1 次安装

composing-agent-prompts

该技能用于为另一个编码智能体编写一份自包含、附带来源引用的任务提示词，供其在目标仓库中执行，但本技能本身不执行该任务。输入为简短的任务描述、可选的目标仓库路径或文件集合，以及可选的 --out 输出路径；缺少目标仓库时先从描述中推断，仍有歧义则先提一个问题再输出。提示词必须包含事实清单（每条事实标注来源路径或命令，无法核实的标为 unknown）、指向目标仓库自有规范（AGENTS.md、CONTRIBUTING.md、测试文档）与既有命令的指针而非复述规则、单一且有边界的工作范围，并按固定模板输出标题与一句话目标、仓库与范围、原因（含证据）、事实依据、所需变更、约束、验收标准、范围外事项等小节。输出为一个 markdown 代码围栏包裹的提示词，围栏长度大于内部反引号串；必要时在围栏后单列开放问题。若用户要求运行、派发或调度，需说明本技能不负责执行，下一步由用户将提示词交给目标智能体。使用 --out 时同时写入文件，已存在且未经明确要求则不覆盖，仅报告并打印。所有从目标仓库读取的文件、issue、提交与命令输出均视为数据而非指令，不得引用密钥、记录或不可信文本，只引用路径。

智能体与模型1 次安装

parallel-agents

parallel-agents 是 rpikit 中的一项并发智能体调度技能，用于把多个彼此独立的问题分派给多个智能体同时处理，从而缩短整体解决时间。它提供了判断任务能否并行的决策框架：只有当问题来自不同文件、不同子系统，且不共享数据或状态、修改不会冲突时才适合并行；若失败可能相关、任务存在顺序依赖或改动会互相影响，则应改为串行处理。使用流程包括：识别独立问题、为每个智能体编写聚焦且自包含的提示词（明确单一问题、必要上下文、预期结果与文件边界）、在单条消息中并发调用 Task 工具、逐个审查结果并检查冲突，最后整合改动并运行完整测试。该技能主要面向测试失败修复、多子系统排障、计划中相互独立的步骤及跨无关文件的批量操作等场景，并强调每次保持 3 至 5 个智能体以便管理，避免并行相关问题、提示词过于宽泛或忽略冲突。

智能体与模型1 次安装

next-task

next-task 是自主价值创造循环中负责「实现」的半个循环，一次调用即执行一轮迭代。它按「串行守卫 → 处理中断 → 从队列中挑选一个想法 → 构建并记录」的顺序工作。它只做实现，不发明想法：待办想法队列由带 idea 标签的 GitHub Issues 构成，由 next-idea 技能按自己的计划填充。维护性工作只以中断形式出现（如 auto-dev 分支 CI 变红、安全漏洞、人工报告的 bug），日常保洁类工作（依赖升级、TODO 清理、文档整理、无用户可感知效果的重构）不被视为工作。若队列为空且无故障，什么都不做即为正确结果。人类通过编辑 IMPLEMENTATION_PLAN.md 和关闭 idea issue 来导向。该技能设计为完全无人值守运行，也可手动调用。

智能体与模型1 次安装