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 11-04 00:13
14,721 个结果
Documentation Audit 是一个用于核对文档声明与代码库实际状态是否一致的技能。它采用两遍式流程：第一遍从文档中提取声明并逐条验证，第二遍根据已发现的错误声明扩展搜索相似问题，并对比代码库清单与文档条目以发现遗漏。该技能可识别文件引用、配置默认值、环境变量、CLI 命令、行为描述等声明类型，并按自动、半自动、人工复核三个置信层级处理。最终生成带日期和提交哈希的审计报告，列出错误声明、修复建议、模式汇总和人工复核队列。适用于需要确保文档准确性的项目，尤其是文档与代码容易脱节的场景。
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。
agent-deep-research 是一个基于 Google Gemini 深度研究智能体的技能工具，用于执行深度研究任务。用户可以启动后台研究作业、检查运行状态并保存报告，还能创建文件搜索存储（file search store）以实现基于 RAG 的研究。该技能支持将文件或整个目录上传至搜索存储，配合 --store 参数让研究过程基于上传的资料进行回答。运行需要 Google API 密钥（GEMINI_DEEP_RESEARCH_API_KEY、GOOGLE_API_KEY 或 GEMINI_API_KEY）以及 uv 环境。所有脚本遵循双输出约定：stderr 输出人类可读的富文本，stdout 输出机器可读的 JSON，便于 AI 智能体集成。
这是一个用于撰写专业新闻稿（Press Release）的技能，遵循美联社（AP）写作风格与倒金字塔结构。内容涵盖标题、电头（dateline）、导语、引语、公司简介（boilerplate）和事实核查等环节，并提供逐节写作指南、常见错误清单和检查表。该技能通过 inference.sh CLI（belt）进行事实核查与背景研究，可调用搜索与问答类应用验证市场数据、竞品信息和行业统计。适用于产品发布、融资公告、合作、里程碑、高管任命等新闻稿类型。
产品更新日志与发布说明撰写技能，帮助团队写出用户真正会阅读的 changelog。该技能涵盖条目分类（New / Improved / Fixed / Removed / Security）、面向用户的语言表达、视觉配图以及多渠道分发等内容。它给出结构化条目模板、语义化版本号（SemVer）与日期式版本规则、changelog 页面排版示例，以及破坏性变更（Breaking Changes）的特别处理方式。同时提供基于 inference.sh CLI（belt）的配图与截图命令，用于生成功能公告图、前后对比图、带标注截图等。适用于 SaaS、版本化软件、API、移动应用等产品的发布说明场景。
面向开发者读者的技术博客写作技能，提供结构范式、代码示例规范与开发者受众惯例，覆盖教程、深度解析、事故复盘、基准对比、架构设计等多种文章类型，说明代码格式、讲解深度、图表使用、发布渠道与常见错误。
no-ai-slop 是一个写作编辑技能，用于把草稿改成更清晰、更有活人感的文字，同时保留作者的个人声音；也可以只检测草稿中的 AI 味套路而不做改写。它的编辑工作流程是：先完整读一遍草稿，找出核心观点和 3 到 5 个值得保留的声音特征，如用词、节奏、直率程度、幽默、不确定语气或离题插叙，然后做最小有效修改，删除 AI 常用套话、空话和套路结构，最后输出完整修改稿加一段简短的“改了什么”说明。检测模式则只列出命中的套路名称、引用对应句子并给出简短修改建议，不改写、不打分、不猜测文本是否由 AI 生成。适用场景包括编辑个人文章、博客、说明文、邮件等草稿，以及审查文本中是否存在 AI 写作痕迹。限制方面：资料未提供具体安装方式、收费与价格、平台支持、语言范围、与其他工具的集成以及实际效果数据。
这是一个把文章、产品、观点或道理改写成苏格拉底对话体的写作技能。它只在用户明确要求“对话体／苏格拉底式”时触发，不适用于普通写作或润色。成文形态为：一个信徒满怀热情地陈述某个时髦判断，苏格拉底只问不答、层层追问，把该判断逼到墙角，最后停在没有标准答案却引人回味的地方。技能强调对话的较量感：信徒必须有牙、能反咬、至少赢下一两个回合；苏格拉底不认错，靠“你驳的不是我”、顺势转向与反讽化解；对话中不允许出现独白，排比与抒情都要拆成问答。收尾要求 reframe，避免全称断言，用“AI 生出的恰恰是 X 的反面”这类更难反驳的说法。文中还给出希腊感的做法（内容平白，只在连接与转折处用古典译本腔）、旁白弧线（开场像记真事，结尾揭穿是虚构）、以及去 AI 腔的要求（破折号全文目标不超过三个）。技能内含三个角色设定、对话弧线、柏拉图常用招法（先逼定义、用反例击穿、先骗同意再合拢）、七条铁律与落地步骤，并附带完整成品示例与网页排版模板，正文用后可询问用户是否配 HTML 排版。
该技能用于将已被 ICML 接收的论文转换为最终 camera-ready 版本并完成提交流程。它围绕去匿名化、作者信息块、致谢、利益冲突披露、影响声明、参考文献升级、lay summary 撰写、格式与合规检查、OpenReview 表格准备等环节提供操作指引。技能强调不改变论文核心内容，核对 rebuttal 中做出的每一项承诺，并利用正文可扩展至第九页的额外篇幅回应审稿人反馈。作者需自行处理账户、上传、签署表格与注册，技能负责准备材料并给出精确操作说明。
icml-cite 是一个面向 ICML 论文写作的引用管理技能，用于查找、验证和管理参考文献，避免虚构引用。它通过搜索 DBLP、Semantic Scholar、arXiv 和 Crossref 等数据库，以编程方式获取 BibTeX，并将 arXiv 条目升级为正式发表版本。该技能强调绝不凭记忆编写或编辑 BibTeX 条目，每条引用都必须来自数据库响应或用户提供的文件，否则插入显眼的占位符并记录到待办事项中。它还提供参考文献审计功能，可对照 LaTeX 源文件检查 .bib 文件，报告缺失的引用键、未使用条目、重复条目、缺失字段、仅 arXiv 条目、未保护的大写字母、残留占位符以及引用命令使用问题。该技能遵循 ICML 专属规则，包括 natbib 作者-年份格式、匿名提交要求、同期工作处理以及 camera-ready 阶段的正式版本替换。
ICML Rebuttal 是一个面向 ICML 投稿作者回复（rebuttal）场景的技能，帮助作者针对 OpenReview 上的真实审稿意见规划并撰写回复。它逐条梳理每位审稿人的评论，区分误解与真正的缺陷，规划可能需要补充的实验，起草逐审稿人回复以及面向领域主席（AC）的总结，并严格遵守 ICML 的限制（三轮讨论，每轮 5000 字符）。该技能强调不得捏造结果、由人类决定策略、保持匿名、不承诺而落实，并提供工作区初始化、回复检查等脚本与 rebuttal 手册参考。
icml-review 是一个面向 ICML 投稿的审稿前审计与模拟同行评审技能。它做两件事：一是运行机械合规性检查，捕获可能导致直接拒稿或格式降分的问题，包括 8 页限制、匿名性泄露（含 PDF 元数据）、摘要格式、影响声明、禁止的布局技巧、视为提示注入的隐藏文本、损坏的引用等；二是像 ICML 审稿人一样阅读论文并报告他们会说什么。该技能不编辑论文，将评审与写作分离以保持客观。评审报告用英文撰写以模拟 OpenReview 表格，与用户交流则使用用户语言。建议在未见过起草对话的新会话或子 agent 中运行，仅提供 PDF（或 LaTeX）和 venue_facts.md，不提供 claims.md 或评审笔记。
icml-write 是一个面向 ICML（国际机器学习会议）论文写作的编码智能体技能，帮助研究者从“装满结果的代码仓库”出发，逐步产出可投稿的 ICML 论文，或对已有草稿进行修订。它通过项目内的 .icml/ 工作区与另外四个同类技能共享状态，核心流程包括：理解项目、把结果压缩为 1–3 条有证据支撑的论点（claims ledger）、撰写摘要、制定大纲、逐节起草、分轮修订，以及最终交接。该技能强调证据可追溯（每个数字必须来自项目文件并对应 claims ledger 中的行）、引用必须验证、不得掩盖逻辑缺口、不得去匿名化、不得修改官方样式文件。它提供多个脚本辅助：extract_outline.py 从 TL;DR 注释重建反向大纲，lint_prose.py 做句子级检查，check_numbers.py 核对数字与 ledger，check_submission.py 做机械合规检查。使用方式为在编码智能体中调用该技能，按阶段推进并在两个检查点停下等待人类确认。适用场景包括从仓库写新论文、修订已有草稿、从其他会议移植到 ICML。限制：不编造数字或引用，不代替科学家的判断，理论论文约定需用户提供。
Reference Library Manager 是一个用于管理项目参考资料库的技能，将 reference/ 目录下的来源文件作为持久的研究基础设施进行维护。它回答的核心问题是：我们有哪些来源，以及它们的处理状态如何。该技能适用于扫描、摄取、索引、去重、监控或跟踪论文等来源的处理状态。它不负责深入理解来源内容或分析来源对项目的意义，这些任务分别由 reference-reading-summarizer 和 reference-project-synthesizer 承担。技能默认以 <project-root>/reference/ 为参考根目录，支持论文 PDF、协作文档、Markdown 笔记、BibTeX 文件、脚本、配置、笔记本、网页快照等多种来源类型。它通过确定性扫描获取文件名、哈希、大小和修改时间，并生成索引、处理状态、元数据缺口和重复检查等文件。
Reference Project Synthesizer 是一个面向机器学习研究项目的技能，用于把结构化的“参考来源卡片”（source cards）转化为项目层面的决策与记忆更新。它回答的核心问题是：某个来源对我们的项目意味着什么？该技能通常在 reference-reading-summarizer 生成来源卡片之后使用，将卡片作为压缩输入，而不是反复重读原始来源。它会先读取项目记忆，再判断来源对声明、基线、基准、实现、协作、写作等方面的影响，并据此创建或更新项目使用笔记，把可长期保留的结论写入对应的记忆对象。对于会改变研究声明、基线、前沿边界或项目种子等的来源，它会要求更强的推理，并标注置信度、所需后续阅读和风险。
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。
Research Slide Deck Builder 是一个面向博士生的研究幻灯片设计技能，帮助用户把研究内容转化为清晰、可复用的演示文稿。它负责整套幻灯片的设计问题，包括幻灯片顺序、标题页、视觉风格、页面布局、图表放置、章节逻辑以及每页应包含的内容。适用于导师汇报、组会、论文阅读报告、开题讨论、会议演讲或答辩片段等场景。该技能强调“一页一个任务”、明确的受众路径（背景→问题→证据→决策），并针对不同演示类型提供可套用的结构模板，如导师更新（5-10页）、组会研究更新（8-15页）、论文阅读报告（8-12页）和会议风格演讲（10-20页）。它还定义了可复用的视觉风格规范（16:9、浅色背景、单一强调色、统一字体与页脚等）和多种页面类型（标题页、背景页、问题页、方法页、实验设置页、结果页、失败/阻碍页、决策页、下一步页、备用页）。使用方式为按阶段工作：先确认演示类型与受众，再选择结构模板，应用视觉风格，定义页面类型，逐页制定幻灯片计划，最后生成 Markdown 格式的幻灯片计划文件，保存到 ~/phd-log/presentations/YYYY-MM-DD-[deck-name]-deck.md。该技能定位为研究沟通教练，对结构和清晰度有明确主张，但会根据受众调整。限制方面，资料未提供具体收费、价格、平台支持或效果保证等信息。
Experiment Report Writer 是一个用于撰写结构化实验报告的技能，可从笔记、配置文件、日志、指标、表格和图表等证据出发，生成便于读者评估的研究报告。它支持单次实验、消融实验、批量汇总、导师进度更新和论文段落等多种报告模式，适用于结果分析、研究更新和演示准备。
用于影视角色塑造的技能文档，通过 CHARACTER 框架从内核、历史、欲望、关系、弧光、矛盾、语言、外形与主题共鸣等维度构建三维角色档案，并给出角色小传模板、弧光类型与常见错误。
Diataxis 文档生成器是一个按照 Diataxis 框架生成文档的技能，将内容组织为教程、操作指南、参考和解释四类，帮助开发者更好地学习与使用产品。它可生成渐进式入门指南、交互式 API 参考文档、多语言代码示例仓库，并支持文档版本管理、搜索与导航配置，以及从代码注释生成文档。该技能面向 API 文档系统、SDK 入门教程和开发者体验优化等场景，可对接 Docusaurus、ReadTheDocs、Mintlify、GitBook、MDX 等文档平台。使用前需提供 API 规范或源代码、目标读者画像、文档平台偏好、品牌与风格指南以及代码示例要求，输出结构化文档站点、教程序列、操作指南集合、API 参考页面、解释文章、代码示例仓库和导航配置。
该技能用于把剧本按行业标准格式排版，并以 Fountain 纯文本标记语法进行撰写，从而导出符合行业规范的 PDF。资料强调，规范排版能体现专业度，并让剧本更容易被认真对待；同时给出“一页约等于一分钟银幕时间”的经验参考。它覆盖标题页、场景标题、动作描述、角色名、对白、括号提示、转场以及闪回、蒙太奇、系列镜头等特殊元素，并明确规定页边距、字体（Courier 12pt）、行距与页码位置。资料还按长片、一小时剧集、半小时喜剧和短片给出常见页数范围，并说明拍摄脚本所需的场景编号、修订标记、彩色修订页、日程分隔与锁页等附加要求，同时列出常见格式错误与 Fountain 快速参考语法。
内容工厂调度中心（Content Factory Dispatcher）是一个基于 Ralph CEO 循环的内容生产任务调度系统，隶属于 aaaaqwq/agi-super-team 技能集。它通过 CEO 指令触发，将内容生产拆分为热点采集、选题、内容生成、审核、发布等阶段，并把每个阶段派发给对应的小 Agent（如小data、小research、小content、小pm、小market、小ops）执行，最终产出热点池、选题、草稿、审核稿与已发布内容等文件到指定输出目录。
该技能通过 Gemini API 的 google_search 接地（grounding）工具执行实时网络搜索，用于需要最新信息或可验证引用的问题回答。它提供带引用来源的接地响应，模型可选且可配置，默认使用 gemini-2.5-flash-lite，并暴露简单的 Python 调用接口。核心逻辑位于 scripts/example.py，需要设置 GEMINI_API_KEY 环境变量，可选设置 GEMINI_MODEL。适用于需要实时信息、近期事件或可验证引用的问答场景。
Humanizer 是一个用于去除文本中 AI 生成痕迹的写作编辑技能，基于维基百科 WikiProject AI Cleanup 维护的“AI 写作迹象”页面。它通过识别并改写 AI 常见的内容、语言、风格和沟通模式，让文字读起来更自然、更像真人写作。该技能不仅删除问题模式，还强调注入个性与观点，适用于编辑或审阅文本时使用。