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 10-24 00:15
16,888 个结果
Metabase Skill 是一个面向 Metabase 商业智能（BI）开发的端到端命令行工具，用于把仪表盘、问题（卡片）、SQL 片段和集合以“代码”形式设计、构建与管理。它通过 Node.js 脚本调用 Metabase，支持浏览器登录或 API Key 认证，可将仪表盘保存为 YAML 加 SQL 的项目文件夹，并完成校验、检查、差异对比、推送与拉取。工具还能运行卡片查询、导出 CSV/JSON/XLSX、渲染图表与仪表盘为 PNG/PDF，并管理警报、订阅、集合、SQL 片段以及用户、组和权限。适用于需要用版本化文件维护 BI 资产、批量构建仪表盘或进行布局审查的场景；Pro/Enterprise 专属功能在免费版会被提前拒绝。
Analytics Readout 是一个用于解读短视频（reel）数据洞察的技能，用通俗易懂的语言说明哪些内容值得多做、哪些应该停止，避免使用行话。当用户表示“解释我的分析数据”或面对数据不知如何调整时使用。使用前需要提供 reel 或账号的洞察数据，Ootto MCP 可直接拉取。该技能会围绕用户当前目标（触达、收藏、线索、关注）指出真正重要的指标、应停止关注的数字，并将各项数据与用户自身中位数基线对比；若存在留存数据，会定位流失位置（约3秒为钩子问题、约12秒为中段问题、结尾为CTA问题），并给出两条可推动关键指标的行动建议，同时明确说明数据无法判断的内容。所有数字必须来自用户粘贴的数据，缺失时如实说明，不估算、不编造，也不把行业基准当作个人数据。
review-gitcode-pr 是一个用于审查 GitCode 拉取请求的技能：根据 PR 编号或 URL，结合 oh-gc 拉取的 PR 元数据、diff、评论与本地仓库代码检查，逐文件评估风险并产出问题清单，支持经用户确认后向 GitCode 提交评论或批准。
Cloudflare Workers KV 的键值存储技能，用于在边缘网络全局存取数据，适合缓存 API 响应、存储配置、管理用户偏好与会话等读写为主、对强一致性要求不高的场景。
该技能用于将科研数据转化为清晰、准确的出版级图表。它基于 matplotlib、seaborn 和 plotly，支持多面板布局、误差棒、显著性标记以及色盲友好配色，并可导出为 PDF、EPS、TIFF 等格式，适用于向 Nature、Science、Cell、PLOS 等期刊投稿的图件准备。
Statsmodels 是 Python 中用于统计建模与计量经济学的核心库，提供估计、推断与诊断工具，覆盖从简单线性回归到复杂时间序列与计量分析的广泛方法。它支持线性回归（OLS、WLS、GLS、分位数回归）、广义线性模型（Logistic、Poisson、Gamma 等）、离散选择模型（二值、多项、计数、有序）、时间序列分析（ARIMA、SARIMAX、VAR、预测）、统计检验与诊断（异方差、自相关、正态性）、异常值与影响点检测、模型比较（AIC/BIC、似然比检验）以及因果效应估计，并可生成适合发表的统计表格与推断结果。该技能适用于需要严谨统计推断的场景，例如拟合回归模型、分析离散结果、进行时间序列预测、检验模型假设、比较模型优劣等。使用方式上，既可通过标准 API（如 sm.OLS、sm.GLM、ARIMA）建模，也可使用 R 风格公式 API（smf.ols、smf.logit）进行直观的模型设定。资料中提供了线性回归、Logistic 回归、ARIMA、GLM 等快速入门代码示例，以及模型选择、交叉验证和最佳实践指导。
Weights & Biases（W&B）是一个面向机器学习实验跟踪与 MLOps 的工具。它可以通过自动日志记录跟踪 ML 实验，在实时仪表盘中可视化训练过程，比较不同超参数与配置下的运行结果，使用自动化 sweeps 优化超参数，并通过版本与血缘管理模型注册表。资料显示其用户超过 20 万 ML 从业者，GitHub 星标 10.5k+，集成 100+。安装方式为 pip install wandb，登录使用 wandb login 或设置 WANDB_API_KEY。核心概念包括项目与运行、配置跟踪、指标记录、模型检查点、超参数 sweeps、Artifacts 与模型注册表，并提供 HuggingFace Transformers、PyTorch Lightning、Keras/TensorFlow 等集成示例。
PostHog 画布（canvas）技能：在 PostHog 内创建或编辑自由式画布，即运行于沙箱 iframe 的客户端浏览器应用，可用于数据看板、文档、表单、小工具或图形实验。通过 canvas-* 工具读取、编辑、校验与发布。
PostHog 客户分析（Accounts）信号侦察技能：按账户粒度监控参与度，识别流失风险形态（参与度断崖、休眠、关键用户流失）与扩张机会，并结合商业归属关系加权判断。
Sol-Incinerator 是一个面向 Solana 的 HTTP API（v2），用于销毁代币、销毁 NFT 以及关闭代币账户。它支持 SPL Token、Token-2022 和 NFT 账户模式，可自动发放 API Key，提供预览端点以估算可回收租金与费用，还提供仅含指令的端点供客户端自行组装交易，以及交易中继端点广播已签名载荷。适合需要批量清理钱包、回收租金或集成销毁与关闭账户流程的开发者，指南附有 TypeScript 示例与客户端模板。
Azure Maps .NET SDK 技能，用于通过 .NET 调用基于位置的服务，包括地理编码、路线规划、地图渲染、地理定位和天气。适用于地址搜索、获取 directions、地图相关等场景。该技能说明要求在执行前阅读详细指南，其中包含完整流程与参考资料，并将安全、前置条件和验证要求视为强制项；针对局部工作可只加载相关章节，端到端工作则需完整阅读指南。使用范围要求与技能描述明确匹配，输出不能替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。资料未提供该技能对应的官方文档、SDK 版本、安装命令、代码示例、价格或平台支持情况。
Azure.ResourceManager.PostgreSql 是用于 .NET 的 Azure Resource Manager SDK，可管理 Azure Database for PostgreSQL 灵活服务器部署，包括服务器、数据库、防火墙规则、参数、备份、Entra ID 管理员与只读副本等资源。
OpenFOAM 是 GPLv3 开源 CFD 软件包，用有限体积法求解流体、传热、湍流与化学反应问题。该技能介绍其架构、安装、用例目录结构、关键字典、边界条件、求解器选择与网格生成，支持并行计算。
该技能基于 MinerU 将复杂 PDF 转换为 LLM 友好的 Markdown/JSON，支持提取文本、表格、公式与图像，适合学术论文、技术文档、商业报告解析及 RAG 数据准备。需先安装 MinerU 并下载模型，提供命令行与 Python API，可选 pipeline、vlm、hybrid 三种模式。
该技能用于为产品分析设计并审查埋点事件分类体系（event taxonomy），让产品分析服务于决策而非生成噪音事件。工作流程包括：识别产品决策、生命周期漏斗、实体、身份模型与埋点面；阅读参考模式文件；定义事件名称、属性、身份、生命周期阶段、护栏指标与 QA 检查；移除虚荣或重复事件；产出事件分类体系与验证计划。适用于产品漏斗、SaaS、移动应用、游戏、Web 应用、桌面工具、市场平台、通知、支付等场景。明确的限制：不用于基础模型无需此技能特定交付物即可处理的通用建议；未经目的与隐私审查不得追踪敏感数据；不得创建无决策支撑的事件；名称需保持稳定、语义化并在必要时版本化。输出格式包含决策问题、身份模型、事件分类（事件名：触发、属性、负责人、支撑决策）、漏斗/群组、质量检查。
该技能用于将数据持久性设计为产品功能与运营系统，覆盖备份、恢复、同步、导出、灾难恢复、版本管理、迁移与删除等环节。其工作流程包括：划分数据类别（用户内容、设置、购买记录、游戏进度、文件、账户状态、审计记录、分析数据、密钥等），定义 RPO/RTO、保留策略、加密、归属权、导出、删除与支持可见性，设计备份、恢复、冲突解决、迁移与恢复演练，并通过流程手册、校验和/清单验证、证据留存、负责人、告警和成本/容量护栏来证明恢复确实可用。对于端到端加密产品，要求明文与主密钥由客户端持有，支持人员只能验证加密快照完整性并指导恢复，不得持有或解包用户内容密钥，除非产品明确采用企业托管模式。技能还会产出事件模式与失败模式。该技能不适用于基础模型本身就能处理的通用建议，且禁止在未经测试的恢复演练与校验和证据的情况下承诺持久性。
RLAMA 是一个完全本地、离线的 RAG（检索增强生成）系统，用于对本地文档进行语义搜索和问答。它由 RLAMA 与 Ollama 配合运行，数据不离开本机。支持索引 PDF、Markdown、代码等格式文件，创建可搜索的知识库；查询时默认以“仅检索”模式返回相关文本块，交由 Claude 等模型综合，也可通过 OpenRouter、TogetherAI 或本地 Ollama 等 OpenAI 兼容端点进行综合。提供创建、管理、删除 RAG，批量增删文档，网页爬取，目录与网站监听，重排序，API 服务等功能。
scikit-bio 是一个面向生物信息学与群落生态学统计的 Python 库，提供用于生物序列、序列比对、系统发育树和多样性分析的数据结构与算法。它擅长计算 alpha/beta 多样性、执行排序分析（PCoA）以及处理复杂的系统发育树。该库被用于微生物组数据（分类组成、群落结构）分析、生态多样性指标（Shannon、Simpson、UniFrac）计算、可视化排序（PCoA、DCA）、带元数据的 DNA/RNA/蛋白质序列操作、Newick 格式系统发育树读写、成对与多序列比对分析，以及群落差异统计检验（PERMANOVA、ANOSIM）。scikit-bio 采用类型化的生物序列对象，替代原始字符串，支持 Phred 质量分数和转录、翻译等生物学操作；其 DistanceMatrix 对象便于索引、取子集和统计检验；同时提供数百种生态多样性指标的标准化实现，保证跨研究的可复现性。安装命令为 pip install scikit-bio。
analytics-flow 是一个面向软件开发项目的分析与数据工作流技能，用于从 SDD（规范驱动开发）产物中汇总项目指标、文档分析、进度跟踪与趋势分析。它读取 BRD、PRD、REQ、BDD、ADR、SPEC、TASK、CTR 等文档，以及 Git 提交历史、测试执行结果、代码覆盖率报告、安全扫描结果和 CI/CD 流水线日志，生成可视化洞察，帮助识别瓶颈并优化工作流。主要能力包括：文档覆盖率与文档债务统计、需求跟踪与覆盖率分析、可追溯性分析、实现进度与里程碑跟踪、速度趋势跟踪、质量指标监控、瓶颈识别以及自定义报告生成。使用方式以命令行调用为主，例如生成项目仪表盘、需求报告、可追溯性矩阵、冲刺报告和速度趋势报告，并支持 HTML、PDF、JSON、Markdown、Mermaid、CSV 等导出格式。该技能依赖一致的 SDD 文档结构与 pandas、matplotlib/plotly、jinja2、pyyaml 等库，需要定期采集数据以保证分析准确性，无法测量主观质量因素。
stock-analysis-team 是一个面向股票研究的团队协同分析技能，可用于股票分析、投资决策支持、风险评估、市场复盘与回测验证。支持识别A股（如600519.SH）和美股（如AAPL）代码，也可从用户上传的股票截图提取代码。
该技能用于将追踪计划（tracking plan）翻译为特定分析 SDK 的埋点实施指南。它聚焦 identify、group、track 三个核心分析调用，提供真实模板代码与分组层级指导，并输出 .telemetry/instrument.md 文件，作为后续实施阶段的契约。指南强调展示模式而非罗列全部事件，覆盖目标 SDK 语法、约束、分组归属、架构、验证与上线策略，支持 Segment、Amplitude、Mixpanel、PostHog、Accoil 等多种目标平台。
这是一个产品遥测建模技能，用于在代码库中建立结构化的产品模型。它先静默扫描代码库（README、路由、控制器、数据模型、后台任务、鉴权等），再与用户对话验证推断，最终生成 .telemetry/product.md 文件，描述产品做什么、谁在使用、价值如何流动以及存在哪些实体。该模型是后续审计、设计和实现阶段的基础输入。
该技能用于分析指定时间窗口内 App 或应用集合的用户反馈，输出带上一周期对比的 KPI、评分/评论量/情感趋势、异常提示，以及排序后的主要 Bug 与功能需求。它基于 AppFollow 工具集读取评论与评分历史数据，生成 findings.json、report.html、report.md 报告文件，报告写入本地目录，支持应用、整个集合或集合内子集三种范围。工具本身只读，不与写入工具或外部追踪系统交互。
这是 AppFollow AI Toolkit 中的搜索技能，用于在 App Store、Google Play、Microsoft Store 和 Amazon 等应用商店中按关键字查找应用，并把找到的应用加入 AppFollow 的追踪集合，同时输出结构化的应用引用，供反馈分析和 ASO 分析等后续技能使用。该技能只接受自由文本关键词，不接受商店链接或 ext_id；查找与去重为只读操作，添加应用或新建集合属于写操作，需用户明确确认，且可能受套餐限制。