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
17,415 个结果
该技能用于在 Auto Ontology 中建模与发布语义定义，覆盖术语、关系、度量、导入以及受治理结果，不涉及部署或查询。它提供基于 MCP 的只读发现能力（如搜索术语、查看术语列、派生 SQL、描述表），以及通过 Next.js /api/... 网关执行的写入操作（创建、补丁、导入、编译重置）。使用前需要一个正在运行且已认证的 Auto Ontology 部署，脚本通过界面生成的 API Token 认证（x-api-key 或 Bearer），写入通常需要 catalog:edit 权限。该技能强调语义变更前要明确语义契约（源绑定、身份、粒度、度量表达式、单位、时间、有效性等），在写入前先校验 SQL，编译不是隐式副作用，验证需读取持久化结果而非仅凭请求成功，模型导入需要范围备份与精确回读比对。已知限制：MCP 为只读；Auto Ontology 没有通用的结果行回写端点；当前模型导入与认证 API 不能证明原子性提升，必须在无法精确回读时失败关闭。
该技能用于从智能体查询 Auto Ontology 的当前实现，并验证生成的 SQL、返回行和答案，不限定具体的运行框架、SDK 或模板。主要能力包括：通过 MCP 或认证的 REST 网关访问 Auto Ontology，检查就绪状态与认证状态，搜索语义层术语，确认问题是否可回答，发起文本到 SQL 的提问获取答案、SQL 和最多 100 行结果，并在呈现结论性答案前校验实质意图、SQL、行数据、截断和文字描述。适用场景包括基于 Auto Ontology 的受控问答、语义层探索和问答结果质量检查。使用前提是已有运行中的 Auto Ontology 部署及认证的 MCP 或 REST 客户端；若未运行需先使用 nvidia-ontology-setup。限制：该技能只读和验证答案，不直接暴露 FastAPI，不写入语义定义，不发布治理结果，不提供原始模式浏览器；写操作和发布需移交 nvidia-ontology-management。
cuOpt 的 LP/MILP 命令行技能，仅支持从 MPS 文件求解。使用 cuopt_cli 命令处理线性规划与混合整数线性规划问题，可设置时间限制、MIP 容差、预处理等选项。适用于需要通过命令行从 MPS 文件求解的用户。
NeMo Retriever MCP：通过 retriever 下的 MCP 工具搜索或添加文档，而不是使用 retriever CLI。该服务暴露的是 MCP 工具而非资源，空资源列表属正常现象，不可据此判断可用性。资料未提供安装、配置或价格信息。
用于修复 FET_033_STANDARD 元数据合规性的技能，处理缩略图与嵌套来源（provenance）元数据；当所选 profile、验证报告或用户请求点名 FET_033_STANDARD 时使用，避免误入其它运行时契约。
Kumo-Anomaly 是 NVIDIA 提供的基于扩散模型的多变量时间序列异常检测与微调工具。它通过随机掩码片段重建，并用重建信号与原始信号之间的 MAE 为每个时间步打分，再通过自适应阈值（SCS 或 MACS）将分数转换为 0/1 异常标签。该工具支持在自有正常行为数据上微调，支持多 GPU 推理与 DDP 微调，并提供 AutoML/HPO 集成。使用前需准备数值型 CSV 数据，去除时间戳、ID 和标签列，且数据中不能有 NaN 或 ±Inf。
该技能用于运行 AnomalyGenNext 1.1 推理，从原生测试用例或已准备好的生成计划出发，生成并发布经过校验的细粒度与二值 COCO 标签。它使用固定公共容器中的上游生成器与伪标注器，不负责准备检测器缺口、运行 AMP、训练 AnomalyGenNext，也不将输出追加到检测器训练集。输入可来自 tao-prepare-anomalygennext-inputs 的完成输出，或原生测试用例所需的输入数据路径、检查点与配方，同时需要 Cosmos3-Nano 基础检查点、完整的 AnomalyGenNext 检查点根目录以及一个或多个 GPU。运行通过 tao-launch-workflow 提交 generate 动作，默认启用护栏，可用 --no-guardrail 同时关闭文本筛查、图像内容安全筛查与人脸模糊。完成后输出原始数据、伪标签 COCO 标注、二值缺陷标注、校验摘要与状态文件，并始终报告 training_pool_mutated=false。
该技能用于为 AnomalyGenNext 准备标准化输入，将目标检测中的框级假阴性（FN）缺口转化为可用的生成输入。它冻结符合条件的假阴性身份，将每个 FN 掩码隔离到其边界框，选择确定性的同类型掩码，并输出干净图像与 FN 的嵌入规格。随后消费嵌入结果，保留每个 FN 到干净图像的配对，并运行 AnomalyGenNext 容器原生的自动掩码放置（AMP）。最终仅接受两个掩码分支均通过 AMP 的配对，并冻结确切的生成输入及其哈希。适用于需要将检测假阴性转化为异常生成训练数据的场景。
Firecrawl Agent 是一个由 AI 驱动的自主数据提取技能，能够自动导航复杂的多页面网站并返回结构化 JSON 数据。它适合从结构复杂、需要跨多个页面跳转才能获取数据的站点中提取信息，用户只需用自然语言描述所需数据，AI 会自行判断数据所在位置。该技能通常需要 2-5 分钟完成一次运行，支持通过 --schema 参数指定 JSON 结构以获得可预测的输出，也支持通过 --urls 限定起始页面、通过 --model 选择模型（spark-1-mini 或 spark-1-pro）、通过 --max-credits 限制本次运行的额度消耗，并可用 --wait 内联等待结果、-o 输出到文件。相比简单单页抓取，Agent 运行消耗更多额度，简单场景建议改用 scrape。
firecrawl-crawl 是一个来自 nxtreaming/firecrawl-cli 的技能，用于从整个网站或站点分区批量抓取内容。它通过跟随页面链接进行爬取，并支持深度与页数限制。适合需要一次性获取某一站点多个页面内容的场景，例如抓取 /docs 文档分区的全部页面，或提取整个站点分区。命令行提供了等待完成、进度显示、页数上限、最大链接深度、包含/排除路径、请求延迟、并发数、格式化输出和输出文件等选项。该技能在工作流中处于第四步，即 搜索 → 抓取单页 → 映射 → 爬取 → 交互 的升级路径。使用建议包括：需要立即拿到结果时始终加 --wait，否则返回作业 ID 供异步轮询；用 --include-paths 限定范围，避免全站爬取；爬取按页消耗额度，大批量前可用 firecrawl credit-usage 检查。
firecrawl-map 是 nxtreaming/firecrawl-cli 中的一项技能，用于发现并列出网站上的全部 URL，并支持可选的搜索过滤。当用户需要在大型站点中定位某个特定页面，或在抓取、爬取前先获取站点 URL 清单时，可使用该技能。它支持 --search 按查询过滤 URL、--limit 限制返回数量、--sitemap 控制 sitemap 处理策略、--include-subdomains 纳入子域名、--json 输出以及 -o 指定输出文件。该技能常与 scrape 搭配：先用 map --search 找到正确 URL，再抓取该页面。
firecrawl-scrape 是 Firecrawl CLI 中的网页抓取技能，用于从指定 URL 提取干净、适合大语言模型处理的 Markdown 内容。它既能处理静态页面，也能抓取由 JavaScript 渲染的单页应用（SPA）。使用时通过命令行传入一个或多个 URL，多个 URL 会并发抓取。默认输出 Markdown，也可选择 html、rawHtml、links、screenshot、json 等格式。常用选项包括：--only-main-content 去除导航栏、页脚和侧边栏，仅保留正文；--wait-for 指定毫秒数等待 JS 渲染后再抓取；--include-tags 与 --exclude-tags 按 HTML 标签过滤；-o 指定输出文件路径；--query 可针对页面内容提问。该技能处于 search → scrape → map → crawl → interact 工作流的第二步，适合在已有明确 URL 时获取页面内容，是后续映射、爬取和交互操作的基础环节。
用于生成符合SSCI/SCI期刊发表规范的统计图表的技能，覆盖心理学、经济学、公共卫生、社会学、政治学、地理学与方法学等学科，强调高数据墨水比、色盲友好与图注文字分离。
通过 health-cli 读取用户同步的 Apple Health（HealthKit）数据，支持全天指标、睡眠与锻炼会话、原始样本查询，以及同步状态查看和记录删除。仅适用于 iOS 设备，需 --provider healthkit 参数。
从 Muse 本地存储读取缓存的联系人和日历事件，无需连接设备；也可在用户明确要求时删除 Muse 本地缓存的联系人/日历数据，不影响已配对设备。
这是一个通过 health-cli 命令行读取用户 Android 设备同步的 Google Health Connect 数据的技能，可查询全天指标（步数、距离、卡路里、心率、HRV、VO2max）、睡眠会话和锻炼记录，仅适用于 Android 设备。
muse_db 是 Muse 技能集中的数据库检查工具，用于对数据库存储的 Muse 记录进行有界、只读的查询，适合在专用产品工具无法暴露所需状态时做诊断与跨表追踪。
OpenTable 餐厅技能：在 OpenTable 上查找餐厅、查询可订时段，并预订、修改或取消餐位，也可预订餐厅体验。需要先在对话内完成一次授权连接，才能返回实时数据。
Plaid 技能用于连接 Plaid 并读取已关联的金融账户数据，包括账户元数据、余额、交易、周期性交易、负债与投资持仓。所有操作以 plaid <command> 形式运行并返回 JSON，供读取而非直接展示给用户。只读，不能转账或修改银行账户。
Printify 命令行工具，用于管理店铺、商品、上传、订单并查询商品目录。通过 PATH 中的 printify 子命令调用，支持授权连接、校验令牌、创建与更新商品、下单及查看 blueprints、print providers、variants、shipping 等目录数据。
用于分析用户自己 Instagram 账号与帖子表现的技能，基于已关联账号的分析数据，支持账号指标、时间变化、自有帖子或账号间对比，以及基于自身结果的内容创意。不适用于竞品、同行或行业基准对比。
Withings 技能：通过内置 withings CLI 查询 Withings 体重、血压、体成分、日常活动、睡眠与锻炼数据，输出 JSON，支持按日/周/小时聚合。
depth-inspect 是 scan-to-model 中的深度检查技能，用于核查原生 RGB、深度、置信度、标定与位姿，生成可追溯的参考点和表面测量。适用于深度可用性、朝向或表面支撑存疑时，区分深度可用性与局部重复性、绝对精度，并标记玻璃背景回波、遮挡家具、无支撑不透明表面及非有限样本。
一个面向训练代码库的自主固定预算机器学习实验循环技能：一次性搭建后用 git 分支跟踪假设验证，在固定 5 分钟训练预算内无限循环地改 train.py、跑实验、按 val_bpb 决定保留或回滚。