SuperAPI AI 工具集
合作ENAI 行业资讯收藏

Skill 广场

找到适合任务的 Agent Skill，阅读介绍并复制安装命令。

更新于 11-04 00:13

部署与运维

13,067 个结果

triggers

Windmill Triggers 是 Windmill 平台中用于让外部事件调用脚本与流程的触发器配置能力。触发器配置文件采用 {path}.{trigger_type}_trigger.yaml 命名模式，例如 u/user/webhook.http_trigger.yaml、f/data/kafka_consumer.kafka_trigger.yaml、f/sync/postgres_cdc.postgres_trigger.yaml、f/inbound/orders.email_trigger.yaml。资料详细说明了 Email 触发器、HttpTrigger、WebsocketTrigger、KafkaTrigger 等类型的配置结构，包括脚本路径、是否流程、路由、认证方式、请求类型、过滤器、重试策略、错误处理等字段。Email 触发器可将发往 <local_part>@<windmill_email_domain> 的邮件路由到指定可运行对象，支持 workspaced_local_part 命名空间、+key=value 形式的 email_extra_args，以及将附件和大邮件正文存入 S3。部署可通过 git push 或 wmill sync push，拉取使用 wmill sync pull。

部署与运维1 次安装

validate-cc

validate-cc 是一个用于校验 Claude Code（CC）配置质量的工具，属于 ww-w-ai/marketplace 技能集。它只针对项目中实际存在的配置类别进行校验，不存在的类别会自动从报告中省略。校验对象包括 CLAUDE.md、Rules、Skills、Agents、Settings、README.md 和 Commands 七类，每类给出 PASS/FAIL 结果与统计。运行时会自动检测当前项目根目录，无需额外输入，通过 Read/Glob/Grep 完成文件存在性、内容结构与模式匹配的核查。最终输出包含类别校验矩阵、总分（passed/warning/failure）与等级（Excellent / Good / Needs Improvement / Poor），并给出改进建议。报告以用户对话语言生成，同时会将结果持久化到 .ww-w-ai/standards/validate-cc/ 目录，包括 latest.json、latest.md 及 history/ 下的归档文件，便于跨运行比较与趋势分析。写入权限仅限该输出目录，不修改项目源码；Bash 仅用于只读查询与目录创建。

部署与运维1 次安装

chrome-devtools-troubleshooting

本技能用于排查 Chrome DevTools MCP 的配置与连接故障。当出现初始化失败、连接异常、list_pages 或 new_page 报错、工具缺失、Chrome 配置文件错误等情况时可使用。技能会定位当前生效的 MCP 配置，识别具体失败模式，并只修改受影响的、规范的配置来源。它不适用于其他类型的 Chrome 使用问题。注意：该技能的适用范围、依赖条件与限制在资料中仅部分给出，其余细节暂未提供。

部署与运维1 次安装

lambda-labs-gpu-cloud

Lambda Labs GPU Cloud 是面向机器学习训练与推理的 GPU 云服务，提供按需实例和 1-Click Clusters 集群。它支持通过 SSH 直接访问独立的 GPU 实例，实例预装 Lambda Stack（包含 PyTorch、TensorFlow、CUDA、cuDNN、NCCL、JAX、JupyterLab 等），并提供持久化文件系统（可跨实例重启保留数据），以及 16-512 张 H100 或 B200 GPU 的 Slurm 集群与 InfiniBand 网络。用户可通过控制台、Python API 或 curl 管理实例、SSH 密钥与终止操作，适合长时间训练、多机多卡分布式训练、微调与批量推理等场景。资料还提到按分钟计费、无出网费用、全球 12+ 区域，以及实例启动需 3-15 分钟、默认仅开放 22 端口、空闲实例不会自动停止等限制。

部署与运维1 次安装

serving-llms-vllm

vLLM 是一个高吞吐的 LLM 推理与服务工具，借助 PagedAttention（基于块的 KV 缓存）和连续批处理（将 prefill 与 decode 请求混合执行）提升吞吐量。资料称其吞吐量可达标准 transformers 的 24 倍。它支持离线批量推理和 OpenAI 兼容的在线服务端，可通过 pip 安装，也可用 Docker 镜像部署，并提供前缀缓存、指标监控、张量并行以及 AWQ/GPTQ/FP8 量化等配置选项。资料中提供了生产部署、批量处理和量化模型服务三类工作流程的代码示例。

部署与运维1 次安装

skypilot-multi-cloud-orchestration

SkyPilot 多云编排技能是一份面向机器学习工作负载的实践指南，介绍如何借助 SkyPilot 在 AWS、GCP、Azure、Kubernetes 等 20 多个云环境中统一运行训练与批处理任务，并通过自动选择成本最低的云和区域来优化开销。资料涵盖安装与凭据检查、Task YAML 结构、GPU 配置与回退、抢占式实例自动恢复、多节点分布式训练、托管作业与检查点、文件挂载与云存储、Sky Serve 模型服务与自动扩缩、成本优化工作流，以及调试和常见问题处理。该技能适合需要跨云弹性调度、使用 spot 实例降低训练成本或统一多云接口的用户，并给出了在简单场景下改用 Modal、RunPod、Kubernetes 或 Ray 的参考建议。

部署与运维1 次安装

tensorrt-llm

TensorRT-LLM 是 NVIDIA 推出的开源库，用于在 NVIDIA GPU 上优化大语言模型推理，追求高吞吐与低延迟，适合生产环境部署。它支持在 A100、H100、GB200 等 NVIDIA GPU 上运行，提供 FP8、INT4、FP4 量化，张量并行、流水线并行、专家并行以及多节点扩展，并包含在途批处理、分页 KV 缓存、Flash Attention、CUDA graphs 等性能优化；还支持投机解码、LoRA 服务与分离式服务。可通过 Docker 或 pip 安装，提供 Python LLM 接口与 trtllm-serve 服务方式，兼容 Llama、Qwen、DeepSeek、Mixtral、LLaVA 等百余模型；若需更简单部署或非 NVIDIA 硬件，文档建议改用 vLLM 或 llama.cpp。

部署与运维1 次安装