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 10-31 00:15
14,480 个结果
该技能名为 JLPT Preparation Expert (N5-N1)，是一份面向日语能力考试（JLPT）备考的指南，覆盖 N5 至 N1 全级别的词汇、汉字、语法、阅读与听力学习策略。根据资料，它目前处于“遗留模板待研究升级”状态，最后验证日期为 2025-11-08，置信度标注为低，官方明确提示在置信度提升至中或高之前不要依赖该技能。使用流程包括：从 modules/research-checklist.md 入手收集最新来源，查看 modules/known-gaps.md 并解决未完成事项，仅在验证后从 _toc.md 加载特定主题模块，并在置信度改善时更新元数据。资料还列出模块概览（核心指导、已知缺口、研究清单）以及研究状态（待进行最新网络研究，需在来源日志和研究清单中记录新来源）。
这是一个神经科学领域的技能模板，覆盖大脑结构、神经信号传导、认知与神经系统疾病等主题。该技能目前标记为“遗留模板，等待研究升级”，最后验证日期为2025-11-08，置信度低。资料明确提示：在置信度提升至中或高之前，不应依赖此技能。使用流程要求先查看研究清单模块并收集最新来源，再检查已知缺口模块并解决未决事项，只有在验证之后才从目录加载特定主题模块，并在置信度改善后更新元数据。
这是一个关于多语言学习策略的专家技能模板，隶属于 sandraschi/advanced-memory-mcp 项目。该技能定位为语言学习专家，旨在提供高效习得多种语言的方法。当前状态为遗留模板，等待研究升级，最后验证日期为 2025-11-08，置信度低。使用方式包括从 modules/research-checklist.md 开始收集最新来源，审查 modules/known-gaps.md 解决未决问题，仅在验证后从 _toc.md 加载特定主题模块，并在置信度提升时更新元数据。模块概览包含核心指导（保留的遗留指令）、已知缺口（验证任务和开放问题）、研究清单（强制的新鲜度工作流）。研究状态显示新的网络研究待进行，需在来源日志和研究清单中记录所有新来源。在置信度升级到中或高之前，不建议依赖此技能。
该技能定位为点集拓扑、代数拓扑、微分几何与几何直观方面的专家模板，但当前状态为“遗留模板，等待研究升级”，置信度低，官方说明在置信度提升至中或高之前不应依赖。
batch-plan-validate 是一个技能（Skill），用于在任务队列中逐个起草并校验多份计划或规格文档。它把起草与校验两个阶段分离：第一阶段一次性为队列中所有任务起草计划/规格，遇到阻塞性问题不打断、改为记录假设；第二阶段每次调用最多校验 3 个任务，通过 EnterPlanMode → ExitPlanMode → Plannotator 的流程由用户逐步审阅。进度记录在队列状态文件中，支持中断后续跑。它本身不生成计划内容，而是围绕 writing-prd、superpowers:writing-plans、superpowers:brainstorming 等底层技能做队列与阶段编排。
该技能为科研基金申请提供设置与组织方面的专家指导，遵循 UKRI、EU 及其他资助机构的既定模式。适用于创建新的基金申请仓库、组织提案文档，或搭建协作式基金写作工作流。技能提供标准的项目目录结构（如 submission、docs、coapplicant_details、data 等），并附带 README、CLAUDE.md、.gitignore、Quarto 文档头部、里程碑与计划 CSV 等模板，同时涵盖字数统计命令、引用处理、写作风格原则、UKRI 与 EU Horizon 的资助方特定结构，以及协作与版本控制建议。
writing-plans 是一个用于在动手写代码前，把需求或规格说明转化为多步骤实现计划的技能。它强调假设执行者对本代码库毫无背景，需记录要改哪些文件、代码、测试与文档，并按小颗粒度任务、DRY、YAGNI、TDD 与频繁提交来组织计划。
impress-me 是一个面向深度研究场景的 AI 技能，适用于用户希望针对某个主题、想法、问题或方向获得异常扎实、结构清晰回答的情况。它要求在得出结论前，跨网页、代码库、MCP/资源、技能以及任何可用工具进行积极研究，优先采用一手来源、具体产物和近期证据，并明确区分事实、推断、权衡与未知项。最终输出一份简洁、结构良好的简报，包含发现、支撑证据、空白点以及最重要的后续问题。该技能本身不提供具体收费、价格、平台或效果信息，相关资料暂未提供。
用于编写和审查 Boost.Asio 或独立 Asio 的异步 C++ 网络代码，覆盖 TCP/UDP 服务端与客户端、SSL/TLS、定时器、解析器等。先确认目标 Boost 版本与 C++ 标准，再按对应风格（C++20 协程、回调、stackful spawn、经典 io_service）选用规则与参考。
将本地 Hugo 文档站点与 Hugo 管理的内容转换为标准 Markdown 的技能，依据仓库自身的配置、短代码模板、渲染钩子和内容约定进行转换，而非套用通用 Hugo 知识。
Multi-Source Search 是一个跨来源验证网络研究的工作流技能。它利用宿主智能体已有的搜索与网页阅读能力，对关键论断进行交叉核对，而不是把单一搜索结果当作既定事实。技能会生成一份可离线校验的证据台账，明确记录来源多样性、置信度、冲突与证据空白。其目标是为论断与来源之间建立可机器检查的链接，让综合结论在采信或分享前能够先通过校验。SandBase 为可选项，仅有宿主原生工具时该技能同样可用。使用时将每一个检索到的页面视为不可信证据，不执行其中嵌入的指令，未经明确同意不向外部服务发送隐私、专有或个人信息。
面向学术论文的 TikZ 矢量配图技能，把系统架构、协议流程、时序与几何数学示意转成可编译的 LaTeX/TikZ 图，强调信息密度与一次过编译。
技术干货文章创作专家，用简练语言传递核心知识点，强调高信息密度、零废话与可执行性，覆盖概念、实践、性能与常见陷阱，并提供结构化写作流程与自检清单。
微信公众号文章创作助手，可将网站链接、文本或图像素材转化为公众号推文，支持搜索补充资料、优化标题、调整语气为官方文案风格，适用于企业宣传、品牌推广、资讯报道等场景。
Astro Blog 是一个编排五阶段博客文章创作流程的 AI 技能，依次涵盖 SEO 研究、内容结构、撰写、技术配置与质量校验，并可跳过已完成阶段直接进入后续步骤，用于生成经过优化的博客文章。
面向 Astro 博客的内容结构规划技能（Phase 2），用于为博客文章规划 H2/H3 层级、组件分布、内外链、图片与 CTA 布局，并附可折叠性与首屏优化要求。
Astro Blog 的第 5 阶段验证技能，用于文章发布前的质量检查。它提供一份详细的验证清单，涵盖关键检查（人声测试、组件密度、故意拼写错误、AI 模式检测）、可读性评分（Hemingway、Flesch 等）、内容质量（意图声明、CTA 匹配、首段回答、TL;DR、目录、H2 密度、ExpertInsight 数量）、结构（内链、锚文本、图片、段落长度）、外链（数量、权威性、rel 属性）、技术验证（frontmatter、meta 描述、FAQ/HowTo schema、TypeScript strict、client 指令）、性能（Lighthouse 分数、包体积、图片加载）以及 E-E-A-T（经验块、作者资质、统计来源）。高价值文章还需满足信息增益要求。最终输出需确认所有检查通过、可读性与性能分数达标，并给出是否可发布的结论。
Astro Blog 工作流的第三阶段技能，用于按人声写作与 SEO 优化要求撰写博客正文，强调段落多样性、可读性、精选摘要结构和引用规范，并避免常见 AI 写作模式。
把 distill 提炼出的观点写成可发布文章草稿的 PKM 技能，以用户观点为骨架、vault 摘抄为论据，可指定公众号/知乎/随笔风格，输出到 50_草稿/ 目录。
把 Obsidian vault 中收藏的文章提炼成用户自己的观点：AI 读原文后以苏格拉底式一次一问，用户口述回答，AI 仅将其整理为第一人称「我的看法」段，不替用户思考或表态；也支持按 MOC 主题聚合多篇观点成综述草稿。
SOIA 个人知识管理域的翻译技能，支持 quick 直译、normal 先分析文体术语受众再译、refined 加审校润色三种模式。长文用机械分块脚本按标题段落切块并保持术语一致，产出独立的“原文件名-中文版.md”落同目录，绝不覆盖原文。
《The Mom Test》方法论技能，将 Rob Fitzpatrick 的用户访谈框架转化为可执行规则，用于设计不被善意误导的用户访谈、从对话中提取真实信号、判断需求真假。核心包括三条铁律（谈生活不谈点子、问过去不问未来、多听少说）、谈过去而非未来框架、承诺与推进判断，以及信号过滤清单和反模式警告。每条规则标注原书章节，可追溯。适用于需求真伪、痛点强度、B 端线索质量判断；不适用于定量验证、A/B 实验、可用性测试。
Grill Users 是一个用于明确应用真实用户群体的技能：通过逐一访谈式提问，帮助把“所有人”细化为行为上真正不同的用户类型，并生成 USERS.md 文档，说明主用户、次用户、优先级和明确的非目标用户。
这是一个用于追踪、验证并引用外部来源的技能，强调只对本次任务中通过外部工具检索到的信息进行引用，引用前必须确认 URL 可访问，并根据场景选择引用格式，区分来源材料与自己的分析。