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
6,801 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。
写作塑形技能，用于把一堆原始素材打磨成一篇完整文章。用户提供（或将提供）一个 markdown 素材文件，技能把它当作固定的原料堆——无论是一串零散片段、大段无序文字还是转录稿。技能先完整通读素材，与用户确认读者进入文章时需要预先掌握的概念，再草拟 2–3 个不同立意的开头让用户选择，之后逐段推进：每段只依赖已被铺垫的概念，并同时引入新的概念，边写边追加到单独的文章文件，直到文章完成。全程不改动原始素材文件。
编写与编辑技能（skill）的参考指南，讲清让技能具备可预测性的词汇与原则。核心观点是：技能存在的意义是从随机系统中压榨出确定性，而可预测性——智能体每次运行走同一套流程，而非产出相同结果——是根本美德，文中所有手段都服务于它。内容围绕调用方式（模型调用与用户调用）、描述撰写、信息层级（技能内步骤、技能内参考、外部参考、渐进式披露）、拆分时机（按调用拆、按序列拆）、精简（单一事实来源、相关性检查、逐句无操作测试）、引领词（leading word）以及失败模式（过早完成、重复、沉积、蔓延、无操作、否定）展开。文中加粗术语在 GLOSSARY.md 中有完整定义。
Writing Skills 是 obra/superpowers 中的一个技能创建指导工具，用于在创建新技能、编辑已有技能或部署前验证技能时使用。它把测试驱动开发（TDD）方法应用到流程文档编写上：先写测试用例（用子智能体构造压力场景），观察其失败（基线行为），再编写技能文档，观察测试通过（智能体遵守），最后重构（堵住漏洞）。其核心原则是：如果没有观察过没有该技能时智能体的失败表现，就不知道技能是否教对了东西。该技能要求使用者先理解 superpowers:test-driven-development。资料还收录了技能定义、TDD 映射、创建时机、技能类型、目录结构、SKILL.md 结构、技能发现优化（SDO）、关键词覆盖、命名、令牌效率、交叉引用、流程图使用、代码示例、文件组织、铁律（无失败测试不得写技能）以及各类技能测试方法等大量细节。具体安装命令、价格与平台支持等资料暂未提供。
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。
obsidian-markdown 是一个用于创建和编辑 Obsidian 风格 Markdown 的技能，适用于处理 .md 文件。它在标准 Markdown（标题、加粗、斜体、列表、引用、代码块、表格）之外，专门覆盖 Obsidian 的扩展语法，包括 wikilinks、嵌入、标注（callouts）、属性（properties）、注释等。资料说明该技能只处理 Obsidian 专有扩展，常规 Markdown 属于前提知识。使用该技能可以按工作流创建 Obsidian 笔记：在文件顶部添加含属性的 frontmatter，用标准 Markdown 组织结构，使用 [[wikilink]] 链接库内笔记或使用标准 Markdown 链接指向外部 URL，用 ![[embed]] 语法嵌入其他笔记、图片或 PDF，使用 > [!type] 添加标注，最后在 Obsidian 阅读视图中验证渲染。资料还详细列出 wikilinks、嵌入、callouts、属性、标签、注释、高亮、LaTeX 数学、Mermaid 图表、脚注等语法示例，并配有完整的笔记示例。适用于需要维护 Obsidian 知识库、编写库内互链笔记、使用 Obsidian 扩展语法进行内容组织的场景。
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。
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。
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。
PRD Generator 是一个用于把粗略的产品想法转成专业产品需求文档（PRD）的技能，面向 AI 编程工具优化。它先分析用户提供的产品描述，再通过最多 7 个澄清问题补齐关键信息，然后按照内置的 prd_template.md 模板生成完整 PRD，包含高管摘要、问题陈述、目标与成功指标、用户画像、功能需求、验收标准、数据模型、API 规格以及面向 AI 的实现说明等。生成后会把 Markdown 文件保存到 ./prd_outputs/[Project Name]/ 目录，并调用 npx md-to-pdf 转成 PDF，最后告知用户文件路径和文档摘要。它强调使用具体数字、可测试的验收标准、合理的 P0/P1/P2 优先级划分，并要求每个功能都有验收条件。该技能默认采用现代 Web 技术栈（React + Node.js + PostgreSQL）、云托管和第三方认证，除非用户另行指定。