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 11-02 00:09
21,586 个结果
该技能用于分析 Markdown 文章结构并生成公众号视觉素材，默认调用 Codex 内置 image_gen（image2）工具。当用户说“制作封面图”或“生成封面”时，生成一张 2.35:1 白底工程风封面图；当用户说“批量配图”“给文章配图”“生成文章插图”时，按 H2/H3 段落拆分为文章批量生成多张 16:9 逻辑图或概念图，并插入文档。封面默认使用 cover-style.md 风格，配图默认使用 style-guide.md 中的简约手绘风，也可选择建筑蓝图编辑风，图片以中文标签为主。生成的图片保存到 Obsidian vault 的 09 image 目录下，并使用 wikilink 插入。旧的 CLI/API 脚本仅作为用户明确要求时的 fallback。
TanStack Charts 响应式图表设计技能：让图表适配实测容器、信息优先级、引导边距、SSR 初始宽度与最终绘图边界。适用于窄面板与嵌入式仪表盘。
这是一个用于按自然语言指令编辑、修改或增强已有图片的技能，适用于用户希望改变颜色、移除背景或添加元素等场景。使用时需先确认待编辑图片的URL或ID，若用户未提供则请其上传或选择；随后分析请求，判断属于基于遮罩的局部编辑、全局风格迁移还是背景移除；最后调用 editImage 工具，传入 prompt（期望输出描述）、image（源图片数据或URL），局部编辑时还需提供 mask_description（需遮罩的部分）。该技能文档提供了背景替换与风格迁移的示例。
Rocaille Shader 是一个用于生成 Rocaille 风格着色器效果的技能，核心是通过渐进式域扭曲（domain warping）技术，用正弦函数迭代位移坐标，产生有机、旋涡状的光效。它支持生成鼠标响应的液态 Logo 效果、深度图视差英雄区（Astryx 风格悬停响应雕像）以及基于实时 DOM 的稳定流体模拟。用户可通过命令行脚本指定扭曲次数、颜色模式、输出格式等参数，生成 Shadertoy、Three.js、WebGL、P5.js 等多种格式的着色器代码，并附带多种预置模板和交互式演示页面。
HyperFrames Animation 是 HyperFrames 体系中的动画知识技能，汇集了原子运动规则、多阶段场景蓝图、场景转场、更广泛的运动设计技法以及各运行时适配器。默认做法是从规则索引中挑选 2-4 条原子规则，用一条暂停的 GSAP 时间线串联；当场景匹配已有预设计的多阶段模板（如品牌揭示、社会证明）或需要复杂 4-5 阶段编排的可运行示例代码时，再加载蓝图。技能按用途提供路由表，覆盖 GSAP、Lottie、Three.js、Anime.js、CSS 关键帧、WAAPI、TypeGPU/WebGPU 等运行时的选择与 API 参考，并附带 animation-map.mjs 脚本用于审计编排。使用前需满足 hyperframes-core 的不可协商规则，如单一暂停时间线、由 data-duration 决定时长、禁止随机与时间函数、禁止 repeat:-1 等。
HyperFrames 的通用视频创作技能（general-video），用于在没有更专门工作流匹配时，或 BRIEF.md 中 flow 设为 companion 时，编写或编辑自定义 HyperFrames 合成。适用于较长或多场景的视频片段。该技能通过 npx hyperframes 命令行工具进行更新、初始化项目、检索素材目录、校验与渲染，并围绕 BRIEF.md、STORYBOARD.md、hyperframes.json 等项目文件组织创作流程，涵盖计划、依赖解析、场景构建、组装、验证与最终审批等阶段。
forge-design-explore 是一个用于 UI 设计探索的技能，在界面正式开发前，为指定的 UI 表面生成 3-4 个已渲染的设计变体，通过一个可交互的反馈看板收集用户的品味反馈，并将最终选择锁定为 ADR（架构决策记录）。它属于发散式设计步骤，与 forge-harden 的收敛式设计检查和 forge-polish 的运行时 QA 互为补充。适用于某个阶段的 UI 形态尚未确定、需要用户先做选择再进入编码的场景；若需求或计划已固定形态，则应直接退出，避免重复讨论。
forge-design-system 是一个在 UI 设计工作开始前运行的技能，用于在仓库根目录生成 DESIGN.md 设计源文件。它先提出 2-3 个命名美学方向，再锁定字体、颜色、4px 间距、圆角和动效，并生成可交互的 HTML 样张供逐节反馈。该技能读取项目简报、品味档案与设计 ADR，确保后续各阶段共用同一套设计系统，而非各自发明。
design-guide 是一个用于从网站中提取完整设计语言的技能，可自动分析颜色、字体排版、动画、交互状态、阴影、渐变、组件模式与 UX 行为。它不止提取基础 CSS，而是捕获整套设计系统，输出设计指南文档、结构化数据、截图与源码文件，适用于分析设计系统、逆向工程、像素级复刻与构建设计令牌。
该技能用于将线上 UI 实现与 Figma 设计稿进行视觉对比，并给出详细的差异反馈。它面向 UI/UX 实现审查场景，适合在编写或修改 HTML/CSS/React 等前端代码后使用。审查流程包括：通过 agent-browser CLI 截取实现界面（含响应式视口与悬停、聚焦、激活等交互状态），借助 Figma MCP 获取设计文件并提取颜色、字体、间距、阴影等设计令牌，然后系统对比布局、间距、对齐、比例、字体、颜色、交互元素、响应式行为与无障碍问题。最终输出结构化审查报告，分为已正确实现、次要差异、重大问题、测量值和建议等部分，并提供具体 CSS 属性、数值和代码片段等可执行修复方案，按视觉影响和用户体验排序。
design-iterator 是一个专注于 UI 设计迭代优化的技能，通过「截图—分析—改进」的循环逐步打磨网页组件。它每次只针对目标元素截图，识别 3-5 项可改进点，实施 1-2 处具体且可度量的改动，并记录变更原因，重复指定轮次（默认 10 轮）。适用于设计尝试一两次后仍不理想、需要系统性渐进优化的场景。
基于 Google Gemini API（Nano Banana Pro）生成与编辑图像的技能，支持文生图、图像编辑、多轮细化，可设置分辨率与宽高比。使用前需设置 GEMINI_API_KEY 环境变量。
该技能用于指导智能体进行数据仓库与模式设计，适用于定义事实表与维度模型、键、粒度、规范化与反规范化取舍，以及面向分析消费的建模决策。
用于原生 Android 界面设计与设计审查的技能，覆盖 Compose 布局、排版、颜色、动效与自适应模式，需在已验证的模拟器构建上通过截图迭代验证。
该技能用于设计数据库模式、数据模型与无停机迁移，覆盖 PostgreSQL、MySQL、MongoDB、Redis 等。适用于规划表结构、关系、索引与迁移时的结构决策，不负责现有模式的查询调优。
面向教育工作者的 Canvas LMS 作业设计技能，依据“四大学习设计支柱”把学习目标、活动与反馈落到作业描述、评分量规与 Canvas 设置中，可选通过 canvas-mcp 自动创建作业。
面向 Remotion 的 React 视频创作最佳实践技能，适用于编写视频合成、动画与媒体处理代码时获取领域知识。按主题拆分为多个规则文件，覆盖动画、音频、字幕、转场、字体、图表、3D 等，需按需阅读对应规则文件。
Venn Diagram Generator 是一个用于生成交互式维恩图可视化内容的技能，基于 venn.js 与 D3.js 构建。它面向智能教材场景，产出完整的 MicroSim 资源包，包括独立 HTML 文件、MkDocs 集成页面以及 Dublin Core 元数据。每个图表支持自定义配色、交互式提示框，并遵循教育类 MicroSim 模式，便于嵌入教学内容。适用于请求创建集合关系图、2-4 个类别对比图、重叠概念可视化、集合论示意、交集与并集可视化、类别关系图以及欧拉图的场景。
kling-studio 是一个基于 Kling 3.0 Omni 模型的全功能视频生成技能，用于通过结构化工作流构建 API 请求，完成视频生成与编辑任务。它覆盖文生视频、图生视频、视频编辑（base 模式）、视频参考（feature 模式）、多镜头生成以及带同步音频的视频生成等能力。该技能附带 API 参数参考、提示词指南和 Python 工具脚本，帮助用户遵循模型的复杂参数约束，减少调用错误。
Image-Gen 是一个基于 DALL-E 3/2 的生产级 AI 图像生成技能，通过命令行脚本调用 OpenAI 接口，根据文本提示词生成图片。它支持多种模型、尺寸、质量与风格预设，具备批量生成、成本追踪、速率限制、自动生成 HTML 画廊以及完善的错误处理能力。适用于概念艺术、产品摄影、营销素材、创意项目与建筑可视化等场景。使用前需配置 OPENAI_API_KEY 环境变量，图片默认以 PNG 格式保存至 /tmp 目录。
通过 OpenRouter 专用 Image API 生成图像并保存为文件的技能，附带脚本处理请求、模型发现与元数据输出。默认模型为 bytedance-seed/seedream-4.5，支持分辨率、宽高比、格式、参考图等参数，并可本地抠背景。
该技能通过 OpenRouter 的专用异步视频 API 生成并下载视频，适用于用户想要创建、渲染、生成或轮询视频任务的场景。使用前优先读取当前环境中的 OPENROUTER_API_KEY，若缺失则自动查找最近的项目 .env 文件（除非用户指定其他变量名或环境文件路径）。模型从用户请求中选择，未指定时默认使用 bytedance/seedance-2.0，并提示用户可覆盖。建议先做模型发现再假设支持特殊分辨率、宽高比、音频、图像或提供商选项。使用自带脚本 scripts/openrouter_video_generate.py 而非手动构造请求与轮询循环。生成视频保存到用户可见的输出目录，未指定时默认为当前工作目录。不要把 API 密钥打印出来或直接放在命令行上，避免被 shell 历史记录捕获。
clean-ui-shot 是一个用于为 Web 应用真实界面拍摄精致、带边框截图的技能。它从本地运行的应用中截取真实 UI，输出为裁剪后的 webp 图片，将应用呈现为舞台上带圆角和阴影的窗口，窗口边缘在裁剪范围内时保留内边距，裁剪切过的边缘则溢出舞台，从而让截图读起来像“真实应用的细节”而非粘贴的矩形。提供两种风格：clean（默认，柔和暖灰渐变舞台、分层中性阴影、56px 内边距，适合文档、更新日志和 README）和 glass（从截图本身取色的渐变舞台、磨砂半透明白色边框、96px 内边距，适合落地页、发布帖和社交图片）。所有截图均来自本地运行的真实应用，建议使用带演示数据的一次性实例。脚本位于 scripts/ 文件夹，依赖 Node、playwright（含 Chromium）和 sharp。
该技能面向舞蹈编排、动画与动作分析场景，提供编码、分析与生成人体动作的系统化指导。内容涵盖拉班记谱法（Labanotation）、贝奈什记谱法（Benesh）与 Motif 记谱等主要动作记谱体系，以及拉班动作分析（LMA）的四个组成部分：身体（Body）、空间（Space）、力效（Effort）与形态（Shape）。同时给出计算化动作表示方法，包括骨骼层级数据结构、关节角度计算、运动轨迹与力效特征提取，并提供基于规则的程序化编舞生成、力效驱动动画与空间路径（圆形、螺旋、8 字、对角线交叉、锯齿、随机游走）生成示例，以及文本记谱与可视化乐谱输出格式。