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 10-14 00:01
4,322 个结果
Domain Modeling 是一个帮助团队构建和打磨项目领域模型的 AI 技能。它适用于讨论代码库术语、编写或编辑 GLOSSARY.md 以及记录或编辑 ADR（架构决策记录）等场景。该技能强调主动的领域建模纪律：挑战术语、构想边界场景，并在术语或决策确定的那一刻将其写入文档。它不仅仅是阅读 GLOSSARY.md 获取词汇，而是在改变模型本身。技能会检查用户使用的术语是否与现有词汇表冲突、将模糊语言精炼为精确的规范术语、通过具体场景压力测试领域关系、并与代码交叉验证以发现矛盾。术语确定后立即更新 GLOSSARY.md，ADR 则仅在满足难以逆转、缺乏上下文会令人惊讶、且是真实权衡结果这三个条件时才提议创建。
中文介绍正在整理，稍后补充。
Paper Context Resolver 是 Rigor 系列中的一个论文上下文辅助技能，安装标识为 paper-context-resolver。它服务于以 README 为先的深度学习仓库复现流程：当 README 与仓库文件在复现关键环节存在缺口时，该技能提供针对性的证据补充，而非整篇论文的泛读总结。适用前提包括：缺口涉及数据集版本、数据划分、预处理、评估协议、检查点映射或运行时假设；已有明确的复现问题需要回答；README 等现有证据不足以解决该问题。该技能为可选、辅助层级，通常由编排器调用，用于补充而非替代主流程，也不默认概括整篇论文。输入期望包含目标仓库元数据、复现关键问题、现有 README 或仓库证据以及已知论文链接；输出为收窄后的来源清单、与复现相关的答案、必要时明确标注 README 与论文之间的冲突，并清楚区分直接证据与推断。该技能参考 references/paper-assisted-reproduction.md。不适用于 README 已提供足够复现细节、用户想要通用论文解释、试图在未记录冲突的情况下覆盖 README 指令，或仅有论文标题而尚无具体复现缺口的情形。
minimal-run-and-audit（安装 slug 仍保留该名称）是一个面向 README 优先的深度学习仓库复现流程的 Rigor Run 技能，用于在已确定复现目标与环境准备方案后，执行并规范化短时验证运行（smoke 测试、文档中的推理或评估运行等）的证据。它接收主技能或轻量辅助模块传入的执行证据，负责对一次已尝试命令进行标准化报告，产出执行结果摘要、标准化的 repro_outputs/ 文件、SCIENTIFIC_CHANGELOG.md、COMPARABILITY_REPORT.md，并在仓库文件被修改时生成 PATCHES.md，同时明确区分已验证、部分完成与受阻状态。该技能不自行选择总体复现目标，不进行论文的广泛分析，不负责训练的启动、恢复或长时训练状态管理，也不适用于初始仓库扫描、环境与资产尚不明确、文献检索或用户仍在确定主运行目标的场景。它强调不得将高风险代码改动正常化为可接受实践，且不得隐藏会改变评估、预处理、检查点、指标或其他科学含义的改动。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
web-search 是一个通过 inference.sh CLI（belt）调用的网络搜索与内容提取技能，集成 Tavily 与 Exa 两类搜索服务。安装方式为 npx skills add belt-sh/cli，使用前需运行 belt login 登录。它提供五个应用：tavily/search-assistant（AI 搜索并返回带来源与图片的答案）、tavily/extract（从多个 URL 提取干净文本和图片）、exa/search（返回带上下文的高相关链接）、exa/answer（返回直接事实性答案）、exa/extract（提取并分析网页内容）。所有应用均以 belt app run 加应用 ID 与 JSON 输入的形式调用，例如 belt app run tavily/search-assistant --input '{"query": "..."}'。该技能可配合 LLM 模型组合成研究或摘要工作流，适用于资料调研、RAG、事实核查、内容聚合以及构建具备研究能力的智能体等场景。
writing-guidelines 是来自 vercel-labs/agent-skills 的一个技能（Skill），用于审查文档和散文是否符合 Writing Guidelines 写作规范。当用户提出「review my docs」「check writing style」「audit prose」「review docs voice and tone」等需求时可使用该技能。其工作方式是：先从指定的源 URL 拉取最新写作规范，再读取用户指定的文件（若未指定则询问用户要审查哪些文件），然后依据所拉取规范中的全部规则逐项检查，最后按规范中约定的简洁 file:line 格式输出发现的问题。该技能的规则来源为固定 URL，每次审查前都会重新获取，以保证使用的是最新版本的写作规则。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
该技能用于把长篇小说、连载网文或多集散稿拆解为可追溯的原著分析层，产出章节索引、改编价值快评、逐章功能提取、剧情单元与节奏聚合、人物与设定归并，以及改编价值判定与分集候选。它强调分析是只读的转化性工作，只提取结构与功能，不成段复制原文，分析结论作为候选交给下游技能立成改编契约。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
drama-creator 是一个用于竖屏短剧剧本创作与优化的技能，核心目标是以最大化观众情绪为导向，帮助创作者从零写短剧、改剧本、设计大纲与钩子。它强调「情绪弹簧」：每集约 1–2 分钟只做压弹簧（误会、被压制、反派嚣张、危机，积蓄情绪）或放弹簧（反转、打脸、揭真相、化解危机，释放情绪）两件事之一，禁止既不压也不放的过渡注水集。执行上遵循四条法则：每 1–2 集必有释放点、大爆发前必有压抑；单集闭环为开篇 5 秒钩子、中段小反转、结尾更强钩子；台词功能化、信息前置、潜台词动作化；动作可视化，使用强动词短句并适配竖屏特写与快剪。硬性约束包括单集不超过 800 字、成片感控制在约 2 分钟内、单集场景通常不超过 3 个，并采用标准场次格式。任务模式分为宏观建构、剧本创作、精准优化和创意发想四类，先判定模式再动笔。适用于短剧剧本写作、情节节奏台词优化、打脸场景与悬念钩子设计等场景。
中文介绍正在整理，稍后补充。
Awesome PhD CV 是一个面向博士生、博士后与研究人员的 LaTeX 简历模板集合，覆盖三种典型用途：针对工业界求职、需要通过 ATS 解析的单栏简历（Jake 格式），信息密度较高的双栏简历（Deedy 格式），以及用于教职、博士后申请的多页完整学术 CV（Awesome-CV 格式）。项目提供模板文件、示例内容与编译说明，并给出从学术 CV 转换为工业界简历的思路：保留可量化的影响力、开源项目与部署经验，压缩论文清单与服务经历。模板分别使用 pdfLaTeX 与 XeLaTeX 编译，文档还包含字体缺失、自定义命令报错、ATS 无法提取文本等常见问题的排查建议。