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 11-04 00:13
13,112 个结果
kernel-numerics-verifier 是一个面向 PyTorch/torchtitan 的手写低精度 GPU 内核数值正确性验证技能，用于核对手写 Triton 或 CUDA 内核的前向与反向计算结果是否与高精度 oracle 及同 dtype 的 eager 基线一致。该技能通过 golden、reference、target 三套实现对比，生成一次低精度输入并无损上转为 FP64，以隔离输入量化误差，只衡量内核算术误差；同时给出参考误差、舍入地板、绝对地板与阈值公式，并要求在门控前检查参考实现的相对误差与条件数，避免把数值敏感性误判为 Bug。它定义了 PASS、PASS WITH LIMITATIONS、FAIL、INCONCLUSIVE 四种结论，并强调不得为通过而放宽容差、逐梯度检查、覆盖生产形状与边界形状及对抗性输入、诊断失败原因后再调参。
数值调试工具（Numerics Debugging）是 TorchTitan 仓库中基于 DebugMode 的逐算子激活值捕获与比对工具。它能在指定训练步捕获激活值，将两次本应一致的运行结果（按位一致，或在 float32 归约顺序噪声范围内）进行差异比对，生成 HTML 报告以定位数值分歧。工具包含两个脚本：activation_tracer.py 负责运行时捕获，由 Profiler 中的 ActivationCaptureProfiler 驱动，输出到 {dump_folder}/numerics/rank_{N}_activations.log；compare_numerics.py 仅用标准库比对两份日志并生成 HTML 报告。两个脚本刻意放在 torchtitan 包之外，核心代码不引用它们，使用前需手动修改 torchtitan 接入追踪器，完成后还原。被比对的两个运行必须使用相同 dtype 与随机种子，否则匹配器会退化。该工具主要用于排查 eager 与 aot_fx_trace、FSDP 与无 FSDP、某次修改前后等本应一致场景下的数值分歧。
QJudge 品质门槛全责技能，用于命名 lint、架构 lint、样式禁则与 CI gate 设定，提供可执行的检查脚本与 compat/strict 质量策略，负责规则、脚本与违规分类，不涉及功能架构与 PR 流程决策。
一个面向 Python 的重量级测试技能，主张用真实基础设施替代 monkey-patching：容器化服务、模拟服务器、自定义模拟二进制，用于外部 API 依赖、系统服务依赖或集成故障排查成本高的项目。
基于 AT-SPI 无障碍接口与 Qt/PySide 应用交互的工具，用于测试 UI、点击按钮、检查控件、截图和读取控件内容。交互遵循“检查—操作—验证”三阶段，支持按角色与名称定位控件。
用于在 Qt/PySide 应用中测试系统托盘、桌面通知和音频等桌面集成功能的技能。通过 D-Bus 和 PipeWire 操作托盘图标、通知和虚拟麦克风，适用于 Linux 环境下的自动化验证。
使用 qt-ai-dev-tools 检查 Qt 控件、执行界面交互并验证结果，围绕 AT-SPI 控件树、输入焦点和状态快照组织操作。
这是一个面向运行中 Qt/PySide 应用的桌面集成测试技能，专用于系统托盘、桌面通知和音频三类不经过部件树、而在操作系统层面工作的功能。它通过 StatusNotifierItem/D-Bus 与 PipeWire 与桌面环境交互，提供命令行工具 qt-ai-dev-tools 来操作和验证这些能力：托盘部分支持列出托盘项、左键或右键点击图标、查看上下文菜单条目并按标签选择菜单项；通知部分支持监听、捕获指定时长内的桌面通知（返回 ID、应用名、摘要、正文和可用动作），按 ID 关闭通知，以及触发通知上的动作按钮；音频部分支持创建虚拟麦克风、向虚拟麦克风播放音频文件、录制输入或回环输出、校验录音是否非静音并查看音频源与活动音频流状态。该技能依赖 Linux 环境，虚拟机需运行 snixembed、dbus-monitor 和 PipeWire 等相应服务。
这是一个面向运行中的 Qt/PySide 应用的自动化技能，专门处理多字段表单填写、QFileDialog 文件打开/保存对话框、系统剪贴板读写、下拉框选择以及模态对话框检测与关闭。它提供 fill 复合命令一次完成聚焦、清空与输入，并配套文件对话框 detect/fill/accept/cancel 命令和剪贴板 read/write 命令。当应用打开模态对话框时，内部桥接不可用，需改用 AT-SPI 命令交互。适用于需要多步骤操作 Qt 界面而非单控件点击的场景。
behavioral-modes 是一套为 AI 定义多种行为模式的技能，涵盖头脑风暴、实现、调试、评审、教学、发布与编排等模式，用于根据任务类型调整 AI 的思考方式、沟通风格与优先级。
该技能用于制定和维护业务连续性计划（BCP），包括业务影响分析（BIA）、危机沟通计划、恢复程序以及测试与演练安排。适用于组织韧性建设，可帮助满足 SOC 2、ISO 27001、HIPAA、FedRAMP 等合规要求。技能提供分阶段框架（治理、分析、策略、计划开发、测试、维护），并附有 BIA 模板，指导用户识别关键业务流程、确定恢复优先级和资源需求。
用于构建可靠、快速且易维护的端到端（E2E）测试套件的技能，帮助在用户之前发现回归问题，从而有信心快速交付代码。
obsidian-cli 技能用于通过命令行与正在运行的 Obsidian 实例交互，可读取、创建、搜索和管理 vault 内容，也可在命令行中开发与调试 Obsidian 插件和主题。使用前需保持 Obsidian 处于打开状态。
渗透测试命令参考技能，汇总网络扫描、漏洞利用、密码破解与 Web 应用测试常用命令，便于授权安全评估时快速查阅。仅限授权测试、防御验证或受控教学环境使用。
一种调试流程技能：在确认根因前禁止修改源码，用五阶段协议约束 AI 代理，避免过早猜测式修复。适用于反复修复无效、间歇性、回归或性能类缺陷。
一份关于如何接收代码评审反馈的技能指南，强调以技术评估而非情绪化回应来处理评审意见，核心原则是先验证再实现、先询问再假设，技术正确性优先于社交舒适。
一个用于在完成任务、实现重要功能或合并前请求代码审查的技能，通过派发 superpowers:code-reviewer 子代理提前发现问题，核心原则是尽早、频繁审查。
一个系统化调试技能：在提出任何修复前，必须先定位根因。适用于测试失败、生产缺陷、异常行为、性能与构建故障、集成问题等，强调不跳过、不猜测、不叠加修复。
TDD Workflow 是一套测试驱动开发的工作流原则，围绕红灯-绿灯-重构循环展开，指导开发者先写测试、后写代码，并给出三定律、AAA 模式、测试优先级与常见反模式等实践建议。
update_test 是一个用于代码协作场景的技能模板，会切换到指定分支并运行测试命令，然后根据当前实现修正测试文件，使其与现有代码行为一致。
Prediction Drill 是一种用于未知原因缺陷调查的假设驱动排障技能：每轮提出 5 条可证伪、低成本、承重的预测，逐层缩小问题空间定位根因，再逐层验证最小修复。
用于审计、强化已有测试套件的技能。核心是“变异问题”：若被测代码被引入细微但严重的缺陷（如翻转比较、丢弃分支、硬编码返回值），测试是否会失败。适用于单元、集成与端到端测试的查漏补强，强调不得削弱断言或删除覆盖率。
一个用于系统化排查并修复缺陷的智能体技能：从用户提供的缺陷描述出发，依次完成复现、提出假设、验证假设、制定修复计划、实施修复并验证缺陷消失，强调不得跳过复现与假设验证直接打补丁。
Android 设备自动化基础导航技能，提供点击、滑动、等待元素三类可组合脚本，支持重试、结果校验与超时保护，常与 adb-screen-detection 配合使用。