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 10-27 00:15
14,234 个结果
reference-generator 是一个用于为教材生成经过核验的参考文献列表的技能，会根据课程描述判断目标读者层级并控制数量：初中 10 条、高中 20 条、大学 30 条、职业发展 30 条、研究生 40 条。它先读取 /docs/course-description.md 确定年级、先修要求、学科与学习目标，再检查是否存在章节内容并询问用户要书级还是章级参考文献，然后通过 WebSearch 查找权威来源、用 WebFetch 逐条验证链接可用性，并按统一模板格式化为带标题、URL、出版日期、出版方与相关性说明的条目，最后写入 /docs/references.md 或各章文件。
write-article 是 vishalsachdev/claude-skills 仓库中的一个 Claude 技能，用于为 The Hybrid Builder（chatwithgpt.substack.com）撰写通讯文章，并支持对完整文章存档进行智能交叉引用。该技能包含文章缓存脚本，可更新缓存、按主题推荐引用、列出全部缓存文章、按主题浏览、查找相关文章以及按关键词搜索。写作前要求先检查文章是否已存在（搜索缓存并列出目标仓库的 articles/ 目录），并查找相关文章。技能提供默认的“先起草再迭代”写作模式，以及在用户希望边写边学、文章为立场文或用户本身是领域专家时使用的“共同构建”模式。技能还规定了写作风格与语气、结构与格式、自然交叉引用方式、实体与引用链接规则、数据来源要求、发布前的链接验证与编辑审查流程，以及 Markdown 和 HTML 双版本输出、封面图生成等规范。
该技能聚焦于文档测量流水线中的文本规范化环节，即把标记语言（如 Markdown）转换为可比较的纯文本，再交给字数统计、阅读时间、可读性评分、去重键、校验和或搜索索引等测量器消费。它指出绝大多数此类流水线的缺陷都隐藏在规范化器中，且不会抛出异常：输出仍是看似合理的字符串，指标仍是看似合理的数字。技能系统梳理了典型故障模式，包括缺失分隔符导致两个块被融合成一个词、字符类指标残留语法字符、词/音节类指标丢失块边界、测量器调用点未经过规范化、解析器预设未启用所需规则、按非唯一标题文本分组导致内容折叠或重复计数、生成后缀与字面标题冲突，以及有意与无意的有损处理难以区分。同时给出测试与审查清单，强调断言 Markdown 与其手写纯文本等价，而非依赖未固定版本的第三方库常量。
Chapter Skeleton 是一个用于研究型写作流水线的技能模块，作用是在建立稳定的 H3 级分解和写作卡之前，先基于分类法（taxonomy）与核心范围生成一份受检索信息影响的章节骨架，输出到 outline/chapter_skeleton.yml。它适用于综述类内容在进入子章节映射前的结构稳定阶段，帮助先固定章级意图。该技能通过触发词（如 chapter skeleton、H2 skeleton、章节骨架等）被调用，其脚本以确定性方式物化骨架文件，并读取 outline/taxonomy.yml 以及可选的 GOAL.md 作为范围提示，同时通过显式的 refinement 标记（outline/chapter_skeleton.refined.ok）来保留经过人工复核的骨架工作成果。
Thesis Chapter Reconstructor 是一个用于毕业论文写作的章节重构技能，属于 graduate-paper pipeline 的核心重构环节。它面向已经明确各份材料在毕业论文中角色、但章节仍像原论文翻译、拼接或卖点展示的场景，帮助把原论文式叙事改写为学位论文式叙事。该技能会围绕毕业论文主线重写章节目标、内容比重、前后承接与论证方式，并输出重构后的章节 Markdown 以及 chapter_rewrite_rules.md 规则文件。它不用于局部句子润色，也不适用于章节角色尚未确定的情况；其护栏明确要求不是翻译论文、不是简单删减，必须围绕毕业论文主线重写章节目标与承接关系。
thesis-frontmatter-sync 是一个用于同步中文毕业论文非正文部分的技能，覆盖摘要、附录、封面、成果、致谢、名单等内容，目标是让这些部分与正文口径保持一致，而不是拖到最后临时补写。它适用于正文结构已较稳定、需要并行维护非正文部分的场景；若正文主线尚不稳定或还没有可交付版本，则建议跳过。该技能不依赖网络，强调不让摘要、附录与正文脱节。
Thesis Markdown Aligner 是一个用于毕业论文写作流程中的 Markdown 中间层对齐工具。它面向各章节已经初步重构、但整篇论文仍存在术语漂移、指标口径不一致、章节边界混乱、读起来像多篇论文拼接的场景。它不直接修改 tex，而是先在 Markdown 中间层收敛主线、术语、缩写、符号、指标口径与章节边界，让整篇论文先成为“一篇论文”，再进入交付层。主要输出包括论文大纲、术语表、符号与指标表以及证据缺口清单。
Thesis Source Role Mapper 是一个用于中文毕业论文写作的技能，作用是把已有材料映射到“毕业论文角色”。它接收已完成的材料索引、初始 Markdown 章节材料、现有论文、PDF、Overleaf 源稿、图表材料以及研究问题清单，输出章节角色映射文件。其核心不是翻译，也不是简单地把论文按章节分桶，而是显式说明每份来源材料在毕业论文中扮演什么角色、对应哪个研究问题、与前后章节的关系，并标注可复用的图表、关键实验、关键引用以及需要重写或弱化的原论文叙事。适用于材料盘点已完成、需要确定各材料在毕业论文中定位的场景，不适用于仅修改已稳定单章措辞且无新来源材料进入的情况。
thesis-tex-writeback 是一个用于中文毕业论文交付流程的技能，作用是把已经在 Markdown 中间层收敛稳定的内容回写到 `chapters/*.tex` 及相关交付层文件中。它强调以 Markdown 中间层为唯一事实来源，负责将稳定的章节结构、图表、公式、交叉引用、章首导言、章末小结与承接句同步到 TeX 层，保持结构与引用的一致性。该技能在章节主线、术语、符号和图表计划基本稳定、需要进入 TeX 交付层时使用；如果结构尚未稳定或仍处于章级重构阶段，则不应使用。它明确规定不在 TeX 层重新发明结构，若问题本质属于章节角色不清、主线不稳、证据不足或术语不统一，应回退到 Markdown 层处理，TeX 层只负责交付而非重新思考。该技能不依赖网络。输入包括大纲、重构后的各章 Markdown、术语表、符号指标表、图表计划以及现有的 `chapters/*.tex`；输出为更新后的 `chapters/*.tex` 及图表、公式、交叉引用的 TeX 同步版本。工作流按确定章级与节级结构、回写稳定内容、同步图表公式表格与交叉引用、同步章首导言与章末小结、记录需回退到 Markdown 层的问题依次进行。
wkc-research 是一个用于撰写或更新产品需求文档（PRD）的 AI 技能。它根据研究材料和对用户的访谈，生成或修订 PRD，内容涵盖问题、服务对象、目标、非目标、约束、假设、待解问题、证据，以及给架构工作的备注。它适用于产品启动阶段，或目标、用户、范围发生转变的变更；小型功能或修复通常不需要调用，做完后再按需更新 PRD。该技能只写 PRD 文件，不改动用户已写内容，并区分来源事实、用户决策与推断假设，不编造市场或使用数据。
autoresearch-skill 是一个自主研究与实验工具包，含 10 个命令，受 Karpathy 的 autoresearch 启发，核心循环可将带可度量指标与搜索空间的迭代实验推广到任意领域，支持无人值守运行。
Ambitious prompt 是一个用于改写提示词的工具，它依据 Felix Rieseberg 的《How to be more ambitious》方法，把用户给出的提示词朝着更高的目标层级（altitude）、更深的专业深度（depth）和更广的跨领域范围（range）重写。它会先明确任务要交付什么、依据哪些材料，再逐层追问交付物之后真正想要的结果，并停在模型仍可自主负责和验证的层级；随后按专业顶尖从业者的做法补充原始材料、具体方法与工具、可检验的假设和更严格但可达成的量化目标；再把交付物的名词改述为动词，选出两到四个相关领域（其中包含一个对抗性领域）并写明各领域可引入的技术；最后指定模型之外的客观评判物（测试、基准、回测、复现或第三方来源）以及通过条件。输出包含一段可直接粘贴的重写提示词、按各维度逐行说明的改动点，以及用户需要提供的访问权限与配置。资料未提供收费、平台支持范围等信息。
小宇宙播客文字稿抽取与总结 Skill。当用户提供小宇宙单集链接并希望提取文字稿、转写音频或总结播客内容时使用。工作流程包括：校验链接是否为有效的小宇宙单集链接，从公开可访问的单集页面抽取音频 URL，下载音频到本地任务目录，使用 ffmpeg 按 30 分钟切片，并行转写每个切片并保留分片文字稿，按 chunk index 升序合并完整文字稿，最后依据 prompts/summarize_takeaways.md 提示词对合并后的完整文字稿进行总结并生成 summary.md。支持通过命令行运行，可配置输出目录、切片时长、并行数、转写引擎和总结模型。输出包含 metadata.json、pipeline.log、音频文件、分片与完整文字稿以及总结文件。仅处理小宇宙单集链接，不绕过登录、付费墙或访问控制，不伪造音频链接或文字稿。
微信公众号文章抓取工具，基于 Playwright 绕过微信反爬机制获取完整文章内容，支持单篇或批量抓取、保存为 Markdown 或纯文本。已迁移至 wulaosiji/founder-skills 的 china-content-research，此版本提供向后兼容。
用于对5家以上厂商开展市场、品类或竞品研究，产出可导航的文件夹式研究语料库，包括逐实体证据包、跨实体对比表、从业者与Reddit线索、来源台账及独立画像页。由模板驱动，强调先写模板后写文件。
article-study 是一套与用户共同精读文章或文档的学习流程，目标不是出摘要，而是通过抽干货、切讲次、学-考-讲循环、对号入座和收官测验，把学习变成可验证的过程，每讲产出 HTML 课件与落盘笔记。
Conversation-to-Content Pipeline 是一个从 AI 对话、聊天记录和会话日志中提取可发布内容的技能（Skill）。它的整体流程为：原始对话 → 提取 → 重构 → 润色 → 格式化 → 发布，输出格式支持 Markdown、HTML、PDF。该技能通过内容类型分类（教程、决策记录、代码讲解、洞察、问答、调试日志等）和关键节点识别（洞察、决策、学习、警告、总结信号）来筛选对话中有价值的部分，并将其重构为博客文章或知识库条目。它提供语音规范化处理（将口语化表达转为一致编辑语气）、代码块提取与注释、内容质量检查清单、博客文章与知识库模板，以及批量处理会话归档的能力。使用时需注意反模式：不应直接发布原始对话，需保留最终修正版本并标注内容源自 AI 对话。
Essay Publishing Pipeline 是一个用于将文章和长篇内容从草稿推进到多平台分发的结构化流程技能。它覆盖 Markdown 到 HTML/PDF 的转换、元数据管理、静态站点生成、RSS/Atom 订阅源生成以及跨平台发布（POSSE 策略）。流程分为草稿、编辑、格式化、元数据、构建、发布、分发七个阶段，并提供质量检查清单、SEO 元数据模板和反模式提示，帮助写作者建立可重复、可自动化的内容发布管线。
Stranger Test Protocol 是一套用于评估文档、README 和入门指南是否能让零背景读者理解的系统化方法。它从“陌生人”视角出发，按三个层级检验文档：第一层“初次接触”（30秒内能否说清是什么、给谁用、为何存在、是否活跃），第二层“理解”（2分钟内能否勾勒架构、理解核心概念、明确范围边界及与生态的关系），第三层“激活”（5分钟内能否完成前置条件、安装步骤、首次成功运行并找到后续路径）。测试流程包括采用陌生人思维、按顺序限时阅读、记录困惑点（位置、困惑内容、严重程度、修复建议）、逐项评分并生成报告。该协议还提供常见失败案例（如未定义术语、缺失前置条件、假设上下文、死胡同文档）及针对 README、API 文档、贡献指南、架构文档的不同应用重点，并可与 CI 集成，在 PR 模板中加入检查项。
Voice Enforcement 是一个用于在文本生成过程中执行“Orchestrator Voice Constitution”（编排者声音宪章）的技能。它提供声音约束、反模式识别与评分指导，帮助写作者在撰写或编辑散文类文档时保持统一的表达风格。该技能适用于 README、设计文档、愿景文档、散文、宣言、CLAUDE.md 文件等任何代表编排者声音的文本。技能内置默认话语序列（开场区分→领域定义→分层→形式化→治理→扩展）、八条身份不变量（如系统优先于轶事、本体先于实现、递归分层、通过区分实现精确等）以及需要避免的顶级反模式（如通用企业式平滑、闲聊式填充、以热情替代架构等）。若安装了 voice-scorer CLI，还可对文档进行启发式评分、深度 LLM 评分和声音侵蚀检查。完整治理规则见技能 references/ 目录下的 VOICE_CONSTITUTION.md 与 VOICE_RULEBOOK.md。
Project Pivot Planner 是一个面向机器学习研究的项目转向规划技能，用于在项目进行到中期、出现一致性的负面结果或新颖性挑战时，决定如何调整研究方向。它帮助研究者基于证据而非挫败感做出决策，包括缩小研究范围、改变论述角度、转向新方向或终止项目。该技能强调在终止前先尝试收窄为更可辩护的较小主张，并要求用驱动决策的证据记录转向决定，以在后续导师会议和反驳中保护项目。适用触发场景包括：尽管修复了工程漏洞，多个实验仍无法支持核心主张；对抗性审稿人成功论证主要贡献缺乏新颖性；主要基线意外缩小了与提出方法的差距；同期发表的相关工作使原贡献变得冗余；导师或委员会持续质疑项目方向；项目在结果诊断阶段停留超过 2–3 个周期仍未解决。该技能不用于单次实验调试、特定意外结果的诊断或新项目验证。
AntiSlop 是一个用于检测和修复 AI 生成写作痕迹（slop）的工具，源自 aaaaqwq/agi-super-team 技能库。它通过 45+ 种已知 AI 写作模式、分级严重度评分与编辑模式，帮助识别并改写看似通用、缺乏具体性的文本。Skill 提出“星座运势测试”：如果一段内容换个署名也成立、对任何人都适用，就可能是 AI 味内容。检测覆盖 Tier 1 几乎必定为 AI 的短语（如 delve、game-changer、leverage 等），Tier 2 重复出现才可疑的表达，以及 Tier 3 聚类后才暴露问题的词句。除短语外还检测结构性痕迹，如连续短句堆叠、句式长度过于统一、对比式句式、过度平衡的分段、模板化标题、自我宣传式开头等。系统按模式类型计分，0-5 为低风险，6-12 为中等风险，13+ 为高风险。编辑模式会直接应用修复并给出前后对照；也可要求“仅审计”而只检查不改写。该技能还包含模式刷新协议，可借助 Gemini CLI 或 Wikipedia API 获取最新 AI 写作特征并分类更新。
该技能用于按仓库既有约定，明确引导创建或适配可选的仓库内 Markdown 文档规范，涵盖需求与完成索引、共享 Milestone、Feature 归属等内容，仅搭建文档骨架，不生成实质性需求或设计。
How-To Tutorial Writer 是一个用于撰写分步教程类博客文章的写作技能，帮助读者解决真实问题，并在教程中自然融入联盟产品推荐。它采用“问题→解决方案→工具”的模式：先明确读者想完成的任务，再展示具体操作步骤，最后把联盟产品定位为完成每一步的合适工具。该技能适用于“how to”“tutorial”“guide”“walkthrough”“step by step”等触发场景，支持快速入门、深度教程、单一功能聚焦、问题解决等多种教程类型，并输出 SEO 元数据、完整文章和补充数据（FAQ、截图建议、联盟链接、可选视频脚本大纲）。