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 10-23 00:13
13,978 个结果
research-wx 是一个用于委派调研任务的技能，来源为 shyxin/skills，页面地址 https://www.skills.sh/shyxin/skills/research-wx。它针对高信任的一手来源调研一个问题，并把发现作为 Markdown 文件存进仓库。适合当用户想调研某个主题、收集文档或 API 事实、或把阅读功课委派给后台 agent 时使用。其核心做法是启动一个后台 agent 去做调研，使你在它读资料时仍能继续干活；调研对象是一手来源，包括官方文档、源码、规范、第一方 API，而不是它们的二手转述；每条结论都追回到拥有它的那个来源；最后把发现写成一个 Markdown 文件，并为每条 claim 注明出处，存到仓库本来放这类笔记的地方，沿用既有约定，若没有约定则挑个合理位置并说明放哪了。关于收费、价格、平台限制等信息暂未提供。
技术干货文章创作专家Skill，主张高信息密度、零废话、可执行，提供简练语言标准、文章结构模板、代码示例规范、知识点覆盖清单、写作流程与自检清单，用于产出简练准确、可直接应用的技术文章。
Comedy Writers Room 是一个用于辅助创作单口喜剧、笑话或幽默素材的技能。它通过子代理模拟观众来打磨笑点：先由一名写手代理根据主题创作初稿，再依次派出三位不同人设的观众代理（热情者、怀疑者、过度思考者）对笑话做出反应，然后综合反馈让写手修改，反复迭代直到笑点成立，最后向用户呈现成品并附上演变过程说明。
Paper Opportunity Radar 是一个用于对选定主题的研究论文进行累积式每日或回溯性扫描的技能。它把文献视为需要长期遍历的证据基础，而非一次性摘要的信息流。该技能会构建累积语料库，对重要论文进行声明级审计，追踪论文发表后的后续发展，并仅将可辩护的研究空白转化为可测试的机会。它强调可复现的检索协议、声明级事实核查、独立的证据分层，以及将证据强度、未探索置信度、实现可行性和现实价值分开评估。该技能在调用时运行，不会静默创建后台调度器；如需每日节奏，需保留可恢复状态并提供循环提示。
同人创作与版权合规检测技能，用于中文同人文写作与侵权风险排查。当用户想写影视、动漫、小说、游戏等 IP 的衍生同人，询问某同人能否商用签约、在哪个平台发布，或需要对已有同人稿做版权风险检测、安全改写以规避侵权时使用。技能提供两种模式：一是同人版权检测，对创意或稿件做风险体检，评估 IP 版权状态、目标平台政策、借用角色数量、主线原创度、原文引用比例及审核风险，给出可商用、仅免费或高风险勿碰的结论与整改建议；二是同人创作，在写作过程中内置合规判断，优先推荐公版 IP 做安全二创，对受保护 IP 建议借名字不借主线，写完自动跑合规检测。技能明确声明提供的是创作实务建议而非法律意见，商用变现前需取得 IP 方书面授权或咨询专业人士。
金手指设计（goldfinger）是面向中文网文创作的一项技能，用于设计系统流、签到流、空间流、模拟器、重生先知、扮猪吃老虎等核心外挂设定，或为主角设计变强机制。它强调金手指应有获取门槛、成长曲线、使用代价，并与主线绑定，避免万能无代价、获取随意、主角全靠外挂等问题。工作流包括选流派、四要素设计、上线与首秀、防烂尾设计，并按固定格式输出方案。
中文网文世界观先行搭建技能，用于玄幻、仙侠、历史、战争、末世、电竞等强设定题材。它帮助作者在动笔前先建立世界规则、力量体系、势力、地理、政治、经济与历史，产出可存档的世界设定卡、随剧情更新的世界状态表，以及写章前的世界核对清单，避免设定崩塌、前后世界不一致、主角无视规则等问题。
本工具是一个用于「口碑动机理论（Word-of-Mouth Motivation Theory）」的证据编码技能，主要用于分析证据提供者为何愿意分享经验或态度。其适用来源不限于评论，还包括访谈摘要、客服对话、社群贴文、研究笔记、观察纪录等。技能内置完整理论章节，可在分析前先校准口碑动机的判读逻辑。它会把证据按四种动机类型进行标注：利他（altruistic）、社会认同（social_identity）、自我提升（self_enhancement）与情绪表达（emotional_expression）。使用前需提供分析目标与至少一条证据条目，每条证据需包含 item_id、content、content_type；若缺少必要信息，工具会输出 MissingDataOutput，而不会直接推断动机。工作流程包括阅读理论基础、检查资料完整度、依维度编码规则标注证据、输出 JSON 与 Markdown，并可选择将结构化的 theory_annotations 结果对接下游的 review-mining-stp。该下游属可选，不是必要依赖。质量规则要求口碑动机需有可辨识意图，无意图信号时标记 insufficient，且自我提升与社会认同须区分，所有结论都要能由 evidence_quotes 追溯。
book-reader 是一款从命令行读取和检索电子书的工具，支持 PDF、EPUB、MOBI 和 TXT 等常见数字图书格式。它通过 BM25 算法对书籍内容进行相关性排序搜索，可用于回答关于某本书的问题、查找引文或段落、跳转到指定页面或章节，以及提取全文供后续处理。工具首次访问某本书时会提取并缓存内容，之后访问使用缓存版本，并在文件变化时使缓存失效。搜索结果会包含章节或页码位置，便于对照原书。使用方式为在命令行调用 book.py 脚本，配合 info、toc、read、search、extract 等子命令完成元数据查看、目录展示、章节或页码阅读、内容搜索和全文提取。它适合需要在问答或研究场景中快速定位书籍内容的用户。
Blog Review 是一个由 Steven Pressfield 笔下的“The Ghost”领衔的专家小组博客审稿技能。它先读取指定博客文章，统计字数、章节数、是否含数据可视化、是否面向开发者受众以及标题承诺，再组建评审小组。核心成员包括 The Ghost（负责逐段注意力审计、Client's Disease 检测、3 秒测试、墨水审计与自我放纵雷达）、Elena（资深编辑，关注结构、节奏、过渡与语法）和 David（叙事作者，关注故事弧、情感节拍与真实声音）。当文章涉及图表或数据可视化时加入 Dr. Liu，当面向开发者或讨论技术工具时加入 Aisha。评审以引用块形式输出，The Ghost 发言最详细，最后给出小组共识与分歧。
lat-md 是用于编写和维护 lat.md 文档文件的技能，lat.md 是一种结构化 Markdown，用于描述项目的架构、设计决策和测试规格。该技能涵盖 lat.md/ 文件的语法、结构规则与约定，适用于创建或编辑 lat.md/ 目录中的章节。lat.md/ 文件描述项目做什么以及为什么这样做，包括领域概念、关键设计决策、业务逻辑和测试规格，但不重复源代码，每个章节可视为源代码回引的锚点。技能规定了章节结构（每个章节必须有引导段落且首段不超过 250 字符）、图表使用（默认用散文，仅在涉及七个以上交互主体且顺序复杂时使用 Mermaid）、章节 ID 寻址方式、Wiki 链接、代码引用（@lat: 注释）、测试规格、frontmatter 以及使用 lat check 进行验证等规则。
llm-wiki 是一套将文档、笔记、网页内容、转录稿、研究材料与代码仓库等异构知识源编译为持久化 Markdown 知识库的技能规范。以 index.md 为导航入口，按实体、概念、方法、对比、分析、摘要六类页面组织知识，强调来源可溯源、术语一致与交叉引用。
Citation Diversifier 是一个面向综述类长文写作流程的引用预算规划技能，核心目标是在不引入任何新事实的前提下，生成一份引用预算约束报告（output/CITATION_BUDGET_REPORT.md），用于修复草稿“引用不足”或“反复复用少数几篇引用”的问题。它本身不直接修改正文，而是根据 outline/outline.yml 中的 H3 小节顺序与 outline/writer_context_packs.jsonl 中每个 H3 允许的文献键集合，按小节分配可安全使用的引用键，并给出插入位置建议。报告会写明全局引用目标、差距数量以及每个 H3 的建议引用数量和放置提示，且只允许使用 citations/ref.bib 中已存在、且在当前 H3 范围内合规的引用键。该技能常用于综述写作流水线，帮助起草后的文本满足全局唯一引用门槛，通常与 citation-injector、draft-polisher、pipeline-auditor 配合使用。
Concept Graph 是一个用于研究单元流水线（research-units-pipeline-skills）中的技能，用途是在已有经批准的教程规格后、进入模块规划之前，生成确定性的先修关系图。它把教程规格中的结构化概念清单物化为 outline/concept_graph.yml。该技能在网络关闭（network: none）的情况下运行，只处理结构，不撰写面向读者的文字，并要求图必须保持无环。输入为 output/TUTORIAL_SPEC.md，输出为 outline/concept_graph.yml。图的契约要求包含节点（id、title、summary、source_ids、objective_refs）和边（from、to，表示先修顺序）。脚本应加载结构化规格数据、输出稳定节点 ID 与先修边，并在结果出现环或为空时失败。适用范围为已存在教程规格的场景，不涉及模块聚类、练习生成或教程正文。
dedupe-rank 是一个面向论文候选池的去重与确定性排序技能：把 papers_raw.jsonl 收敛为可重复的已去重池与稳定核心集合，用于后续 taxonomy、outline 或 mapping。适用于检索后整理广覆盖候选集的场景。
evidence-selfloop 是一个面向调研与证据优先写作流程的技能，用于在正式撰写前发现并修复证据缺口。它读取简报、证据绑定与证据包等中间产物，判断哪些小节支撑不足，问题出在覆盖映射、证据抽取还是绑定规划，并输出可执行的上游 TODO 计划，指明应重跑哪些阶段或技能。它提供 PASS、OK、FAIL 状态语义与症状到根因的路由矩阵，强调先修上游证据而非用填充文字绕过缺口。不修改原始文件，不编造事实或引用。
Outline Refiner 是一个确定性的“planner 阶段”技能单元，用于在正式撰写综述文本之前，对大纲（outline）与映射（mapping）进行可验证的审查。它读取 outline/outline.yml 与 outline/mapping.tsv，输出不写散文（NO PROSE）的覆盖率与冗余度报告，生成 outline/coverage_report.md 与追加式记录文件 outline/outline_state.jsonl。该技能会回答几个关键问题：每个 H3 是否有足够的映射证据、是否反复复用少数几篇论文、子章节切分轴是否仍然偏泛化/脚手架化、大纲结构是否更接近论文形态（约 6–8 个 H2、更少但更厚的 H3）。它可选用 OUTLINE_BUDGET_REPORT.md、papers/paper_notes.jsonl、outline/subsection_briefs.jsonl、GOAL.md 来辅助解释结构变更、汇总证据层级、计算轴具体度，以及提示范围漂移。该单元支持冻结策略：若存在 outline/coverage_report.refined.ok，脚本不会覆盖已生成的报告。
Subsection Briefs 是一个用于研究写作流程的技能，负责从大纲、论文映射和论文笔记中生成确定性的 H3 小节写作简报卡片。其核心特点是输出不含叙述性散文（NO PROSE），只包含小节范围内的计划、比较轴、聚类和过渡句柄，从而让后续起草由证据和可核对的比较轴驱动，而非依赖大纲占位符。该技能读取 outline/outline.yml、outline/mapping.tsv、papers/paper_notes.jsonl 等输入，输出 outline/subsection_briefs.jsonl，并保持与 transition-weaver、writer-context-pack、subsection-writer 等下游组件的字段兼容。它通过 assets/ 中的短语包和领域包管理措辞、领域路由、轴清单、聚类纯度和词汇桥接覆盖，避免在 Python 中硬编码领域模板。当证据不足时，技能会保持保守的论点与张力陈述，交由下游证据技能强化，而不会编造论文、引用或主张。
novel-use 是一个面向小说创作与审稿的顶层工作流技能，旨在让写作在使用已蒸馏的小说风格润色文本之前，先确保章节具备真正可读的故事引擎。它把“故事是否值得读”与“文字技巧是否合格”分开处理：use-novel-style 与 eval-novel-style 负责文笔机制，而 novel-use 充当关卡，防止设定、规则、流程和写作卡要求取代小说本身。技能要求按顺序读取项目设定与大纲、通过故事引擎门禁、加载风格档案再起草，并在评审时先评故事引擎，再评设定、视角、人物动机、信息边界与力量尺度，最后才做语言层风格评估。资料同时给出故事引擎自查问题、无效章节核心的判定、设定与规则的检查方法，以及一套通用文笔护栏，涉及避免设计文档式语言、作者层泄漏、视角与信息越界、问答式对白、人物声音同质、抽象词重复、结尾说教和凑字数等问题。
Artifact Evaluation Prep 是一个用于准备研究论文制品包的技能，帮助作者把代码、数据、检查点、脚本和说明整理成外部评审者可复现论文关键结论的制品包。适用于会议或期刊要求或提供制品评估、可复现性徽章、制品附录的场景，也适用于 camera-ready 或已录用论文的制品交付。技能会指导完成评审者所需的安装、快速开始、演示与复现说明，打包代码、数据、检查点、模型、Docker 镜像或外部服务，并明确运行时、硬件、随机种子、预期输出和排错说明，同时把论文中的结论映射到可运行脚本或已发布制品。需要注意：该技能不是通用代码发布技能，公共仓库规范、许可、CITATION 文件、标签和 GitHub release 应使用 release-code；本技能聚焦评审者面向的制品执行与结论复现。
Experiment Report Writer 是一个用于撰写结构化实验报告的技能，可从笔记、配置文件、日志、指标、表格和图表等证据出发，生成便于读者评估的研究报告。它支持单次实验、消融实验、批量汇总、导师进度更新和论文段落等多种报告模式，适用于结果分析、研究更新和演示准备。
为个人知识系统提供基于证据的演进建议：分析健康报告、摩擦模式与推导历史，提出具体改进方案，但绝不自动实施，所有变更需用户明确批准。
ask 是 arscontexta 插件中的查询型技能，用于就研究方法论向内置知识库提问，按 WHY（研究论断）、HOW（指导文档）、WHAT（领域示例）三层路由，并结合用户自身的 ops/derivation.md 与本地方法论笔记综合作答并引用来源。
用于阅读、学习、分析和深入理解研究论文（PDF）的技能，通过结构化工作流生成摘要、洞察、问答、代码演示与交互式 HTML 探索页，并建立可复用的论文知识库。