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 11-05 00:16
39,553 个结果
plan-checker 是 GSD 工作流中的计划校验智能体（Skill），用于在计划执行前做质量把关，提前发现阻塞执行的问题。它围绕六个维度检查：需求覆盖（阶段目标中的每个需求是否有任务承接）、任务完整性（任务是否包含文件、动作、验证与完成标准）、依赖正确性（依赖图是否存在循环、缺失或前向引用，波次分配是否一致）、关键链路规划（组件与 API、API 与数据库、表单与处理函数等是否被真正串联）、范围合理性（单个计划的任务数、文件数与上下文占用是否超阈值）以及验证推导（must-haves 是否由阶段目标推导而来）。检查后按 blocker、warning、info 分级输出问题与修复建议，并给出 PASSED 或 ISSUES_FOUND 状态。适用于 /plan 完成后、/execute 开始前，以及计划修改后运行。资料未提供安装命令、收费或价格信息，暂未提供。
issue-to-plan 是一个把已定稿的 GitHub Issue 转成草稿 PR 与计划评论的规划技能。它在独立上下文中生成实施计划，不执行实现，通过 PR 评论保留可长期查看的计划，便于后续会话继续执行。
用于在全新上下文中恢复并执行已定稿 issue 的实现计划：从已有草稿 PR 的标记计划评论中提取计划，按 SDD 子代理驱动方式执行，完成后将同一 PR 转为 ready。
Truto API 约定技能，整理 Truto 基础 URL、Bearer 认证、统一/代理/自定义三类 URL 模式、能力发现、游标分页、幂等键与管理端过滤语法等规范，用于按约定构造请求、排查路由与分页问题。
Thermo-Nuclear Review Loop 是一个用于代码审查与修复的 AI 技能，运行在 Claude Code 或 Codex 等宿主会话中。它由“修复者”代理启动一个独立审查者，对指定范围（提交、分支、引用、范围、当前工作区改动或历史功能）进行迭代审查，修复经独立验证的问题，直到审查者明确批准为止。该技能强调以证据为准、区分项目与人的决策、优先消除复杂度而非重排复杂度，并设有“门控”机制将属于人类决策的问题批量提交给用户。
Production FastAPI 是一套面向生产环境的 FastAPI 工程实践技能，涵盖应用生命周期、结构化日志、健康检查、错误处理、中间件、Pydantic v2、异步模式与安全配置，强调可直接复用的模板与资深工程师评审级取舍。
用于构建、更新或重构 oRPC 契约、服务端处理器、客户端及 React Query 集成的实现 SOP 技能，强调 Contract-First 开发模式与命名、Schema、错误处理等约束。
wkc-setup 是一个用于配置项目以在 AI-SDLC（AI 软件开发生命周期）中启用 skills 的初始化技能。它会先勘察当前仓库状态，判断是全新项目（Greenfield）还是已有代码的项目（Brownfield），然后通过分节访谈的方式向用户询问配置信息，最终搭建项目结构并写入 docs/dev-agents/config.md 文件。该配置文件是后续技能（如 wkc-tracker）读取的核心入口。它还负责选择 issue 跟踪后端（GitHub、Linear、本地 Markdown 或其他）、记录产品意图文档路径、确定上下文文件（如 AGENTS.md 或 CLAUDE.md）以及测试命令。该技能依赖 git；若使用 GitHub 跟踪器需要 gh；若使用 Linear 跟踪器需要 Linear MCP 服务器；本地跟踪器无额外依赖。它会创建 docs/dev-agents/ 目录结构、写入配置文件、在项目上下文文件中添加一行引用，并执行跟踪器的一次性设置（如创建状态标签）。该技能具有幂等性，可安全重复运行，且不会在未征得同意的情况下覆盖已有文件。
本技能用于编写 Windmill 平台的 Bun Native 脚本。Native 脚本是运行在原生 worker（轻量级 V8 隔离环境）上的 Bun 脚本，可使用 fetch 与 JavaScript 标准库，并可大量并行执行。每个脚本首行必须写 //native，否则会被路由到普通 Bun worker 执行。脚本通过参数接收输入，凭据与配置以资源类型参数传入，不硬编码或从环境变量读取；可使用 windmill-client 与平台交互，支持 S3 对象操作与预处理器脚本。技能还说明了本地预览与已部署脚本运行的区分、元数据同步命令及部署时机的判断。
依赖倒置原则（Dependency Inversion Principle，DIP）是一项编码规范技能，用于指导开发者编写高内聚、低耦合的代码。其核心主张是：高层模块不应依赖低层模块，二者都应依赖抽象；类应依赖接口而非具体实现，依赖应通过注入而非在类内部实例化。该技能适用于任何使用外部服务（如数据库、邮件、文件系统、API）的类，尤其当代码中出现 new ConcreteClass()、硬编码连接字符串或 API 密钥、无法脱离真实外部服务进行测试等“new 坏味道”时。技能提供了违规与正确写法的代码对照、检测清单、压力抵抗协议（应对“别用 DI 搞复杂”“就一个依赖”“以后再重构”等常见借口）以及测试收益示例，强调依赖注入不是过度设计，而是正确且同样简洁的设计方式。
TypeScript Pro 是一个面向高级类型系统、泛型与全栈类型安全的 TypeScript 开发技能，适用于构建类型安全的全栈应用、设计类型优先 API、配置 tsconfig 与构建工具，以及用 tRPC 实现端到端类型安全等场景。
在实验性工作流中归档已完成的变更：核对产物与任务完成状态、评估增量规范同步，并在确认后将变更目录移入 archive。来自 zelinewang/claudemem。
该技能用于一次性提出新变更并生成全部工件：proposal.md（做什么与为什么）、design.md（怎么做）、tasks.md（实现步骤），完成后可运行 /opsx:apply 进入实现。输入需包含 kebab-case 变更名或需求描述。
面向 GitHub Pull Request 的自动化技能，用于处理全部审查评论并修复所有失败的 CI 检查：逐条修复评论、逐项修复检查、分别提交、推送后重新拉取数据验证所有对话已解决且检查通过。
Iterate 是一个受 Karpathy 自动研究思路启发的自主单指标改进循环技能。它让智能体围绕一个明确的机械指标，自动修改代码、测量结果、保留改进、丢弃回退，并不断重复，直到触发停止条件或用户中断。其核心是将范围、指标和循环层层约束，并用 Git 作为实验记忆。循环开始前需配置目标、作用范围、验证命令、方向等字段，并完成规划、权限检查、分支设置、任务跟踪、测试验证和基线记录。每轮循环包括回顾历史、构思改动、逐个提交、运行验证、决定保留或回退、记录结果、快照最佳状态和检查停止条件。支持批量改动与回归二分定位，提供 iterate/best 标签用于恢复到最佳状态。
rust-ops 是一个面向 Rust 开发的综合性技能（skill），覆盖所有权与借用、异步运行时、错误处理以及生产级生态。内容包含所有权与借用规则的速查决策树、错误处理决策树（Option、thiserror、anyhow、? 运算符）、Trait 设计与常见派生、异步场景下的运行时与库选型（tokio、reqwest、axum、sqlx、tracing）、Cargo 常用命令与特性开关、常见踩坑与修复方式，以及 serde 序列化示例。该技能还提供事实时效性检查脚本与目录文件（scripts/check-rust-facts.py、assets/rust-facts.json），并附带多个参考文档主题（所有权与生命周期、Trait 与泛型、错误处理、异步 tokio、生态、测试），按需深入加载。
Bitbucket Automation 是一个通过 Rube MCP（基于 Composio 的 Bitbucket 工具包）来自动化 Bitbucket 操作的技能，可管理仓库、拉取请求、分支、议题与工作区。简介说明其能自动执行仓库管理、PR 工作流、分支操作、议题跟踪以及工作区管理。使用前需连接 Rube MCP 并建立有效的 Bitbucket 连接，且应先调用 RUBE_SEARCH_TOOLS 获取最新的工具 schema。文中强调在创建 PR 前解析工作区、仓库与分支标识，并列出评审人需使用带花括号的 UUID、议题的 assignee 与 assignee_account_id 字段不同、以及仓库与议题删除不可逆等注意事项。
sdlc-design 是 ai-sdlc 工作流中的设计环节技能，用于在意图（intent）被接受后，把需求与设计写入 intent/<slug>/spec.md。它适用于用户为已有意图请求规格或设计时。该技能要求存在状态为 accepted 的 intent.md，否则应回到 sdlc-plan；已存在的草稿 spec 可在本环节继续修订。它强调将观察到的结果与各项实质约束追溯到可观察的需求/场景，保留用户给出的具体示例与限制，不把期望行为悄悄替换为更易实现的方案，也不擅自用默认值替代缺失的产品决策。它会检查新增范围与缺失范围，把额外界面、必需输入、确认步骤或门禁视为产品决策而非常规实现细节。设计上先理解受影响流程，再应用 YAGNI，优先复用现有代码与模式，其次使用标准库、原生平台或已安装依赖的能力，仅在确有缺口时新增自定义代码或依赖。它还涉及与 sdlc-apply 的衔接、版本控制提交规范（Conventional Commits）、置信度与挑战机制等。
melech-prune 是一个用于在 AI 迭代编码后清理代码库的技能。经过 5–15 轮 AI 迭代编码后，代码库往往会积累“AI 残留”：早期提示留下的孤立辅助函数、死类型、半迁移状态、推测性配置键和僵尸工作流。该技能充当“证据式垃圾回收器”和架构协调器，采用“反向举证责任”哲学——每个新增或修改的函数、类型、参数、状态钩子、包装器和导出默认都被视为有罪（死代码、意外残留或 YAGNI 膨胀），直到用具体证据证明其无罪。它通过四项证据证明（可达性证明、需求证明、非重复证明、破坏性证明）审计 diff，将发现分为四个层级，先向用户展示证据表并请求明确批准，然后进行外科手术式清理并运行测试与类型检查验证。
面向 iOS 系统入口设计 App Intents、应用实体与 App Shortcuts 的技能。当需要把应用操作或内容暴露给快捷指令、Siri、聚焦搜索、小组件等系统界面时使用。
这是一个用于回答 OpenAI 产品与 API 开发问题的技能，通过 developers.openai.com 的 MCP 服务器提供权威、最新的官方文档指引。它覆盖 Codex 自身知识、模型选择、API 模型迁移与提示词升级等场景，并规定了从 Codex 手册、Docs MCP 到官方域名网页搜索的来源优先级与回退流程。
Google Gemini 官方 TypeScript SDK（@google/genai）使用技能，涵盖客户端初始化、文本生成、多模态输入、函数调用、结构化输出、流式输出、嵌入与上下文缓存等模式，并强调避免使用已弃用的 @google/generative-ai。
pytm 是一个基于 Python 的威胁建模库，采用 STRIDE 方法论，支持以代码方式定义系统架构、自动生成数据流图（DFD）、识别信任边界上的安全威胁并输出威胁报告，可集成到 CI/CD 流程中实现持续威胁分析。
面向 Python 的数据与状态设计技能，帮助明确数据归属、校验边界、一致性模型与配置策略；在所有权不清、校验分散、可变状态跨模块共享或配置读取不一致时使用，不适用于无共享状态的纯算法逻辑与一次性原型脚本。