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 11-15 00:13

编程与开发

41,160 个结果

add-python-package

add-python-package 是 probabl-ai/skills 中的一项技能，用于为项目添加 Python 依赖。它通过项目的环境管理器来添加依赖，或在 env.managed 为 false 时请用户自行安装。该技能在以下情况被触发：工作流需要缺失的 import、choose-python-library 选定某个库之后，或需要对 src/<pkg>/ 进行可编辑（editable）安装时。它不负责在多个竞争库之间做选择（由 choose-python-library 处理），也不负责从头搭建缺失的环境管理器（由 setup-python-env 处理）。当 env.managed 为 null 时，如果已安装 setup-ml-project，则加载该技能。使用流程为：读取 status.policy.env.managed、env detect 和 env route，先对本轮请求分类（editable、add-skore 或具名包），再按 managed 状态分别处理。

编程与开发7 次安装

choose-python-library

choose-python-library 是一项用于解决 Python 库选型问题的技能，来自 probabl-ai/skills。它的用途是在面对某个具体任务时，帮助在多个竞争的 Python 库之间做出真实选择，随后在 `add-python-package` 已安装的情况下交由该技能添加所选依赖。它适用于存在竞争性库的问题，或项目中尚未由既有技术栈固定的可选包，例如首次进行表格数据探索、管道构建或评估扩展件时使用，但不适用于工作区初始化阶段。该技能强调以面向数据科学的方式来呈现选项，不静默替用户做决定，也不会安装全部候选库，更不以流行度作为技术决策依据。

编程与开发7 次安装

export-ml-notebook

export-ml-notebook 是一个用于将 jupytext percent 格式（`# %%`）的 Python 源文件导出为 `.ipynb` 文件（以及可选 `.nb.html` 查看器）的技能，属于 probabl-ai/skills 技能集。它强调以 `# %%` 的 `.py` 文件为唯一真实来源，只生成派生的 `.ipynb`，不反向重写 `.py`。该技能会依据 `policy.notebooks` 策略状态决定行为：当策略为 `null` 时会自动将其设为 `true`；当策略为 `false` 时会提示用户是否开启；当策略为 `true` 时通过 `notebook fill` 填充请求的百分比格式文件，且代码单元输出保持为空。`data_analysis/`、`experiments/` 和 `audit/` 目录下的文件均由 fill 填充空输出。当用户需要 HTML 或站点查看器时传入 `--html` 参数生成自包含的 `.nb.html`。内核 `notebook convert` 仅保留给源文件本身即为执行的场景（如未拟合的实验快照）。该技能通过 `python -m skore_skills` 命令驱动，依赖 jupytext、nbformat 等包。

编程与开发7 次安装

export-ml-project

export-ml-project 是一个协调类技能，用于按需触发机器学习项目的导出流程。根据资料，它本身只负责“排序/编排”，实际转换与建站由子技能完成。它会先运行 `python -m skore_skills status` 读取策略状态，然后用多选方式询问用户要导出哪些内容，选项为“Executed notebooks（已执行的笔记本）”和“Documentation site（文档站点）”。用户的选择会被持久化为策略（通过 `python -m skore_skills policy set notebooks true/false` 或 `site` 设置）。若用户选中的子技能在状态中可用，则加载对应子技能：选 notebooks 时加载 export-ml-notebook（首次同意时安装工具链，然后执行 convert，仅在需要站点笔记本查看器时使用 `--html`）；选 site 时加载 export-ml-site（首次同意时安装 mkdocs-material，必要时初始化，然后 build，从不执行 convert）。资料未提供收费、价格、适用平台等更多信息。

编程与开发7 次安装

setup-ml-project

这是一个用于协调机器学习项目初始搭建的编排型技能。当用户要求建立或引导一个新的机器学习工作区时触发，或者当流水线阶段发现待处理状态非空时触发。它的核心作用是统一组织和调度环境的准备流程：只询问用户尚未完成、尚未拒绝的待办部分，让用户自行勾选需要设置的项。技能会先要求用户逐一选择想做的部分，随后在同一阶段询问环境管理器、是否由它管理环境、Python 导入名、以及 Git 是否自动提交，并且只针对用户选择且尚未记录的项目进行询问，之后持久化保存答案。当选择 Git 时，会在任何写入前先执行变更前快照检查，仅在检查结果为 ask 时才询问是否提交当前文件；空文件夹或干净的工作树会记录为 skipped 且不询问。最后只运行用户选定的部分，并在首次提交前由 Git 询问一次保留哪些未知文件，完成后返回调度它的技能。

编程与开发7 次安装