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 11-03 00:11
14,619 个结果
Scribe 是一个面向项目文档的写作与维护技能，强调文档必须与代码事实一致、面向读者任务、结构可导航且文字精炼。它适用于撰写、审计、同步和提取文档，例如 README、API 参考、教程、操作指南、架构说明、变更日志和运行手册等。Scribe 要求先读代码再写文档，所有关于行为、参数、默认值、返回类型、退出码等事实性声明都需追溯到源码或实际命令，禁止编造。其核心流程为：受众 → 文档类型 → 来源证据 → 大纲 → 草稿 → 事实核查 → 可读性检查。支持审计现有文档、同步代码变更、从代码或 API 表面提取文档骨架，并输出自评分数。适用于单文档、单受众场景，暂不覆盖营销文案、博客、法律文本、幻灯片、完整文档站点生成和本地化流程。
diataxis-docs 是一个用于技术文档编写与治理的技能，核心是运用 Diataxis 罗盘来分类、写作、重构、拆分、审查、审计或迁移技术文档。它通过两个问题判断文档归属：内容是关于行动（实践步骤）还是认知（命题知识）？读者是在获取技能（学习）还是应用技能（工作）？据此得到四种文档形式：教程、操作指南、参考和解释。该技能适用于撰写、改写、重构或审查文档页面，对页面或请求进行分类，将混杂页面拆分为正确形式，逐个页面审计或迁移现有文档集，设计 SDK、API、CLI 或产品的文档体系，以及把用户问题映射到正确的文档形式。它明确不适用于营销文案、博客、非技术写作、纯视觉内容、代码审查、调试、实现工作、无需文档结构的短回答，以及翻译已有清晰结构的文档。
Discovery Router 是 ml-research-skills 中的一个路由型技能，用于研究探索阶段的任务分发。它本身不执行文献综述或综合工作，而是先进行范围检测（通过 git rev-parse --git-common-dir 与 --show-toplevel 对比），并在 memory/BRIEFING.md 存在时读取以判断当前项目阶段（早期探索、投稿前新颖性检查或反驳阶段），然后对任务进行分类，从 idea-validate、literature-survey、reference-inventory、read-paper、corpus-compare、project-synthesize、citation-coverage 等分桶中选出唯一最阻塞的一项，交给对应的子技能处理。适用于研究项目在想法验证、文献调研、参考库管理、单篇论文阅读、多篇论文对比、项目综合或引用覆盖检查等环节需要选择正确技能的场合。
advisor-meeting-prep 是一个帮助博士生准备与导师会面的技能。它的目标是让双方在有限时间内获得最大价值：用户带着结构化的议程、清晰的书面摘要、按优先级排序的问题，以及对进展和问题的诚实陈述进入会面。该技能基于《新研究者手册》（第 7 节）中的导师沟通框架，采用六阶段结构（设定背景 → 梳理工作 → 明确已解决内容 → 识别未解决内容 → 呈现下一步 → 主动讨论），并列出应避免的反模式。技能通过提问了解会面背景、帮助构建六阶段书面摘要、对照五种反模式进行诊断、准备困难对话，并最终产出会面文档，保存到 ~/phd-log/meetings/YYYY-MM-DD-advisor.md。
Experiment Design Planner 是一个面向计算机或人工智能方向博士生的实验设计规划技能，帮助用户围绕研究问题设计可执行、可记录、可复现的假设驱动实验。它强调从简单开始、先建立基线、一次只改变一个变量、运行前先写假设，并记录负面结果。该技能通过分阶段工作流引导用户明确研究问题、撰写假设、定义实验单元、控制变量、设计日志字段，最终生成一份实验计划文档，保存到 ~/phd-log/experiments/YYYY-MM-DD-[short-name].md，便于后续运行、记录以及在论文或导师会议中解释。
figure-results-review 是一个用于在会议、论文、报告或演示前审查实验结果、图表、表格与图形的技能。它帮助用户以清晰、科学的方式呈现实验结果，遵循结果呈现与图表规范：先说明实验设置再展示结果，定义变量与假设，为坐标轴标注单位，使用标题与图例，在适当处加入不确定性，并指出关键趋势。输出为一份图表/结果审查笔记和修正后的呈现方案。适用于用户有图表、表格或结果幻灯片需要展示、希望获得图表反馈、准备论文或演讲中的实验结果、不确定如何解释结果，或想检查图表是否达到发表标准等场景。
Literature Review Sprint 是一个面向计算机科学或人工智能方向博士生的文献综述冲刺技能，帮助用户把“我需要读更多论文”转化为有边界、系统化的综述流程。它引导用户定义明确的综述问题、制定检索计划、对论文进行分级筛选、提取结构化笔记、综合出领域地图，并识别候选研究空白与下一步行动。最终产出是一份可用的领域地图，而非冗长未消化的文献清单。适用于新课题起步、验证想法新颖性、撰写相关工作、整理已有大量论文，以及为导师或组会准备阅读计划等场景。
该技能帮助科研人员从选定目标会议到提交日，系统规划一篇学术论文的投稿。它依据《新研究者手册》中的会议时间线管理与技术论文规划框架，覆盖战略性问题和后勤时间线两大方面。核心目标是避免两种常见灾难：错过截止日期而浪费一年，以及提交一篇技术上存在但尚未准备好接受评审的论文。适用时机包括：用户确定目标会议和截止日期、在多个会议之间做选择、询问“我的工作是否准备好投稿”、构建投稿时间线，以及截止日期前约2-3周做最终就绪检查。工作流程分为四个阶段：战略预提交问题（贡献清晰度、与会议的契合度、新颖性检查、备选方案）、构建T-minus时间线、提交前就绪检查清单、提交后反思。最终产出保存为带有目标、一句话贡献、关键风险、时间线、就绪清单状态和事后复盘的Markdown文件。
该技能名为 PhD Quarterly Planner，用于帮助博士生制定和修订一份切实可行的三个月研究计划，并将季度目标与更长期的研究目标相衔接。它基于 New Researcher Handbook 中的战略研究框架（长期愿景 → 三年计划 → 季度目标 → 每周目标），并明确考虑规划谬误——即人们倾向于低估研究所需时间的现象。技能通过分阶段流程引导用户：回顾上一季度执行情况、重新连接长期研究方向、盘点季度约束条件、草拟分层目标、对计划进行压力测试、与导师对齐，最后生成计划文件并保存到 ~/phd-log/plans/YYYY-QN.md。若在季度中途调用，则作为中期检查处理，读取已有计划文件并询问一级里程碑是否按计划推进、是否发生根本性变化、是否需要调整。技能整体倾向于保守务实，鼓励削减过多目标，强调应放弃对明显过于宏大的计划的无条件肯定。
phd-weekly-review 是一个面向博士生的结构化周度研究回顾技能。它帮助用户把一周零散的研究活动整理成两份产物：一份可直接发给导师的进度更新邮件草稿，以及一份保存在本地 ~/phd-log/YYYY-WNN.md 的个人反思日志。该技能基于 New Researcher Handbook 中的导师沟通框架与效率原则，通过分阶段提问引导用户梳理本周计划、实际做了什么、具体结果、已解决与仍卡住的问题，并诊断常见反模式（如隐藏问题、更新含糊、缺乏下一步计划、连续数周无实质产出、范围蔓延、过度承诺、孤独感信号等）。最后强制用户选出下周唯一最重要的事，并明确一件主动不做的事以保护专注。技能强调像同伴一样思考，而非项目管理，不进行说教，也不编造成果。
Presentation Dry Run 是一个面向博士生的演示排练技能，帮助用户把粗糙的演示稿打磨成结构清晰、每页一个核心信息、图表可读、时间可控的报告。它适用于会议报告、组会更新、论文答辩片段、面试研究介绍或课堂展示等场景。该技能通过六个阶段的工作流：明确受众与限制、检查结构、逐页审查幻灯片、制定时间预算、准备问答、生成排练清单与报告文件，最终输出报告计划、幻灯片问题清单和排练检查表。
Research Idea Validator 是一个面向计算机或人工智能方向博士生的研究想法验证技能，基于《New Researcher Handbook》中的 FIVE+C 框架，帮助用户把粗略的研究想法转化为可执行的下一步决策。它通过六个阶段引导用户：用一句话表述想法、追溯想法来源、按 FIVE+C（可行、有趣、新颖、有价值、与专长匹配、可协作）逐项评分、检查红旗风险、设计两周验证冲刺，并生成结构化 Markdown 记录文件。最终目标不是判定想法好坏，而是给出原型、修改、搁置或放弃的明确决策。
PRD Generator 是一个用于生成产品需求文档（PRD）的技能，属于 a5c-ai/babysitter 项目。它能把结构化的功能规格输入转化为完整的 PRD，支持套用公司模板与格式，生成技术规格、成功指标和发布就绪检查清单。该技能覆盖 PRD 生成、技术规格、成功指标、发布规划与版本管理五类能力，支持标准 PRD、技术 PRD、增长功能 PRD、MVP/实验 PRD 及自定义模板，并可导出 Markdown、Google Docs、Confluence、Notion、PDF 等格式，同时提供结构化 JSON 导出与完整性校验。
Proof Structure Analyzer 是一个面向数学证明的分析与重构工具，旨在提升证明的清晰度、完整性和逻辑流畅性。它可以识别证明策略（如归纳法、反证法等），构建逻辑依赖图，检测推理链中的缺口，生成证明提纲，并提出引理提取建议。该工具适用于需要梳理、检查或重组数学证明的场景，帮助使用者发现缺失步骤或无依据的断言。资料显示其涉及自然语言解析、形式逻辑表示和图分析工具，但具体使用方式、安装方法、平台形态及收费信息暂未提供。
brand-voice 是一个用于管理写作风格与品牌语调的技能，旨在让所有内容创作技能在不同品牌之间保持一致的语气与风格。它通过预置的“品牌档案（profile）”定义不同品牌或人设的语调、文风、格式以及推荐与禁止使用的表达方式。目前提供的档案包括：무펭이（默认，友好随性、使用非正式语言与表情符号、只保留核心要点并混入幽默）、MUFI Official（专业礼貌、正式表达、清晰简洁，面向 B2B 与官方渠道）、Hyungnim Personal（随性但有洞察力、经验导向、适合分享值得传播的思考）。档案文件存放在 workspace/brand/profiles/ 目录下，每个档案包含 Tone、Style、Format、Forbidden Expressions、Preferred Expressions 及 Examples 等结构。用户可以在支持 --voice 选项的写作技能中通过该选项选择语调，例如 copywriting、cardnews、social-publisher、mail、content-recycler。文档同时给出了平台与场景的推荐档案，以及写作后的一致性检查（是否使用偏好表达、是否出现禁用表达、是否匹配目标语调），并通过 pre-hook 与 post-hook 集成、learning-engine 学习高互动语调模式、事件总线记录使用的语调档案。
md2wechat 是一个把 Markdown 转换为微信公众号 HTML 的命令行工具，同时支持文章元数据检查、本地预览、草稿上传、封面与信息图生成、图片消息（小绿书/图文笔记）创建，以及按创作者风格写作和去除 AI 写作痕迹。它提供 convert、inspect、preview、create_image_post、write、humanize 等命令族，并内置主题、provider 与 prompt 的发现与查看能力。使用前需确保 md2wechat 已在 PATH 中，草稿上传需配置 WECHAT_APPID 与 WECHAT_SECRET，图片生成可能还需在配置文件中补充图像服务配置。
PRD 开发（prd-development）是一个面向产品经理的结构化工作流技能，用于引导完成产品需求文档（PRD）的创建。它把问题界定、用户研究综合、方案定义和成功标准编排成一份连贯文档，帮助团队从零散笔记和聊天记录走向清晰、全面的 PRD，从而对齐利益相关方、为工程提供上下文，并作为事实来源，避免歧义、范围蔓延和“照我脑子里想的做”的陷阱。该技能强调 PRD 不是瀑布式规格说明，而是随交付学习不断演进的活文档。
PRD Generator 是一个专业级产品需求文档（PRD）生成器，采用 UML 用例驱动方法论，帮助用户快速产出结构完整、可直接用于团队协作的 PRD。当用户提到写 PRD、写产品需求文档、产品规格说明书、产品设计、产品规划、新功能需求分析、用例分析、用例建模或生成需求文档时触发。其工作流程包括需求收集、用例建模、规格编写、交互设计、UI 规范、非功能需求与文档整合。生成的文档涵盖产品概述、UML 用例模型、详细用例规格说明、详细交互设计、UI 设计规范、非功能需求与附录等章节，并以 Markdown 格式输出，包含 ASCII 图形（用例图、流程图、时序图）、数据字段表格与代码块，文档头部含版本、日期、状态信息。
“tracing knowledge lineages”（追踪知识谱系）是一个用于理解想法和方案随时间演化的技能。其核心原则是：在评判当前方案或提出“新”方案之前，先追溯其谱系，弄清它为什么存在、替代了什么、之前是否尝试过、为何失败或为何被放弃。它提供决策考古、失败尝试分析、复现检测、范式转移映射四种技术，并给出在决策记录、对话历史、Git 历史、Issue/PR 讨论、文档演化中查找线索的策略，以及何时可以有意覆盖历史的判断标准和文档格式。
公众号流水线（wechat-pipeline）是一套面向微信公众号文章的三段式自动编排技能，把写作、封面生成与发布推送串联为一条带断点检查的流水线。第一段由 wechat-article-writer 负责内容创作，包含搜索资料、撰写文章、生成标题与排版建议四个步骤，产出 Markdown 文件，并附上 5 个备选标题供用户挑选。第二段由 code-to-image 负责封面，从 15 套模板库中推荐与主题匹配的风格，用 HTML 设计后再以代码渲染成公众号 900×383 的封面图。第三段由 md2wechat 负责发布，先校验配置与文章，再渲染内联 CSS 的微信兼容 HTML、上传封面、生成摘要，最后通过 create_draft 推送到草稿箱。整套流程的核心设计是分段串行、每段设断点，用户确认后才进入下一段，且第三段设有发布门禁，需完整展示标题、作者、封面与摘要，等用户回复确认后才推送。触发方式为说出“公众号创作”“写公众号文章”“公众号发布”“公众号流水线”“发公众号”等关键词。作者为 Daniel Li。
keel 工作流中的需求文档技能，用于把已明确的需求和背景写入 keel 需求文档，建立 F（功能点）/ US（用户故事）/ AC（验收标准）与约束（CON）的结构化记录体系。它扮演产品分析师角色，关注用户价值、场景完备性与验收可测性，回避技术实现与架构决策。支持初始模式（从零创建 01-requirements.md）、增量模式（扫描编号后追加）、背景信息模式（--context 补充背景）、产品导入模式（--from-prd 消费 PRD 需求包）和设计资产更新模式（--update-design）。模糊产品想法应改用 prd，技术设计交给 system-design，测试用例交给 test-cases。
面向学术论文与学位论文的实用 LaTeX 指南，聚焦 AEC/工程类期刊投稿。内容涵盖文档结构搭建、主流出版商文档类选择（Elsevier elsarticle、IEEEtran、ASCE ascelike-new、Springer sn-jnl、ACM acmart 等）、参考文献方案（BibTeX+natbib 与 BibLaTeX+biber 两条路线）、图表排版（booktabs、subcaption、矢量图）、数学公式与单位（amsmath、siunitx）、交叉引用（cleveref、hyperref）、Overleaf 协作与 Git 版本管理，以及常见编译报错的排查方法。附带一份带注释的 article-template.tex 起始模板。
该技能提供出版级科学图表与数据可视化的规范与实操指南，覆盖图表选型、诚实编码、色盲友好配色、格式与分辨率、图注规范、可复现代码、示意图绘制、图形摘要与学术诚信等内容，面向科研论文与工程研究场景。
这是一份用于模仿 Adam Silverstein 写作风格的技能文档，目标是把草稿写成他本人的语气，并在他名下发布的内容中规范标注 Claude 起草部分。该技能基于约 185 份 2013-2023 年间的 AI 之前写作样本提炼而成，包括 WordPress Trac 工单（#23497、#28307、#31316、#35662、#38895、#40894、#41055）以及大量 Gutenberg 议题、PR 和评论线程（#7020、#17632、#26476、#4331、#23237、#16666 等），以 2017-2023 年成熟期风格为模仿目标。文档定义了写作语气、归属标注规则、核心语气准则、常用词汇、标点与排版习惯，以及 GitHub issue、PR 描述、评论回复和 Trac 工单等不同场景的结构模板，并列出需要避免的反模式。适用于任何将以 Adam 名义发布的文本起草，例如 GitHub issue、PR 描述、议题或 PR 评论等。