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
41,032 个结果
本技能用于在 OCI（Oracle Cloud Infrastructure）Generative AI 服务上实现推理 API 调用，覆盖模型选型、费率限制处理、令牌截断、PHI/PII 脱敏与响应校验等主题。内容包含 command-r 与 command-r-plus 的上下文长度与费用对比、按分区（compartment）的每分钟/每日请求上限、429 与 400 错误的退避重试模式、令牌截断函数、PHI 脱敏正则示例以及医疗场景下的响应校验清单。同时列出反模式，例如禁止向 GenAI API 发送 PHI/PII、禁止无校验信任输出、禁止静默超令牌限制、禁止将 GenAI 用于确定性任务。附带 OCI GenAI 参考文档入口，涵盖 API/SDK 文档、RAG 实现、GenAI Agents 设置与微调部署。
publish-skill 是一个用于创建新技能并发布到 GitHub 仓库、使其可通过 npx skills add 安装的工作流技能。它覆盖从脚手架初始化、编写符合规范的 SKILL.md、提交前用 /skill-judge 评估、提交推送，到验证可安装性的完整流程。该技能强调 frontmatter 只能包含 name 和 description 两个字段，description 必须同时包含 WHAT（做什么）、WHEN（以“Use when...”开头）和 KEYWORDS（可搜索关键词），并给出明确的 NEVER 清单，例如未评估不得推送、不得使用多余 frontmatter 字段、不得把“何时使用”只写在正文、技能名不得含空格或特殊字符。适用于需要向 acedergren/agentic-tools 仓库新增技能并让其可被 npx skills add 安装的场景。
Semgrep + CodeRabbit Review 是一个两阶段代码审查技能：先用 Semgrep 做快速、确定性的模式检测，再用 CodeRabbit 做语义化 AI 分析，顺序不可颠倒。Semgrep 失败属于阻塞项而非建议，必须先修复全部违规并重跑至通过，才能进入 CodeRabbit 阶段。CodeRabbit 的发现按优先级处理：CRITICAL 与 HIGH 必须在合并前修复，MEDIUM 视合理性处理，LOW 为可选打磨。修复后需重跑两个工具确认未引入新问题。该技能还给出按问题类型批量修复、CRITICAL 优先、同一 PR 最多 3 轮审查等策略，以及 Semgrep 与 CodeRabbit 冲突时以 Semgrep 为准的裁决原则。
sdlc-fix 是 AI SDLC 流程中的修复技能，用于在已有、可读的流程中修复一个有边界的缺陷，或进行保持行为的重构。它会重现并验证改动，并在改动具有重要后果时要求更强的独立审查。该技能默认在编辑前记录仓库根、分支和 HEAD，检查 git 状态与差异，避免提交无关改动。它要求按“后果”而非“代码行数”决定保证级别：无事实、选择、权限、持久数据或共享行为变化的标签、大小写、布局修复只需聚焦回归和受影响的渲染/预览检查；局部行为修复增加受影响契约及主/错误路径检查；涉及授权、敏感数据、不可逆操作或迁移、财务计算、安全关键行为等重大不变量时，必须在编辑前建立独立的审查路径。该技能遵循 YAGNI，复用现有代码与模式，仅在存在明确缺口时添加自定义代码或依赖，并保持验证、错误处理、安全与可访问性。工作流程包含所有权预检、置信度与检查范围管理、根因修复、提交前本地检查、按 Conventional Commits 提交，以及在有后果的变更中由全新独立审查者基于确切提交候选进行复核。它不授权推送或外部操作，也不应把扩展范围伪装成修复。
通过 Deeplake 挂载点 memory/graph/ 查询本地代码图（函数、类、调用、导入）。适用于用户提出关于代码的结构性问题时使用。
System Design 是一个引导式系统设计技能，帮助从问题出发逐步推导出架构蓝图，而非直接产出文档。它通过交互式发现、需求澄清、权衡比较、架构映射到最终输出的流程，引导用户完成系统设计。该技能强调先明确问题与需求，再讨论组件与架构，适用于需要结构化思考系统设计的场景。
explain-code 是一个用于讲解代码的 AI 技能，通过类比、ASCII 示意图和逐步讲解帮助理解代码或代码库，适合教学与回答“这段代码怎么工作”之类的问题。
review-prompt-composer 是一个面向 Git 仓库的提示词生成技能，用于在同一工作树内生成一份仓库本地的、可直接复制给其他团队或 AI 代理的 Markdown 审核提示词。它要求接收方读取同一仓库与工作树，不将改动复制到交付物中。工具会解析仓库根目录、分支与 HEAD，将请求映射为唯一审核范围（全部未提交、仅暂存、仅未暂存、仅未跟踪、分支或提交范围），采集只读范围证据，并对凭据、私钥、令牌、.env 值、内部地址和个人数据等敏感内容进行门禁处理。随后生成含可证伪目标、改动清单、审核重点与输出要求的中文提示词正文，并通过写入脚本保存到 .review-handoff/prompts/active/ 下，附带提示词 ID、范围摘要、只读新鲜度校验命令与 24 小时有效期。它只写出提示词文件与本地 exclude 条目，不修改源码、不运行检查、不提交或推送。
Webcmd 适配器编写技能：指导从站点侦察、接口发现、字段解码到生成适配器并通过 webcmd browser verify 的完整流程，强调先写策略说明、复用既有命令、遵守类型化错误与站点记忆约定。
面向已搭建 Telegram Bot 项目的进阶技能，覆盖富消息（Bot API 10.1）、清单（Bot API 9.1）、聊天类型、内联按钮与媒体类型及 Webhook 契约，讲解如何用结构化块、流式 AI 回复和原生待办清单提升机器人交互体验。
APOS（AI Project Operating System）是面向软件项目的治理与连续性层，用于帮助实现型智能体保留项目意图、架构一致性、决策历史、任务归属与文档准确性。它不替代实现智能体，而是引导它们并让项目状态与已验证现实保持同步。
用于开发实现完成且测试通过后，指导如何整合分支工作的技能：先验证测试，再给出本地合并、推送建 PR、保留分支、丢弃工作四个选项并执行所选流程。
Vercel React Best Practices 是由 Vercel 工程团队维护的 React 与 Next.js 性能优化指南，包含 8 个类别、共 45 条规则，并按影响程度划分优先级，用于指导自动化重构与代码生成。它适用于编写新的 React 组件或 Next.js 页面、实现客户端或服务端数据获取、审查代码性能问题、重构现有 React/Next.js 代码，以及优化打包体积或加载时间等场景。规则类别按优先级依次为：消除瀑布流（CRITICAL，async-）、打包体积优化（CRITICAL，bundle-）、服务端性能（HIGH，server-）、客户端数据获取（MEDIUM-HIGH，client-）、重渲染优化（MEDIUM，rerender-）、渲染性能（MEDIUM，rendering-）、JavaScript 性能（LOW-MEDIUM，js-）以及高级模式（LOW，advanced-）。每条规则文件包含规则重要性说明、错误代码示例及解释、正确代码示例及解释，以及额外上下文与参考。完整指南可参见 AGENTS.md。
bmad-gds 是一个基于 BMAD 方法论的 AI 驱动游戏开发工作室技能，将游戏项目按预制作、设计、架构、制作和游戏测试等阶段进行组织。它支持 Unity、Unreal Engine、Godot 及自定义引擎，提供从头脑风暴、游戏简报、游戏设计文档（GDD）、叙事设计、技术架构，到冲刺规划、开发故事、代码审查、回顾以及测试框架搭建、自动化测试、试玩计划和性能测试等一整套命令与专用智能体。安装方式为 npx skills add https://github.com/supercent-io/skills-template --skill bmad-gds。
一个用于在保持行为不变的前提下简化与重构代码的技能，帮助提升可读性、减少复杂度与重复。适用于代码审查、加新功能前清理、修复缺陷后消除根因以及偿还技术债。
Construct 是一个用于在代码仓库中执行已封存蓝图（blueprint）的技能：读取指定的 blueprints/<task>/blueprint.md 及其配套的 request.md，按蓝图定义的切片（slice）顺序逐步实现改动，推导实际仓库变更，运行 Verify 并判断 Done-when，最后执行蓝图最终验证。它强调按既有蓝图施工、保留无关的未提交改动、拒绝归因不清的内容，并且不会静默重新规划。仅接受封存的 v7 construction.json，历史 v5、v6 版本不可执行。
这是一个面向代码库优化的技能，核心是在不悄悄改变已有行为的前提下，针对指定的瓶颈、工作流或工具链痛点，寻找并落实有证据支撑的改进。它强调先计划、后实施，只有在计划产物通过校验且用户明确授权后才允许改代码。技能采用八道门（Gate）流程：界定范围与受保护行为、追踪覆盖工作流、建立可比基线、对齐用户请求与证据、调研与基线相关的组件、比较并分类候选方案、生成按依赖排序的计划并可选实施、最终校验与交接。它记录多种规范化条目（事实、覆盖、基线、调研、候选、校验、拒绝、交接、实施等），并用确定性规则给候选定性为 quick-win、strategic-win、investigate 或 rejected。适用场景是已知痛点的定向优化（targeted），或在用户明确要求时做全仓库范围的优化扫描（sweep）。限制包括：不编造性能数字，测量受阻时只能把候选限制在 investigate；不允许从无效报告直接实施，也不允许同时执行多个候选；分类不使用序数运算。暂未提供具体收费、平台支持范围和性能提升数据。
来自 Vercel Engineering 的 React 与 Next.js 性能优化指南技能，包含 8 大类共 57 条规则，按影响程度排序，用于在编写、审查或重构 React/Next.js 代码时指导自动化重构与代码生成。
基于 Arthas 的 JVM/应用 CPU 飙高排查指南，先用 dashboard 观察整体状态，再用 thread 定位最忙线程与堆栈，必要时用 stack/trace/watch/tt 收敛到具体方法与代码路径，输出含证据与结论的诊断报告。
openspec-bulk-archive-change 是一个用于批量归档多个已完成变更的技能。当需要同时归档多个并行变更时使用。它通过检查代码库来判断实际已实现的内容，从而智能处理规格（spec）冲突。该技能无需输入参数，会提示用户进行选择，然后对所选变更进行批量校验、冲突检测与解决、确认后逐一执行归档，并输出成功、跳过或失败的结果汇总。
Commit Craft 是一个用于整理 Git 提交的技能，帮助把混杂的改动拆分成可审查的提交序列。它提供三个只读调用 git 的 Python 脚本：commit_planner.py 负责分组、排序并给出暂存命令，secret_gate.py 在提交前扫描暂存内容中的凭据、敏感文件和冲突标记，message_linter.py 检查提交信息是否清晰规范。脚本本身不会执行暂存、提交或推送，由使用者按组手动操作。适用于提交混合改动、推送前整理历史或需要拆分提交的场景。
面向 LLM 辅助编程的行为准则技能，用于写代码、审查与重构时避免过度复杂化、保持改动最小。源自 Andrej Karpathy 对 LLM 生成代码常见问题的观察，由 ClaudeForge 集成到 CLAUDE.md。
用于在本地生成 Next.js 版 Alpaca 仪表盘的脚手架技能，基于已发布的 @alpacahq/alpaca-trade-api SDK，面向模拟交易与行情数据演示。默认仅使用 paper trading，不配置实盘。
Effect 库数据类型技能，用于在使用 Effect（TypeScript 函数式效果系统）时查询和编写类型安全的数据结构代码。该技能覆盖 Option（可选值，Some/None）、Either（成功与失败，Right/Left）、Cause（详细失败信息）、Exit（Effect 执行结果）、Data（类结构相等性）、Chunk（不可变索引序列）、Duration（时间跨度）、DateTime（日期时间处理）等核心数据类型，并包含 HashMap、HashSet、Redacted 等辅助工具。技能强调使用不可变、类型安全的结构替代 null 与异常，给出 Option.flatMap 链式替代嵌套 Option.match 的最佳实践，并说明何时使用 match、flatMap、map、getOrElse、filter。可用于编写 Effect 程序中的错误建模、可选值处理、领域错误定义（Schema.TaggedError）、敏感值保护与时间计算等场景。资料未提供收费、价格、平台支持范围与效果数据。