SuperAPI AI 工具集

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 11-20 00:12

编程与开发

41,968 个结果

codebase-design

该技能为“深模块”设计提供一套共享词汇与原则,核心是:用小接口封装大量行为,把接口放在干净的接缝(seam)上,并让调用方与测试都通过同一接口验证。资料明确定义了模块、接口、实现、深度、接缝、适配器、杠杆、局部性等术语,强调统一用语,避免混用 component、service、API、boundary 等词。同时给出深度是接口属性而非实现属性、删除测试、接口即测试面、一个适配器是假想接缝两个才是真实接缝等原则,并提供面向可测试性的做法:依赖由外部传入而非内部构造、返回结果而非修改入参、保持小接口面。适用于设计或改进模块接口、判断接缝位置、审计既有模块,以及接口形态尚未确定时的构思阶段。资料未提供安装命令、具体操作步骤、平台支持、收费或效果数据,这些暂未提供。

编程与开发1 次安装

domain-modeling

domain-modeling 是一个用于在项目设计与开发过程中主动构建并打磨领域模型的技能。它围绕四项核心动作展开:对照词汇表挑战术语用法、把模糊或过载的语言收敛为精确的规范术语、将口头描述与代码实现交叉核对并暴露矛盾、以及在术语确定的那一刻立即写入文档。产物包括项目级词汇表 docx/glossary.md 与决策记录目录 docx/decisions/,后者以 ADR 形式保存难以逆转、缺少上下文会令人困惑且存在真实取舍的决策。该技能强调按需惰性创建文档、按限界上下文组织术语、谨慎提供 ADR,适用于领域模型正在变化而非仅仅查阅词汇的场景。

编程与开发1 次安装

prototype

prototype 是一个用于快速构建一次性原型以回答设计问题的技能。它强调先判断问题类型:如果问题是“这套逻辑或状态模型是否合理”,就生成一个可分享的 HTML 文件,包含自由操作控件和引导式演示,让非开发者也能推动状态机走完关键分支;如果问题是“界面应该长什么样”,就在同一路由上提供多个差异明显的视觉方案,通过 URL 查询参数或浮动切换栏切换。该技能要求原型从第一天起就明确标记为一次性代码,放在被原型化代码附近并遵循项目既有的路由或模块约定;运行方式要极简,一条项目任务命令或双击单个 HTML 文件即可;默认不做持久化,状态保存在内存中;跳过测试、错误处理和抽象;每次操作后完整展示相关状态。原型完成后,将验证过的决策并入真实代码,把原型提交到以 main 为起点的临时分支且永不合并,并在 docx/prototypes/<question-slug>.md 中记录所问问题、结论和存放代码的分支;若结论涉及难以逆转的架构选择,则通过 domain-modeling 升级为 ADR。

编程与开发1 次安装

retro

Retro 是一个面向编码会话的复盘技能,用于在一次编码会话进展不顺或过于缓慢时,分析会话日志并给出改进下一次会话环境的具体建议。它的核心原则是“检查优于规则”:能被机器检测的错误应交给 lint、类型检查、测试、钩子或 CI 作业,写在 CLAUDE.md 里的文字规则只是最后手段。该技能会读取当前项目的会话日志(而非凭记忆回顾),识别重复读取文件、重复执行命令、失败的工具调用、首次编辑出现得较晚等浪费信号,并按严重程度排列环境改动建议;每条建议都包含证据(日志步骤)、具体改动的文件和编辑内容,以及改动类别(自动检查、审查规则、导航、精简指令、工具经济性、信息获取、技能)。应用任何改动前需征得用户同意,也可将复盘记录保存为文档。该技能改编自 mattpocock/skills 中的 retro(MIT 许可)。

编程与开发1 次安装

evaluating-code-models

该技能用于评估代码生成模型,基于 BigCode Evaluation Harness 在 HumanEval、MBPP、MultiPL-E 等 15 个以上基准上以 pass@k 指标进行测试。适用于对代码模型进行基准评测、多语言代码生成能力对比、功能正确性验证以及为 BigCode/HuggingFace 排行榜做基准测试。支持 HuggingFace 模型、量化模型和自定义私有模型,可通过 accelerate 启动,并支持 Docker 安全执行代码。

编程与开发1 次安装

optimizing-attention-flash

optimizing-attention-flash 是一个面向 Transformer 注意力优化的技能文档,介绍如何用 Flash Attention 加速注意力计算,宣称可获得 2-4 倍加速和 10-20 倍显存占用降低,适用于长序列训练与推理。文档给出两条路径:PyTorch 2.2+ 原生 F.scaled_dot_product_attention,以及功能更丰富的 flash-attn 库;并包含集成检查清单、性能基准测试、精度对比、H100 FP8(FlashAttention-3)使用流程、硬件要求与常见问题排查。需要注意的是,该文档假设用户具备 GPU 与 PyTorch 基础,部分加速效果受序列长度和硬件代际影响,实际收益需自行基准验证。

编程与开发1 次安装

outlines

Outlines 是一个结构化文本生成库,用于在生成阶段约束大语言模型的输出结构。它通过有限状态机(FSM)在 token 采样层面过滤非法 token,从而保证生成结果符合指定的 JSON、XML、代码结构、正则表达式或固定选项,并支持 Pydantic 模型类型安全输出。该库支持 Transformers、llama.cpp、vLLM 等本地后端,也提供有限的 OpenAI 支持,官方强调零额外开销与推理加速。

编程与开发1 次安装