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 10-24 00:15
14,061 个结果
Search Expert（搜索专家）是一个面向技术调研场景的 AI 技能，基于 Z.AI Web Search Prime（zai-web-search）工具，帮助用户查找事实依据并综合复杂技术信息。它支持技术选型对比、最佳实践调研、新兴趋势研究、版本差异分析，以及特定错误与解决方案的查找。该技能强调来源验证、深度获取、信息综合与上下文过滤，输出结构化报告，包含关键要点、优缺点和实施步骤，并标注信息来源与时效性。适用于前端、AI 等快速演进领域的技术研究，也可用于常见报错排查。
该技能用于搜索和获取 arXiv 论文，可接受研究主题、作者、分类、arXiv 网址或论文编号等输入，并保留用户指定的版本后缀。其工作流通过 Python 3 标准库脚本 search_arxiv.py 执行操作，可先查看脚本帮助了解完整功能、参数、默认值与示例；搜索结果会先检查题目、完整摘要、日期与版本，并留意撤稿或撤回通知。若需解释方法、结果或限制，可阅读全文，并记录实际读到的版本与范围；仅取得摘要时会明确标注。输出依任务提供论文清单或单篇说明，包含题目、作者、日期、带版本的链接、与问题的关联及阅读范围，需要引用格式时从已确认的 metadata 产生，缺栏位不猜测。连续调用 arXiv API 时至少间隔三秒，遇到限流先停止并等候，不无限重试。一般文献搜索可将 arXiv 作为来源之一，需要引文关系或相关论文时可用 Semantic Scholar 补充。
documentation-audit 是一个用于在检测到文档漂移时全面审计代码库、创建或更新 Swagger/OpenAPI、功能文档及通用文档并使文档与代码库保持同步的工具。
用于撰写标题、CTA、按钮文字、错误提示、空状态、引导流程等产品界面文案的技能，强调清晰、具体、以用户语言表达，并提供可复用公式与自查清单。
将想法整理为可执行规格的技能：支持快速功能规格（10-15分钟）与完整项目范围（1-2小时）两种路径，产出可交给 AI 工具或承包方评估与实现的文档，含缓存路径与检查清单。
paper-formatter 是一个用于排版学术论文的技能：依据目标期刊的范文样式，把用户稿件重新排版为符合该期刊风格的文档。支持 .docx、.tex 和纯文本输入，输出 .docx 或 .tex。
面向数学建模论文的技能：按常见评分点生成论文结构与写作清单，并依据题目类型与数据条件给出模型选型、基线、改进与对照实验路线；适用于论文格式与评分对齐、模型选型、路线不确定时。
用于数学建模论文工作流的局部修复技能：从 repair_queue.json 中挑选 micro-repair 条目修复反复失败的章节，或按需生成 legacy/quickstart 脚手架；不负责正式论文组装与 Word 生成。
数学建模技能 final-method-explainer：依据方法卡、人工决策台账、代码计划与最终结果，为可提交的子问题生成权威的最终方法说明文档，忠实转录人工选择理由并引用 decision_id，不重新编造选型叙事。
该技能用于在数学建模流程中分析用户自行提供的论文与报告，从原文中提取可迁移的方法线索、假设、变量、验证思路与局限，为后续方法选择提供依据；不编造参考文献、不联网检索新论文、不直接照搬已发表模型。
用于数学建模提交阶段的技能：把最终方法、结果、稳健性、图表与人工决策整理成面向写作者的单一提交包，并在人工签核后冻结数值声明，生成不可手改的 frozen_numbers.json。
从问题框架与激活的方法卡生成并维护全局数学符号与单位表，解决同一概念多用符号、不同概念共用符号、单位冲突及跨小题输入输出交接冲突。
ley-ar 是一个用于检索阿根廷法律数据库的命令行工具，通过 `ley` CLI 从 SAIJ、CSJN、JUBA、JUSCABA 四个公共法律数据库中查询判例、立法、案件摘要和学说。它需要 Python 3.10+，依赖 typer、httpx、rich，安装方式为在 scripts 目录下执行 pip install -e . --break-system-packages -q。默认建议从 SAIJ 和 CSJN 开始，仅在查询布宜诺斯艾利斯省相关内容时加入 JUBA，JUSCABA 则更适合使用案件编号检索。支持并行搜索、按数据库过滤、限制结果数量、JSON 或纯文本输出，以及状态检查。输出结果包含数据库、ID、标题、日期、摘要和 URL。该工具无需认证，但需注意各数据库的可靠性差异和速率限制。
Problem Framing 是一个用于产品构思阶段的结构化技能，帮助把用户脑中模糊的产品想法整理成清晰的问题陈述、目标用户和待办任务（Jobs to Be Done）。它通过对话式提问逐步澄清需求，适用于用户只有一个原始想法、概念或零散笔记时，将其转化为编码智能体可以执行的结构化上下文。该技能会依次收集原始输入、运行问题流程、生成结构化输出，并自动保存到 design/01-problem-framing.md，同时可衔接 /user-modeling、/solution-scoping 或 /prd-generation 等后续步骤。
用于以 Adi 的声音撰写或编辑对外内容，适用于博客文章、随笔、推文、LinkedIn 帖子、报告、解释性文章等场景。写作时需遵循 references/voice.md 这一唯一写作标准。
行动研究（Action Research）方法技能：通过“计划—行动—观察—反思”循环，将研究与实践改进结合，并以参与式行动研究（PAR）让利益相关者成为共同研究者。适用于改进自身实践、需要同时产出知识与实际改变、且问题具有情境性和迭代性的场景。
基于议程设置理论（McCombs & Shaw）分析媒体显著性如何向公众认知转移的技能，用于研究媒体报道与公众议题优先级的关联，并提供结构化的分析输出格式。
该技能运用布迪厄场域理论，通过场域、资本与惯习的相互作用分析权力关系，适用于梳理行业、职业或机构内的竞争格局、资本分布与行动者位置。
该技能将实用主义哲学（皮尔士、詹姆斯、杜威）应用于分析与研究框架，把知识视为指导行动的工具，以实际后果评估观念，并通过探究过程处理疑难情境。它提供从识别问题情境、溯因生成假设、追踪实际后果到通过行动检验并评估“有保证的可断言性”的结构化方法，并给出包含问题情境、竞争假设、后果评估、可断言性与启示的分析输出格式。适用于评估竞争性理论或框架的实用价值、设计行动导向研究、为混合方法提供哲学依据，以及在抽象理论争论需要落地到现实结果时使用。不适用于追求独立于后果的客观真理、纯形式或逻辑分析，以及需要强本体论承诺的研究。
计划行为理论（Theory of Planned Behavior，TPB）是 Ajzen 于 1991 年提出的行为预测理论，在理性行为理论基础上增加了感知行为控制这一预测变量。该理论认为行为意向由三个因素决定：对行为的态度、主观规范和感知行为控制；意向是行为的近端预测变量，并受实际控制的调节。本技能用于从态度、主观规范和感知行为控制出发预测行为意向，并识别意向与行为之间的差距。适用于预测目标人群是否采纳新行为（健康、技术、政策）、诊断意向-行为差距、设计说服或行为改变干预、评估活动在态度、规范和感知行为控制维度上的效果。不适用于习惯性或自动化行为、主要由无意识或情绪过程驱动的行为，以及完全受外部控制的行为。
用于规划与执行用户研究的技能，涵盖深度访谈、焦点小组、问卷和实地观察四种方法，并说明各方法的适用问题、样本量、成本与局限。
ux-jtbd 是一个应用 Jobs to Be Done（JTBD）框架的技能，用于从功能、情感和社会三个维度理解客户动机，帮助识别客户真正想完成的“任务”、现有替代方案及未满足需求。
stop-slop 是一个用于去除文本中可预测 AI 写作模式的技能，适用于起草、编辑或审阅文字时消除机器生成感。它源自 Hardik Pandya 的 MIT 许可项目，提供核心规则、快速检查与评分维度。
Octocode RFC Generator 是一个在编码前为重大变更生成决策文档的技能，用于撰写或改进 RFC、设计文档、架构提案、迁移方案和选项对比，产出有证据支撑、可供实现者与评审者执行的决策。