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 10-25 00:14
14,133 个结果
Humanizer 是一个用于去除文本中 AI 生成痕迹的写作编辑技能，基于维基百科 WikiProject AI Cleanup 维护的“AI 写作迹象”页面。它通过识别并改写 AI 写作中常见的模式，让文字听起来更自然、更像人类所写。该技能不仅删除问题模式，还强调为文本注入个性与声音，避免“干净但无灵魂”的写作。它覆盖内容模式（如过度强调意义、模糊归因、公式化“挑战与前景”段落）、语言与语法模式（如 AI 高频词、回避 is/are、负面平行结构、三段式滥用、同义词循环、虚假范围）、风格模式（如破折号滥用、粗体滥用、内联标题列表、标题大小写、表情符号、弯引号）、沟通模式（如聊天机器人残留语、知识截止免责声明、谄媚语气）以及填充与模糊限制（如冗余短语、过度限定、空洞积极结论）。使用时，用户提供待编辑文本，技能会扫描上述模式、重写问题部分、保留原意并匹配预期语气，最后输出改写后的文本，可选附上修改摘要。它适用于编辑或审阅文本、让内容更自然、去除 AI 味等场景。该技能基于维基百科页面，具体实现细节和平台限制暂未提供。
grill-with-docs 是一个用于方案评审与领域建模的 AI 技能：通过逐题追问、术语澄清和代码库对照，检验你的计划是否与既有领域模型一致，并在过程中同步更新 CONTEXT.md 与 ADR 文档。
Ubiquitous Language 是一个用于从当前对话中提取并整理领域术语的技能，采用 DDD（领域驱动设计）风格，生成统一的术语表并保存到本地文件。它会扫描对话中与领域相关的名词、动词和概念，识别同一词表示不同概念、不同词表示同一概念以及含义模糊或过载的术语，然后提出带有明确取舍的规范术语表。输出写入工作目录下的 UBIQUITOUS_LANGUAGE.md，并在对话中给出摘要。术语表按自然聚类分组，包含术语、定义和应避免的别名，并展示术语间关系、示例对话以及被标记的歧义。再次调用时会读取已有文件，纳入新术语、更新定义并重新标记歧义。
report-findings 是一个用于多来源研究综合与呈现的技能：先评估来源权威性，再交叉核对，最后带置信度与出处输出结论。适用于需要结构化对比、可信度标注和不确定性说明的研究汇报场景。
review-paper 是一个稿面评审技能，用于对学术论文做全面、建设性的审稿，覆盖论证结构、计量经济设定、识别策略、文献定位、写作与呈现等维度，并生成顶尖期刊审稿人可能提出的质疑，输出为 Markdown 审稿报告。
open-press 的写作技能，负责文档面向读者的论证与结构：受众、目的、叙事、章节顺序、H1/H2/H3/H4 层级、正式目录与阅读大纲深度、附录位置，并改写正文、表格、图注与过渡，标记待确认事实。
用于记录架构决策与文档的技能：在做出架构决策、变更公开 API、发布功能或需要记录上下文时，编写 ADR 与 README、行内注释和 API 文档，强调记录「为什么」而非代码本身。
面向代码与文档的语义检索技能，通过 ChromaDB 向量库按概念查找内容，使用父子分块检索，作为三阶段搜索协议的第二阶段。
这是一个面向产品前期探索的多模型协作访谈与头脑风暴技能，用于把模糊的想法转化为清晰的问题框架。它通过配置多个模型角色（如综合锚点、对抗锚点、广泛上下文、可行性、用户代言人）并按固定阶段推进——接收、发散、用户访谈、交叉批判、收敛。该技能强调以对话循环而非一次性规划的方式工作，只有在问题被澄清后才产出发现简报。最终产物包括 discovery_brief.md、option_map.md、open_questions.md、decision_log.md 和 panel_summary.json，可作为后续规格编写技能的输入。该技能不写生产代码，也不创建实现任务。
该技能用于从亚马逊收集卖家线索，如卖家名称、评分、商品数量和可见联系信号，适合外联或供应商调研。它通过 BrowserAct CLI 访问真实浏览器页面执行任务，仅处理公开或已授权数据，需依赖 browser-act 技能与 CLI。
用于跨店铺比价的电商研究技能，借助 BrowserAct CLI 访问真实浏览器页面，采集同一商品在不同商店的价格、平台、标题与库存等信息，并整理为可对照的比价记录。
该技能提供同行评审学术论文写作规范方面的专业知识，涵盖引文完整性、格式合规、表达清晰度与科学写作惯例。它强调清晰优先于华丽、精确优先于说服、主动语态优先于被动语态，并给出大量风格改写示例，如去除冗余修饰词、简化标点、消除模糊表述。技能还包含引文与参考文献核查（占位符引文、悬空引用、未使用条目、格式一致性）、原创性与归属提示、常见写作问题（过度限定词、模糊语言、冗余）、特定领域惯例（流行病学与公共卫生、统计报告、计算方法）以及结构化的审稿反馈框架。适用于审阅学术稿件、编辑研究论文、准备期刊投稿、撰写方法部分、起草讨论部分以及根据审稿意见修改。
该技能提供系统化分析研究论文的方法论，帮助提取关键贡献、方法细节与结果，并对论文进行质量评估与文献定位。支持本地文件、DOI、URL 等多种输入格式，可处理付费墙与 PDF 读取失败等访问问题。分析框架涵盖初步扫描、内容提取优先级、质量评估（方法严谨性、可复现性、影响力）、逐节分析、技术细节提取与相关工作定位，并按机器学习、统计/生物统计、流行病学、计算生物学等领域给出特殊考量。最终按固定模板输出论文摘要，包含概述、亮点、优势、不足、详细总结、技术细节、相关工作背景、潜在应用与可复现性说明。适用于文献综述、方法评估、新颖性判断、实现细节提取、团队论文摘要、审稿与带注释书目构建等场景。
papers-skill 是一款面向学术研究流程的智能体技能，可让编码代理检索 Semantic Scholar（超 2 亿篇论文）、查看引用、下载 arXiv PDF 并提取 PDF 文本，基于随附的 Python CLI（scripts/papers.py）调用 Semantic Scholar 与 arXiv 免费 API。
该技能用于研究链接与文档时核验真实来源内容：先抓取源内容、阅读相关章节、核对说法并引用具体段落，避免仅凭搜索摘要下结论。
disciplined-research 是“有纪律的开发”流程的第一阶段技能，用于在设计或实现前深入理解问题。它帮助梳理现有系统、识别约束、暴露风险并产出研究文档，强调先理解、显式声明假设、不隐藏困惑，适合需要先调研再决策的功能或变更。
BRD Interviewer 是用于把模糊业务想法梳理成 BRD（业务需求文档）的技能，通过访谈、材料整理与缺口追问，聚焦 WHAT/WHY、目标用户、范围、成功定义、依赖与约束，不替代 API/HLD/LLD 设计或业务批准。
UC Interviewer 是用于基于 BRD 访谈、整理或补全用户旅程（User Journey）的技能，帮助对齐 use case、确认用户操作流程、跨旅程跳转及异常边界行为。支持访谈、整理与缺口追问三种模式，输出带稳定 ID 的旅程草稿，不替代技术设计或 PRD 批准。
这是一个用于规范 README 文档写作与审校的技能，定义了 steipete 与 openclaw 组织下所有公开 README 的统一结构、徽章行、语气、各类项目模板以及验证门槛。它要求 README 按“是什么、怎么用、逐步深入”的顺序组织，标题可带一个 emoji 和俏皮标语，正文保持克制；安装部分先给最小路径，快速开始须在 60 秒内跑通；长度建议工具/库不超过 250 行、大型项目不超过 350 行，超出的内容应移入 docs/ 并链接。徽章统一用 flat-square 且必须动态生成，禁止硬编码版本，顺序为 CI、版本、平台/运行时、许可证、附加项，发布前需验证每个徽章可渲染。技能还提供了 CLI 工具、npm 库、Swift 包、macOS 应用、Web 服务/站点五类模板，并设有强制验证门槛：README 中每条命令都要真实运行，每个代码示例须能编译或通过类型检查，所有相对链接要指向仓库内文件，外链不能 404，版本信息须动态或最新。
在 arXiv、Semantic Scholar 和 Google Scholar 上并行检索学术主题，去重聚类后生成结构化研究地貌报告，含关键论文、子主题、活跃作者、时间趋势与潜在空白，基于 TinyFish CLI 浏览器自动化实现。
Humanizer 是一个用于去除文本中 AI 生成写作痕迹的编辑工具/技能。它基于维基百科 WikiProject AI Cleanup 维护的「Signs of AI writing」页面，通过识别并改写 AI 常见写作模式，让文字听起来更自然、更像人类写作。它适用于用户提出「humanize」「make this sound human」「remove AI patterns」「less AI」「sounds too AI」等需求时。其内容包括识别 AI 模式、改写问题段落、保留原意、保持语气，并加入个性与「灵魂」，最后还会做一次反 AI 检查。文档列举了内容、语言语法、风格、沟通模式以及填充词与含糊表达等多类 AI 写作特征，并给出前后对照示例。
该技能用于在论文正文完成修订后撰写摘要，依据最终确定的论点与证据生成摘要。输入包括论文主题、论文偏好（模式、受众、期刊风格、语言、深度、重点、必须包含项、避免项及默认设置）、引用计划以及修订后的 LaTeX 正文。输出为纯 LaTeX 片段，格式为 \begin{abstract}...\end{abstract}，字数在 250 至 350 词之间。硬性规则要求：摘要必须总结实际修订后的正文，不得引入新论点；需匹配偏好简报中的语言、受众与重点；需覆盖问题、方法、证据、主要结果与意义；除非修订正文要求摘要中的关键论点可追溯，否则不得包含引用；不得包含评论、Markdown、代码围栏、标题、作者或参考文献。
paper-citation-planner 是一个在论文各章节起草之前使用的引用规划技能。它接收论文主题、论文偏好（模式、受众、期刊风格、重点、必须包含的要求、避免列表）、论文大纲、带 refN 键的精选参考文献包以及 BibTeX 条目，将论文中的论点映射到可用的 BibTeX 引用键。输出为纯文本，固定包含 CITATION_PLAN 下的 INTRODUCTION、METHOD、RESULTS、DISCUSSION 四个部分，每条以 claim、cite、role 的形式列出，并附 USAGE_RULES 说明如何避免无支撑论断和重复堆砌引用。硬性规则包括：当可用引用键不少于 20 个时至少使用 20 个不同键；引用密度与角色需与论文偏好对齐；只能使用 source_pack 或 bibliography 中存在的键；引用必须分配给论点而非填充句；引用需分布在引言、方法、结果和讨论中。
paper-preference-planner 是论文写作前置技能，用于在检索、列大纲、引用规划或起草之前，从用户请求中提取论文写作偏好。它按 DIRECT 或 PREFERENCE_DRIVEN 两种模式决定是否先做偏好访谈，并输出固定格式的偏好简报。