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 11-14 00:15
41,027 个结果
Cavecrew 是一组由三个子智能体预设组成的技能，其输出采用“caveman（原始人）”风格的压缩格式。它对应 Anthropic 默认的 Explore、编辑类智能体与审查者，区别在于子智能体返回的工具结果经过压缩，因此每次委派后主线程上下文占用更少。三个预设分别为：cavecrew-investigator 用于定位代码（如某定义在哪里、谁调用了它、列出使用处），cavecrew-builder 用于范围明确、涉及 1–2 个文件的小型外科式编辑，cavecrew-reviewer 用于审查 diff、分支或文件中的缺陷。资料给出的经验法则是：如果希望子智能体输出只占约三分之一的 token，就选 cavecrew；如果希望得到成段的文字说明，则选原版。
caveman-commit 是一个超精简的提交信息生成器，用于把提交信息中的冗余内容去掉，同时保留意图与理由。它遵循 Conventional Commits 格式，主题行尽量不超过 50 字符、硬上限 72 字符，正文仅在必要时添加，并禁止 AI 署名、表情符号等噪音。该技能只生成提交信息，不执行 git commit、不暂存文件、不 amend，输出为可直接粘贴的代码块。
caveman-review 是一个用于代码审查的超精简评论样式技能：把 PR 反馈中的噪音压到最低，只保留可执行的信号。每条评论一行，包含位置、问题和修复方案。它按行号或「文件:L行号」指定位置，可选用严重级别前缀区分问题性质：🔴 bug（会引发故障的错误行为）、🟡 risk（能工作但脆弱，如竞态、缺少空值检查、吞掉错误）、🔵 nit（风格、命名、微优化，可忽略）、❓ q（真实疑问而非建议）。它要求删除「我注意到」「似乎」「你或许可以考虑」这类铺垫与含糊措辞，删除「干得漂亮」之类的套话，删除对代码行为的复述，删除对冲用语；保留精确行号、反引号包裹的符号/函数/变量名、具体的修复动作，以及当修复原因不明显时的说明。资料给出了多个前后对比示例，例如把冗长的空值检查建议改写为「L42: 🔴 bug: user can be null after .find(). Add guard before .email.」。该技能还定义了自动清晰化机制：遇到安全类发现、架构分歧、新人上手场景时退出精简模式，改为完整段落说明后再恢复精简。其边界明确：只做审查评论，不写代码修复、不做批准或请求修改、不运行 linter，输出可直接粘贴到 PR 的评论；说「stop caveman-review」或「normal mode」即恢复冗长审查风格。
gpt-taste 是一套面向 AI 前端生成的高端 UX/UI 与 GSAP 动效设计规范。它通过模拟 Python 随机化打破 LLM 默认布局惯性，强制 AIDA 页面结构、无空隙 Bento 网格、双行 H1 规则和滚动动效，需配合 design-foundation 使用。
impact-check 是用于在修改共享代码前，先梳理某个符号（函数、类、变量、配置键）全部调用方与依赖方的技能。它只读不写代码，输出引用清单、测试引用与 wiki 缺口，帮助避免遗漏调用者。
new-project-setup 是一个用于从零为项目搭建 llmwiki 的技能。它的作用是在一个还没有 llmwiki/ 目录的新项目中，自动拉取模板并安装技能、创建 wiki 目录骨架、在 WSL 环境下安装并接入 RTK token 代理、初始化 wiki 种子内容，最后对代码库进行 onboard 并输出报告草稿。触发条件是项目尚无 llmwiki/ 目录，或需要从头重置。该技能不会单独安装自己的技能（由 sync-template 第 7 步处理），不会重复调用 lint（onboard-codebase 已包含），不会在 WSL 之外安装 RTK，也不会自行触发。整体心智模型为：检查 llmwiki → sync-template（模板与技能）→ 创建 wiki 目录骨架 → RTK（仅 WSL）→ seed（需求、日志、索引）→ onboard-codebase（概念与实体加 lint）→ 输出报告。
通过“蒸馏版 understand-anything”流水线对任意代码库进行并行上手：先扫描代码与 git 历史、批量分析并生成知识图谱、分层与导览，再做领域增强、wiki 与 HTML 文档，推理留在 Claude 主线程，机械任务分派给 opencode。
用于在写代码前先产出功能或变更的 SPEC 草案：先强制查询 wiki 上下文，识别未知项与影响面，给出 2–3 种方案与取舍，生成 .md 草案与配套 HTML 示意图，然后停在审批门等待确认，通过后才交给 /plan。
ship 是一个围绕 Git remote 的发布工作流技能：在 push、release、PR、MR 或合并 PR/MR 之前先跑条件检查清单，并在任何有副作用的操作前暂停等待用户明确批准。
web-clone 是一个网站克隆技能，提供两种不同模式：SNAPSHOT 生成自包含的单文件离线副本（HTML+CSS+JS+图片内联，力求字节一致），RECONSTRUCT 则把页面逆向重建为可编辑的 Next.js + Tailwind 代码库。适合离线存档、参考设计与学习用途，而非搬运他人网站。
面向科研数据分析与可视化的单一入口技能，用 R 或 Python 完成数据准备、探索分析、统计推断、模型评估与论文配图。默认 R/ggplot2，明确要求 Python 时用 Python 3.11+。保留出版级柔和配色与最终尺寸审阅，区分已验证助手、库工作流与待验证能力。
该技能为智能体提供 .NET MAUI 应用性能优化的最佳实践、模式与诊断方法，覆盖启动时间、布局效率、内存占用、渲染性能、编译绑定、AOT、图片优化以及跨平台的响应速度。其目标是确保生成的 MAUI 代码快速、高效且可投入生产。核心原则包括：降低布局复杂度（避免深层嵌套，优先使用 Grid 等高效容器）、使用编译绑定以减少反射开销并提升渲染速度、优化启动（延迟重任务、只预加载必要内容、适当使用 AOT）、降低内存压力（释放资源、卸载页面、避免大型内存对象）、优化图片（使用正确分辨率、缓存与矢量资源）、以及“测量而非猜测”（借助性能分析工具与诊断手段）。
Architect Lens 是一套用于编码时做软件架构判断的“双镜头”技能：决策/权衡教练与耦合/Connascence 审查器，源自《Fundamentals of Software Architecture》，帮助把模糊的“哪个更好”变成有依据的选择，并精确诊断代码耦合。
用于编码会话中的软件架构权衡分析技能，聚焦服务级决策，如服务拆分、数据所有权与 saga 编排。当用户询问耦合、模块化、单体拆分等架构问题时启用，帮助在具体约束下比较方案并落地最小改动。
基于《Learning Domain-Driven Design》的战略设计审查技能，用于检查一次变更在有界上下文边界、通用语言命名与上下文集成模式上的战略形状，按镜头分组给出带 file:line 的发现、规则名与修复建议。
一个用于编码会话的工作节奏技能：以“小步快跑、快速反馈”的方式推进开发，源自 Dave Farley《The Software Developers' Guidebook》。核心是每次只做可回退的最小增量，先写测试、预测失败、看到失败，再以最简方式转绿，最后在绿灯下重构，并频繁提交集成。
针对 .NET 整洁架构中 FluentValidation 验证器的代码生成技能，可为命令与查询生成验证器，涵盖内置规则、自定义验证器、异步验证及 MediatR 管道集成。
该技能可按 Repository 模式生成仓储接口与实现，接口位于 Domain 层定义数据访问契约，实现位于 Infrastructure 层并使用 EF Core，按聚合根而非单个实体组织，并通过 IUnitOfWork 统一保存更改。
Grill Test 是针对代码任务的组合式技能工作流，按固定顺序串联 grill、to-spec、to-tickets、implement 四个原始 Skill。它通过真实访谈会话与用户确认共同理解，生成正式 Spec 文档并切片为可执行票据，在获得实现授权后按票据完成代码实现与测试。所有阶段都在 SDK 子流程中保留原 Skill 职责，使用本地 .scratch/grill-test/ 目录保存文档和票据索引，并在隔离项目本地提交。
Seedream 是 RunAPI 平台上的图像生成与编辑技能，可用于让智能体创建、编辑或变换图像。它提供 CLI 一次性调用与 SDK 生产集成两条路线，支持多版本模型，并通过请求契约校验、任务提交与结果校验流程保证交付物完整。
worktree-pr 是一个面向 Git 工作流的技能，用于判断某项任务是否值得单独创建 git worktree，并在决定使用后完整执行整个流程：从集成分支而非当前工作树拉出分支、保持主工作副本不受影响、在隔离副本中完成任务，最后按用户既定的授权偏好推送分支并创建 PR。它强调隔离带来的两个价值——主工作副本在任务运行期间仍可用，未改动的副本可作为基线进行对比——并给出何时该用、何时该跳过、如何运行、完成前如何验证以及如何落地合并的完整指引。
Electron 主进程与渲染进程之间 IPC 通信模式的技术技能，涉及 ipcMain.handle、contextBridge 预加载 API、事件推送、输出缓冲，以及配套的窗口美化与 Tailwind、xterm.js 界面样式方案。
codex-token-xray 通过真实会话日志展示 Codex 上下文 token 的去向，并帮助清理未被读取的技能、精简自定义长技能。报告区分实测 token 数与基于字节的估算，支持任意 Codex 模型且不联网。
该技能用于在规划功能实现时选择实现策略，支持垂直切片、水平切片或混合方案，并进行风险评估。