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
14,484 个结果
Qi Maintenance 是一个面向 AI 智能体的技能，用于在对项目文件做出持久性修改时，同步维护就近的 AGENTS.md 与 .context/ 文档，使其对下一个「冷启动」智能体仍然准确可信。它把就近文档视为附着在被覆盖内容上的注释：修改前先阅读，做出连贯变更时在同一变更中保持文档准确；若冷启动智能体仍能据此正确工作则不动，若会误导则完成前更新。文档只写冷启动智能体需要、且无法从文件本身读到的信息；当实现偏离既定计划时，记录偏离并保留原定意图。创建、移动、重构或大幅重写就近知识时，应加载 /creative-writing-skills:qi-layer；放置位置不明确时加载 /creative-writing-skills:knowledge-layers。延后工作分开跟踪：目录内必须做的事写入最近的 .context/TODO，目录内锦上添花的事写入 .context/FUTURE，跨领域或对外可见的工作放入项目问题跟踪器。跨领域知识库综合由 @kb-lead 在变更稳定后负责。
story-workflow 是一个面向创意写作的流程型技能，用于协助作者把一项故事创作从意图推进到可接受的成果页面。它强调先读取作者意图，再设定创作方向，然后生产与批评文本，并由作者对方向与品味保留最终决定权。该技能描述了从意图理解、方向规划、草稿与修订、批评轮次控制、知识记录到最终呈现的完整协作流程，并说明可借助 @critic、@writer、@kb-lead 等代理或相应子技能分通道执行。
writing-sync 是一个用于在本地文件与远程阅读副本之间同步内容的技能，仅支持 Google Drive/Docs。它适用于将选定的本地文件推送到远程阅读副本，或将远程编辑拉回本地文件。该技能要求通过已安装的 CLI 运行，不应手动改写 YAML 或直接调用远程 API；不应询问 token 或 client JSON 内容；保存索引不会写入远程，需先预览再应用摘要。待处理结果不代表可以重试创建操作。资料还列出了安装、Google 登录与文件夹选择、索引创建与编辑、索引字段、首次推送、日常预览/应用/范围、目标父文件夹、转换限制以及恢复等主题，但未提供具体命令、代码或详细步骤。
hello-write 是一个面向专业文本产出的 AI 技能，适用于撰写文档、README、技术方案、分析报告、用户指南、邮件回复、问答说明及措辞改写等任务。它强调结论先行、结构清晰、表达精炼，默认只交付一个可直接使用的最终版本。
面向未上市公司（如蚂蚁集团、SpaceX、Stripe、字节跳动）的深度研究框架，通过商业模型、财务侦探、竞争格局、风险治理、技术专利、另类数据六重视角并行调研，在信息稀缺下还原企业真实价值，并强调交叉验证与信息置信度标注。
投资研究开始前使用的自我偏差检查清单，用于在股票筛选、行业研究、公司深度分析等任务中识别并纠正 AI 生成研究常见的偏差，提升覆盖范围与判断诚实度。
为 Flutter 应用添加翻译资源、语言初始化、本地化字符串、语言切换与复数处理的技能，基于 easy_localization 与 CSV 或 JSON 文件。
一份 Swift 编码最佳实践技能，强调用 guard 提前退出、优先值类型与不可变、遵循命名规范，并给出集合性能与反模式建议，用于编写地道 Swift 代码。
用于在命令行管理 Substack 发布的技能：可创建、列出、更新、排期、发布、修订和删除文章，读取公开订阅通讯，支持多账号 profile 与 JSON 输出。需配合 0.4.0 及以上版本的 sub-cli，部分功能需 0.5.0。
汉译英翻译与润色技能：把中文译成忠实自然的英文，支持逐段汉英对照，并可按需派生全英文版；也可在能取得中文源文时润色已有英文译稿。不包含英译中。
繁體中文文章深度分析技能，結合 Python 量化腳本與 LLM 質性分析，對中文文章產出精確到行號與段落的「文章指紋報告」，涵蓋詞彙豐富度、句式節奏、語域、情感弧線、引用典故、論證結構與修辭手法等維度。
CELPIP 写作教练，用于辅导 Task 1 邮件和 Task 2 问卷回答、给草稿评分、比较修订版本、做简短记忆练习。它给出的是教练式估分，不是官方 CELPIP 评级。
IELTS Writing Coach 是用于辅导雅思学术类或培训类写作 Task 1、Task 2 的技能，可估算分数段、对比修改稿、生成针对性练习并检查任务门槛。它依据官方公开评分标准给出辅导性估算，而非官方成绩，只有受训雅思考官才能给出正式分数。
PhysicsIntern 研究环境初始化技能：在当前文件夹生成物理/数学研究工作区，写入 .codex/ 并执行 git init 与首次提交。仅在用户明确调用时运行，属于纯机械式引导，不读取或创建其他文件。
human-writing 是一个编辑与写作技能，用于编辑、审校、检测或起草独立文本，同时保留作者原意与个人语气。它可处理文档、Markdown、邮件、博客、PRD 等，并去除常见的 AI 写作套路，而不把有特色的文字磨平。
zmm-concept 是面向单人知识型创作者的中文口播稿创作技能，用于“重讲一个大家都在用的概念”，例如定价、选题、需求、转化、获客等。它不直接写整稿，而是先把概念拆开，经选题准入、锁四样、整稿、创作者口述、复述稿修剪、标题封面与落盘等阶段，产出概念纠偏型口播稿。核心是“锁四样”一页纸：具体问题、只能由创作者本人给出的本体定义或反常识句、经五维评分确认的经典理论、2–3 个通俗类比；四样未锁齐不写整稿，以减少命题层返工。使用方式为通过 /zmm-concept、/重讲概念等触发，按规则读取家族公约、规则卡、交互规范与模板文件，出稿报告时长区间、缺口分布和红线扫描结果，再由创作者口述定稿，只在复述稿上做剪裁，并完成差异表、规则入库与发布后登记。适用于抖音等平台的知识口播、概念解释与认知纠偏类内容。限制包括：不得以个人经历充当论证主体，不替观众下结论，不做任何转化引导，不新增发布闸门，不凭记忆引用规则；涉及具体收费、平台数据效果与未在资料中列明的步骤暂未提供。
zmm-flow 是一个面向单人知识型创作者的口播稿「划走点」专项诊断工具。它模拟观众视角，从第一句开始逐拍（约10-15秒）检查观众手里已获得的信息和仍在等待的信息，找出三种断点：等的没来、手里有了还在给、正在给的听不清。诊断后输出听感报告，并默认主动询问是否进行标记式改稿（删除线标删、🆕标增，保留原文）。触发方式包括 /zmm-flow、/会不会划走、/顺稿等，适用于口播稿顺稿与完播率优化。
zmm-hook 是一个面向短视频与社交媒体文案的「开头前五秒」专项技能。它先对内容做素材五维门禁诊断，判断正文是否有真实数据、亲身故事、金句观点、权威依据或具体痛点；只有达到足够维度才进入开头优化。随后在同一份正文上比较真实材料入口与大众悬念入口，结合三种起手（先让情绪失衡、先点名是谁、先反着说）与四种留白（给结果不给过程、给矛盾不给解释、给问题不给答案等）产出候选开头，并为每个候选标注所用法、观众要等的答案及正文兑现位置。技能内置红线闸门，检查绝对化词、双引号、破折号、编程词汇等；按数字型与情绪型钩子分别采用不同评分口径，并强调前五秒需要同时具备共鸣与缺口。适用场景包括口播视频开头、X 测试帖首句等；但不适用于正文本身缺货时的强行优化。
zmm-post 是一个公众号“贴图短文”制作技能，产出一条可直接发布的轻量图文：标题不超过 20 个中文字、正文不超过 1000 个中文字、配一张 banner 图。它面向单人自采自编的知识型创作者，定位为快速把已验证观点或碎片做成可发、可收藏、可转发的短卡片，而不是长文深稿。流程覆盖接内容与门禁、标题接力、正文撰写、banner 图生成、保存到文件并登记、给出下一步选项；并要求公众号公域红线（违禁词、大模型合规口径、编程词汇禁令、卖真不卖梦等）逐条生效。
zmm-resonate 是一个面向知识型创作者的共鸣诊断技能，核心是判断观众看完内容后带走什么、会不会动手。它提供三种模式：诊断自己的草稿、拆解他人爆款、从一件事找一群人。所有判断都要求指到原文并标注证据、推断或待验证，强调精准而非全面，避免理论术语，专注内容与观众之间的实际连接。
zmm-retro 是一个面向单人知识型创作者的短视频发布后复盘技能。它在视频发布后收集真实平台数据，与发布前的预判对照，按「流量口→开头留存→正文完播→收藏价值→涨粉人设」的漏斗逐层归因，讨论为什么这条内容火或没火。复盘结果会沉淀到技能记忆中：首次出现的信号记为待验证假设（n=1），同类信号出现至少两次才升级为有效方法。技能强调数据是最终裁判、单条数据不成规律、诚实归因，不编造原因，也不越权修改稿件或选题。触发方式包括 /zmm-retro、/数据出来了、/复盘等。
zmm-review 是面向单人知识型创作者的口播稿发布前审核技能。它按观众从刷到划走的四次决定（点不点进来、留不留下来、记不记得你、做不做点什么）展开十一问，对逐句信息密度按 60/80 分线评分，检查骨架与断点、老话说法、立场对立面、押注点、出口与红线五查，并单独报告机器信号层（导流痕迹、广告形状、名单词、画面层）。默认只诊断不改稿，问题命中时给出稳妥版与保留力度版两套改法，最终判定能发、改后发或重写。
詹明明·口播稿写作技能，面向知识付费口播稿的协作写作。它不采用一键成稿模式，主张从内容单元装配、逐段共创，提供三类脚本选型（干货型、解答型、情绪/观点型等），并通过 /zmm-script、/写口播 等指令触发，适合单人知识型创作者写出有信息密度、可照做的口播稿。
zmm-title 是一个面向单人自采自编知识型创作者的标题与封面写作技能，提供 12 种标题结构（S1–S12），按内容本身的形状选择匹配结构，而非套用通用爆款公式。每个标题须标明所用结构编号与匹配理由，并通过卖真、违禁词、不点名、编程词汇、文风等红线检查。支持抖音封面大字、抖音标题/话题、小红书标题、视频号/公众号等平台规范，可被写稿技能归口调用并回推正文开头是否需调整。强调标题应从内容落点句生长，不引用他人爆款做背书，效果判断只能基于用户自身数据脚本。