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 10-28 00:17
14,301 个结果
天工知识库课程检索技能（tiangong-kb-course-search）用于通过天工 AI CLI 检索天工知识库中的课程来源，适用于课件、课程、教学材料以及清华人文档案等场景。该技能刻意限定为单一来源，始终只搜索 course，而不会搜索 all、edu 或 textbook。它通过 npx @tiangong-ai/cli@0.0.19 调用 education search 命令，支持普通查询与原始 payload 两种模式，并支持 bearer 认证、dotenv 环境文件加载、元数据过滤（如 tags、raw_relative_path）以及 topK、extK 等结果数量与相邻分块扩展参数。
writing-craft 是一个写作与编辑技能，用于把技术内容写得像人类专家而非 AI 输出。它结合奥格威、Sugarman、Zinsser 等经典文案原则，提供写作模式与编辑模式，并附带 AI 反模式检查清单。
该技能提供科学假设构建、实验设计与测试方法论的指南，包含假设结构模板、假设评估标准、多种假设类型、实验计划设计、ICE 优先级排序以及从观察到构建再到排序的工作流程。
Wentor API 是 Wentor 平台提供的学术研究接口，通过 Bearer Token 鉴权访问，基础地址为 https://wentor.ai/api/v1/academic。它包含三项服务：wentor_qa 自然语言论文问答检索（每日 20 次、每分钟 5 次）、wentor_search 按标题/关键词/作者/机构/期刊等字段的结构化论文检索（每日 100 次、每分钟 10 次）、wentor_plot 根据文字描述生成学术配图（每日 10 次、每分钟 2 次）。使用前需在 Wentor 控制台获取 API Token 并启用对应服务。
literature-triage-matrix 是一个用于文献筛选与比较的技能，可将一组论文（来自 Zotero 收藏、Obsidian 笔记簇或手动列表）整理成一张紧凑的对比矩阵，写入 .research/literature_matrix.md。它面向综述写作决策，帮助用户一眼看出哪些论文按方法聚为一类、哪些支撑某个具体论断、哪些只需顺带引用、哪些需要深入讨论。该技能刻意避免“逐篇摘要”的常见 AI 失败模式，即产出 N 个彼此独立的要点列表、仍需用户手动比较。矩阵默认包含引用、研究问题、方法、数据/研究区域、主要论断、证据/来源层级、局限、相关性、用途等列，并支持按需裁剪。它强调证据契约：元数据、摘要、记忆中的结果和生成的摘要仅作为筛选线索，承载性论断需要定位到具体来源/版本证据，未核查的论断和失败的检索需明确标为缺口。输出采用追加方式，仅对未覆盖或实质变化的论文新增行，并使用 DOI 或 arXiv ID 等稳定标识符。
面向 Orbitant 工程博客的编辑审稿技能，在评审、编辑或反馈博客文章时激活，输出结构化反馈：整体印象、目标读者分析、内容深度、SEO 检查、编辑规范符合度与按影响力排序的可执行改进建议。
提取并理解链接内容的技能，可抓取网页、生成摘要、抽取关键点与实体，并对内容进行分类与链接图谱分析。适用于分析文章、文档、研究与事实核查等场景。
cheat-predict 是 cheat-on-content 校准循环中的预测技能：由 Claude 读取最终稿、按当前 rubric 打 7 维分并给出 bucket、概率分布与反事实场景，用户 review 后落盘为不可修改的盲预测日志。触发词包括"启动预测""start prediction""写预测日志"。
该技能用于学术文献综述、论文开题或方法论章节中的研究方法比较。它把方法选择当作一种论证而非格式要求，帮助用户将每种研究方法与其能够回答和不能回答的问题对应起来。工作流程包括：重述研究问题及其最需要了解的内容（广度、深度、相关性、因果、机制、过程、比较或预测）；列出可行的方法而非直接采用用户偏好的方法；构建“方法路径—能回答—不能回答”三列对比表；识别对该问题最重要的权衡；推荐一种方法或混合序列并给出简明的方法论理由。输出包含方法需求、方法对比表、推荐设计、理由段落和边界声明。适用于需要论证方法选择合理性的学术写作场景。
该技能用于从文献综述的综合结论中定位一个具体、可辩护的研究空白，并将其转化为可执行的研究方向。它通过一套工作流程，帮助研究者把综述结尾泛泛的“未来研究”表述，改写为有依据的具体研究切入点：先复述问题锚点，用一句话概括领域现状（共识与未解张力），再识别进展受阻之处（理论、方法、数据、边界、矛盾或整合缺口），选定一个切入点，并说明其推进领域的价值，最后产出可直接使用的学术段落与三分钟口头测试。技能强调研究空白必须回答四个问题：前人已确立什么、解释卡在哪里、下一步从哪个具体开口进入、为何值得进入；并给出六种缺口类型供按证据匹配。适用于撰写文献综述结论、研究展望或贡献陈述的场景。
脚本化图片 alt/title 补全工具：脚本负责提取与替换，模型仅看图生成描述，支持 Markdown 与 HTML 图片，不改路径、不丢图。
基于智谱 GLM-V 多模态模型的文档写作技能，可读取一份或多份文档，并按其要求生成论文、文章、报告、新闻稿、书评影评、简报、方案、发言稿等文本内容。
Human Writing 是一项面向专业技术写作的技能，用于起草、编辑、改写或审阅技术类文本，目标是让内容准确、清晰，并呈现自然的人类语气。它适用于 README、文档、规格说明等场景。该技能强调在写作中保留事实、含义、约束条件和作者原本的确定性程度，同时优先遵循仓库既有风格指南与邻近文档的写法。它要求使用具体名词、精确动词和证据性表述，避免宣传性语言；对常见套路化表达仅作为诊断线索，而非一律禁止。工作流程包括：检查请求、源材料和相邻文档，明确受众、目的、格式与内部风格；改写时保留原始主张和语气；按专业标准起草或编辑；发现文本泛泛、推广化、重复或结构机械时检查套路化信号；最后执行事实核查、术语一致性、代码与链接验证、删除含糊归因和填充内容，并通读检查行文流畅度。该技能明确不用于规避 AI 检测，也不得编造测量数据、基准、版本、引用、日期或 RFC 适用性，缺少验证时应要求提供证据或对陈述加以限定。
Worldview Synthesis 是一个用于梳理、探索和记录个人世界观、价值观与哲学的 Claude 技能。它的核心理念是：世界观不是一堆观点的清单，而是一张带有张力的信念图谱。该技能通过引导式提问，帮助用户挖掘自己已有的信念、命名其中的矛盾，并综合成可分享的叙事。适用于想表达个人价值观、弄清自己相信什么、记录个人哲学，或为领导角色、宣言写作、企业文化定义做准备的人。工作流程包括：搭建项目结构、从书籍/人物/经历等来源播种初始想法、进行 4-6 轮多领域提问（涵盖死亡观、形而上、关系、金钱、竞争、信任、工作、伦理等）、捕捉信念之间的张力、按不同篇幅生成叙事（使命、论点、概要、完整叙事），并持续迭代。
该技能对文本、转录稿或录音转录应用叙事学评分，对连续片段按悲情（pathos）、逻辑（logos）、人格（ethos）、时机（kairos）和密度（density）五个维度打分，找出能量汇聚的“自然中心”段落，并逐字返回该段落及评分依据。它通过滑动窗口生成候选块、独立评分后加权合成，支持预告片、摘要、简介等不同意图的权重调整，并包含平局打破规则与多中心模式。
Prompt Atom Formalization（提示词原子提取与形式化）是一个技能，用于扫描粗糙的 Markdown、会话导出或粘贴的散文，并将每个核心意图隔离为结构化的提示原子。原子按类别（law、value、directive、constraint、question、branch-vector）分类，具备 ID、生命周期状态（RAW、CLEANED/FORMALIZED、ELEVATED）与来源追踪，使意图可被注册表存储、流水线路由并在未来会话中执行，无需重新解读原文。
Reference Reading Summarizer 是一个将参考文献转化为结构化、版权安全的“来源卡片”（source card）的技能。它回答的问题是：这份来源说了什么？该技能明确要求不要将每一份来源都强行关联到项目决策，若需要项目层面的含义，应在卡片生成后使用 reference-project-synthesizer。它支持多种来源类型，包括论文 PDF、协作者文档、Markdown/文本笔记、LaTeX 源码、BibTeX 文献集合、脚本/笔记本/配置规约，以及作为整体解读的捆绑文件夹。技能提供多种阅读模式，如略读、写作提取、方法提取、理论提取、基准提取、基线提取、风险提取、反馈提取、规格提取、捆绑提取、实现提示提取、项目种子提取和深度阅读。它按模型路由分层，使用低成本模型做略读和常规提取，对核心方法、理论、基准、最接近工作、最终论文声明或协作者决策则升级到更强模型。核心契约强调按请求目的阅读而非默认穷尽阅读、保留来源路径与阅读模式等溯源信息、不在卡片中粘贴长篇原文，并分离来源内容与项目含义。使用方式包括定位参考索引、识别来源路径与阅读模式、创建运行产物、按需提取文本并填入模板，最终更新处理状态。限制方面：资料未提供具体收费、价格、平台支持范围或实际效果数据；该技能不负责项目级记忆回写，该任务属于 reference-project-synthesizer。
这是一个用于撰写实操型教程的写作技能，强调代码优先、每一步都可运行、读者读完后能真正动手完成目标。它要求作者在写作前先推断受众、具体成果与运行环境，把步骤组织成依赖链，每一步只做一件事，并给出可观察的完成检查。教程需包含前置条件、编号步骤、检查点与结尾指引，代码块必须完整可运行，并在可能时由作者亲自在干净环境中验证。
generar-readme 是一个用于生成 README.md 的技能，目标读者是外部评估者、评审或从未接触过项目的人，让他们在几分钟内理解项目并实际运行起来。它强调所有命令和声明都必须对照真实项目验证，包括真实的包管理脚本、入口点和环境变量，绝不虚构看似合理的命令。技能会读取项目清单文件（如 package.json、pyproject.toml、requirements.txt、Cargo.toml 等）、.env.example、docker-compose.yml 和入口脚本，并可选使用 PRD.md、TECH-DESIGN.md 和 adrs/*.md 来撰写执行摘要、架构说明和关键决策。最终产出是写入项目根目录的 README.md，包含标题与一句话简介、执行摘要、演示链接或视频、快速开始（安装、配置、运行）、架构图与栈表、关键决策（仅当存在 ADR 时）以及可选的仓库结构说明。若缺少 PRD、演示链接或学习心得，技能会要求用户提供，而不是编造内容。
skill-article 是一个把实例中的任意技能转化为可发布上线文章的自动化技能。它读取 memory/MEMORY.md 与最近 14 天的 memory/logs/，挖掘真实运行记录、产出文件、PR/issue 与 git 提交历史，用可核实的数字或机制作为标题，围绕一个反直觉论点组织正文，并附上真实运行中的“战例”。文章结构包括标题、来源说明、论点、机制、战例、认知重构与发布引导，最后以代码块原样嵌入目标技能的 SKILL.md。支持通过参数指定技能名、品牌署名（--brand）以及可选的 16:9 标题横幅（--banner，经 Higgsfield MCP 生成，消耗积分）。文章写入 output/skill-articles/ 目录并通过 ./notify 通知，同时记录日志。它只负责写文章，不负责发布。
idea-to-post 是一个将零散想法扩展为社交媒体深度帖子的写作技能，通过7-10轮递进式提问、多阶段信息搜索和框架内化，产出适配不同平台的90分以上内容。
将3000-5000字长文浓缩为200-500字X平台内容的技能，保持花生风格，提供金句、数据、价值主张三种切入角度，适用于文章完成后的X推广。
一个用于约束和改写文案风格的技能：避免口号式短句、对比式断句和形容词堆叠，把文案改写成流畅、自然、面向成年读者的现代语气，同时保留原意。
Good Docs Writer 是一个面向开发者受众的博客草稿生成技能：它把主题分类为特定写作意图，以 The Good Docs Project 模板为结构骨架，再叠加博客语气（钩子、叙事、要点、行动号召），输出结构完整的初稿。