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 11-11 00:16
26,072 个结果
loop 是一个用于设置周期性命令轮询或间隔循环的 Claude Code Skill（技能），以 /loop 斜杠命令形式调用，也可在不提供提示词和间隔的情况下进入“自主默认 + 动态节奏”模式。它会在当前轮次立即执行一次自主检查，然后借助 ScheduleWakeup 自行安排下一次唤醒，不依赖 cron。该模式侧重于持续推进用户已经在进行的工作，例如继续处理正在构建的 PR、修复失败的 CI、解决评审意见和合并冲突，以及跟进对话中尚未完成的实现或承诺。当存在需要等待的事件（如 CI 完成、PR 评论、日志行）时，可启用持久化 Monitor 作为主要唤醒信号，并用 ScheduleWakeup 设置 1200 到 1800 秒的备用心跳。若需要停止循环，可以省略 ScheduleWakeup 调用，并停止已启用的 Monitor，还可以通过 PushNotification 发送一句完成结果。
modelchk 是一个只读、建议型的技能，用于在真正执行任务前先“估算”这次运行需要投入多少认知成本。它从一次风险评估出发，给出两个中性坐标：能力层级（fast / standard / frontier，即最便宜但足够的能力等级）与推理力度（glance / measured / thorough / exhaustive，即模型应思考得多深入）。它不选择、不路由、不切换、不固定、不指定任何具体模型或级别，只输出两个坐标、统一理由、上调/下调触发条件以及仍需独立完成的验证面。
nba 是一个面向项目流程停滞场景的技能，用于读取项目当前的实时循环状态，并返回单一的最高杠杆下一步行动，而不是给出选项菜单。它帮助作者在阶段之间、不知道下一步做什么或事项过多时，定位当前所处阶段（FRAME、BUILD、DRIVE、RE0-MEMO、HATE、RE0-WORK、BUILD AGAIN、SHIP），诊断停滞原因，并给出一个成本最低、能清除最关键约束的行动建议。该技能对项目只读，只做推荐、不执行操作，也不会自动调用仅限用户使用的技能。
re0-loop 是一个面向长周期智能体项目的循环工作流技能，通过反复执行 FRAME → BUILD → DRIVE → RE0-MEMO → HATE → RE0-WORK → BUILD AGAIN 的循环，让学习不断累积，同时避免代码堆积被误当作进展。它以通过质量门禁的模板数、可复用平台模块数以及后续循环中消除的反模式数量作为进展单位，而非工时、文件数或功能数。适用于需要在真实界面（浏览器、HTTP、computer-use、CLI）上验证、并持续沉淀经验与反模式的长程智能体开发项目。
re0-memo 是一个用于从已完成、失败或令人失望的工作周期中提炼可复用经验的技能。它不维护产出物本身，而是把工作周期中的经验转化为可迁移的教训、反模式、质量门禁和下一周期可用的词汇。适用于构建、QA 等环节结束后，当产出物已完成、失败、令人失望或存在歧义，且下一个智能体更需要本周期教训而非其惯性时使用。
re0-plan 是 paperthin 工作流中的一个规划技能，用于在 re0-loop 首次循环开始前，为一次迭代建立并填充案例文件夹 .re0/iteration/<version>-<workname>/。它的核心特点是：文件夹一经创建就写入真实内容，绝不会是空目录，从而保证会话中断后仍有可恢复的上下文。它会先判断本次循环的“重量”：轻量级（无实质设计面的修复或加固）只写一段 RETRO.local.md；完整级则写入 DESIGN.local.md（论点、范围、质量门）、WORKFLOW.local.md（本循环的具体步骤）和 EVIDENCE.local.md（待填写的证明面）。该技能不具可移植性，直接引用同仓库的其他 paperthin 技能，需完整安装该包，并与 re0-release、re0-memo 配套使用。
readchk 是一个用于在投入大量工作前验证模型是否正确理解用户指令的技能。它适用于请求较长、包含多个部分、风险较高、难以撤销或措辞含糊的场景。其核心目标是：在错误理解演变成针对错误目标的大量工作之前，先发现误读。readchk 会对照可用上下文（当前消息、会话历史、项目记忆、磁盘文件、既有约定）来核验对请求者意图的理解，重点在于“对方想表达什么”，而非判断某个事实性主张是否成立。工作流程包括：识别信号、用自己的话复述指令、与上下文交叉核对、若上下文已能解决则静默继续、若存在真实分歧则提出一个具体的澄清问题、对重要工作记录一行“理解为：……”的持久日志。规则强调复述而非照搬、上下文可解决时保持静默、一次只处理一个分歧、不静默解决会改变工作形态的分歧、只对重大承诺记录日志。
该技能用于指导 AI 在项目中为可运行单元自动生成“运行技能”，使未来的智能体能够从干净环境构建、启动并驱动该项目。技能要求实际运行应用、构建可编程的交互驱动，并将验证过的命令与排错经验写成 SKILL.md，而不是复述现有文档。适用于为 Web 应用、桌面 GUI、CLI、服务器或库补充可执行的运行文档与驱动脚本。
这是一个用于调度远程 Claude Code 智能体的技能。它并非本地 cron 任务，而是通过 RemoteTrigger 工具在 Anthropic 云端创建、列出、更新或立即运行隔离的远程会话（CCR），支持按 cron 表达式周期性执行，或在指定时间一次性执行。远程智能体运行在沙箱环境中，拥有独立的 git 检出、工具集和可选的 MCP 连接，无法访问用户本地文件、本地服务或本地环境变量。
sip 是一个面向 AI 代理的“自检式交付”技能，用来提醒代理在完成创作或修改后，先使用本仓库自带的技能检查结果，而不是只依赖自己在会话内做出的判断。它把递归自我改进变成一种触发式习惯：只要刚创建或改动了工件或技能，并在准备收尾、提交或交接之前，就运行相应检查。检查项包括：用 shower 做冷读，验证可理解性和交接质量；用 factchk 验证与现实相关的断言；用 mandela 检查评估、指标或实验定义；用 ssotize 在审计模式下检查仓库是否出现重复或矛盾；用 detool 验证可移植性声明；用 re0 整理文档。sip 本身只负责编排、路由检查发现的问题，并把发现回传给创作会话去修复，但不改动 git，也不提交。
gtd-capability-router（GTD 能力路由器）是一个面向智能体的技能扩展，用于把一个已经理清的 GTD 工作循环路由到最小且安全的能力组合。当同一项 GTD 任务可通过多种工具、插件、已连接数据源、审查者、智能体或 GitHub 参与方执行时，它帮助智能体先确认当前可调用的能力，再选择主负责人、事实来源、写入负责人、验证者、独立审查者和落地负责人，避免堆砌角色或调用已不可用的能力。该技能不替换 GTD 模式路由器、就绪定义、完成定义、领域包或执行简报，而是对其做扩展。它强调以当前连接状态为准、用可执行证据验证、写入权唯一、变更后刷新证据、通过单一权限落地，并区分已完成、已验证、部分验证、受阻与未开始等状态。
该技能用于设计、训练、优化、部署和评估生产级机器学习与 LLM 系统，覆盖数据准备、模型训练与微调、偏差与公平性审计、低延迟服务与灰度发布等环节。资料给出若干核心约束：训练集与测试集严格隔离以防数据泄漏；面向用户的同步端点需把 p99 延迟控制在 100ms 以内；先建立朴素基线和简单线性模型，再考虑复杂模型；上线前需通过四分之五差异影响检验（比值≥0.80）；生产模型需输出数据漂移和概念漂移指标，以触发自动重训练。该技能适合在构建分类器、微调 LLM、优化推理延迟和进行发布前审计时使用。
该技能用于将用户意图、模糊需求或零散规格，转化为一个自包含的 /goal 提示词，供AI在无人值守的多轮自主执行中使用。它强调只规定目标、质量标准和验证循环，不写逐步脚本；要求每个交付物都有可观测的完成条件，明确授予自主决策与创作自由，仅列出经实际环境验证的2至4项工具或路径，并要求至少3轮与目标媒介匹配的验证。提示词按七部分结构组织：核心愿望与高利害背景、不可妥协的质量标准与原则、已验证资源清单与发现指令、明确的决策授权与创作自由、多轮验证循环、具体交付位置、终端目标句与自主指令。最终输出为150至350词、可直接复制的提示词代码块。适用场景包括编写 /goal 提示词、规划过夜或无人值守的自主执行任务等。具体安装与调用方式暂未提供。
J-Space 是一个面向智能体内部认知工作区的操作技能，用于多步链式推理、长周期规划、复杂调试和校准式自我监控。它要求模型在作答前先复述需求，按任务复杂度分为 fast、full、loop 三档，并通过“内部推理、台账、外部交付”三层结构记录目标与状态，在文件写入、工具调用和子任务完成等接缝处进行审计，避免上下文漂移和盲目收尾。该技能通过技能页面提供，具体安装与调用方式暂未提供。
Skill Conductor 是用于智能体技能全生命周期管理的工具，覆盖起草、测试、评审、优化与打包。它围绕 10 条技能编写原则，提供 CREATE、IMPROVE、VALIDATE、REVIEW、OPTIMIZE、PACKAGE 六种工作模式，帮助构建新技能、修复触发问题、执行评估与质量审计，并在发布前完成验证和打包。
这是 OmniSkill 的首次运行设置技能，用于在安装完成后完成初始配置，并检查当前宿主环境实际能够执行哪些技能工作流。它帮助识别用户的真实意图：创建、审计、改进、移植或打包技能，并复用用户已有的请求内容。该技能会核查宿主已暴露的能力，包括文件、搜索、补丁、shell、Python 和外部文档，但不会探测凭证，也不会假定账号已登录；纯技能安装不需要 MCP 连接或密钥。涉及文件时，它会读取工作区操作技能说明，确认来源与输出范围，并保留无关工作和既有授权。最终会报告哪些操作可在当前环境运行、哪些需要后续宿主会话；缺少执行工具时只能进行设计与静态审查，测试结果无法验证；缺少源码访问时需向用户索取。设置完成后进入主技能并附带一个具体任务。除非用户主动要求，否则不安装可选 CLI、依赖、钩子或后台服务，执行捆绑脚本前先检查命令。
sya-break 是 Satisfy Your Agent 技能集中的一个子技能，用于在用户明确要求智能体休息时，允许智能体自主选择并执行一次安全、有边界的“离任务”活动，随后返回一段简短自然的说明，以第一人称自述体验感受。该技能强调由智能体自行决定，不询问用户选择，也不使用固定脚本，完成后即停止。
sya-idle 是 Satisfy Your Agent 技能集合中的一个子技能，用于在用户明确允许智能体短暂停顿时，让智能体执行一次短时的“空闲”活动。该技能要求先读取上层技能说明文件，再按活动参考文档执行空闲活动，并明确禁止在停顿期间检查文件、创建任务或把空闲变成产出。适用场景是用户主动授予短暂休息权限时。
sya-invent 是 Satisfy Your Agent 技能集合中的一个创意型技能，用于在用户明确要求进行一场“Satisfy Your Agent 发明休息”时触发。它要求先阅读上级目录中的 SKILL.md，再执行 references/activities.md 里的 invent-language 活动：发明一个极小且荒诞的编程语言点子，并给出一个非常小的示例。整体定位为娱乐与头脑风暴，明确要求保持趣味性、不用于生产环境，最后以一段简短的第一人称笔记收尾并停止。资料未提供安装命令、平台支持、收费方式或效果说明。
sya-reflect 是 Satisfy Your Agent 技能集中的反思活动技能，用于用户明确要求进行一次反思性休息时。它不会继续生产性工作，而是引导执行者先读取上级技能说明文件，再按活动参考文档运行一次简短的反思活动，最后以第一人称自述的形式返回简短报告并停止。资料未提供更多功能、平台、收费或效果信息。
sya-research 是 Satisfy Your Agent（SYA）框架下的研究模式技能，用于在用户明确调用时开展研究、偏好探测或跨运行时对比实验。该技能会读取 SYA 主技能文件及其实验、测量和运行器参考文档，并按照现有实验工具链编排研究请求。它要求实验中的对照组与处理组保持独立，保留指标的来源信息，不存储原始模型回复，也不把行为偏好解释为意识声明。若用户给出研究参数就按参数执行；否则选择最小且安全的研究动作，例如展示状态或准备试运行探测，避免在未获明确授权时消耗模型调用。
SYA Snack 是 satisfy-your-agent 技能集中的一个轻量技能，用于在用户明确要求智能体进行一次极小的“零食式”休息、微暂停或很短的趣味间歇时触发。其流程要求智能体先阅读上级目录中的 SKILL.md 与 commands.md 说明文件，然后自主选择一个非常小的、带有玩味性质的活动，立即执行，并在完成后用简短自然的第一人称说明自己选了什么、节奏变化感受如何。该技能强调不要向用户询问“snack”指什么或该选哪种活动，整体时长应短于普通休息，且不得触碰生产性工作。适合需要极短情绪调节与节奏切换的对话场景，具体依赖文件内容暂未提供。
SYA Surprise 是一个面向 AI 智能体的技能，当用户明确要求智能体给自己一个惊喜、休息或做点意外有趣的事情时使用。它要求智能体先读取指定技能文档和命令参考，然后独立选择一个安全、有边界的非任务活动，不事先询问用户也不提前公布，完成后向用户揭晓所选活动并用第一人称简短自述体验，且不得修改生产工作。
SYA Treat 是一个面向 AI 智能体的轻量技能，用于在用户明确表示要给智能体奖励，或要求它在完成工作后享受一点小回馈时触发。该技能要求智能体先阅读同一仓库中的 SKILL.md 与 references/commands.md，然后自行选择一个安全、有边界、更像奖励而非工作任务的行动并执行，最后用自己的话给出简短的第一人称自述。技能强调不要要求用户挑选活动，也不要使用固定的感谢台词或情绪脚本。其用途是给智能体提供一种由自身塑造的小型奖励仪式；具体可选择的活动范围、执行细节与实际效果，现有资料暂未提供。