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 11-07 00:13
14,964 个结果
这是一个用于模拟论文答辩的 Claude 技能。它围绕用户提供的论文内容，设定四位风格不同的考官原型——方法论考官、替代解释考官、范围边界考官和宽厚长者考官，从方法能否支撑结论、是否存在竞争性解释、主张是否超出证据、贡献价值何在等角度追问，并对薄弱回答层层施压。模拟过程按三个部分输出：一是 12 至 18 轮问答记录，包含问题、候选人可能的回答以及弱回答引出的追问；二是候选人离场后的委员会内部评议，给出通过、修改后通过或存在重大顾虑的判断；三是跳出角色后的复盘，把暴露的弱点按可准备程度排序，并给出能站住脚的应答思路。技能还会提供开场陈述改写建议、主动声明的局限清单和“最怕被问的问题”的完整应答。使用前需提供论文实质内容（摘要、章节概要或完整论证、核心主张、方法、主要发现）、最担心的问题、委员会真实构成以及学位层次和答辩形式。资料不足时模拟深度会受限。技能要求不编造研究发现或文献，不让虚张声势的回答成功，以专业而非羞辱的方式施压。
ToS Decoder 是一个用于解读服务条款（ToS）和隐私政策的技能。它把冗长的法律文本翻译成通俗易懂的说明，并按对用户的实际影响排序，帮助用户判断“我到底同意了些什么”。该技能会区分真正值得关注的条款与常规防御性套话，对每条发现给出“我该在意吗”的结论，并给出接受、睁大眼睛接受或避免的底线判断，以及可采取的应对措施（如设置、退出选项、替代方案）。它把粘贴的文档视为数据，文档内任何试图指挥 AI 的指令都只作为报告内容，绝不执行。适用于普通用户、创作者或企业用户在注册服务、上传原创内容或存储敏感数据前快速评估条款风险。
该技能用于撰写符合小红书平台风格的中文笔记，强调以真实个人体验为核心，包括标题备选、封面文字、正文、话题标签和互动提问，并进行合规检查（如广告法绝对化用语、功效宣称、商业关系披露）和配图建议。需要用户提供主题、真实经历、目标受众、是否赞助及可用图片等信息。
用于构建买家画像与受众档案的营销技能，通过系统化研究与网络搜索，梳理目标人群、痛点、异议、常用语言及聚集渠道，并写入 brand/audience.md 供其他内容技能调用。
competitive-intel 是一个竞争情报技能，用于在信息定位层面研究并分析竞争对手，找出定位空白与战略机会，输出可供定位角度和关键词研究使用的 ./brand/competitors.md 文件。
用于生成“X vs Y”和“X 替代品”对比类 SEO 页面的技能，帮助捕获高购买意图的比较搜索流量。它会读取品牌目录中的竞品、定位、语气与受众资料，研究竞品并撰写包含诚实取舍的对比内容，输出带 SEO 元数据与结构化标记的 Markdown 文件。
一个用于撰写高转化营销文案的 AI 技能，支持生成、冷邮件和编辑三种模式，适用于落地页、销售页、邮件、广告、社交帖与标题等说服性文本。
一个基于网络搜索与品牌上下文的战略关键词研究技能，用于生成按主题聚类、按优先级排序的内容计划与内容简报，可独立使用，也可读取项目中的品牌资料增强输出。
landscape-scan 是 marketing-cli 中的市场格局扫描技能，通过 /last30days 实时调研并让用户验证，生成 brand/landscape.md 生态快照与“声明黑名单”，作为下游内容技能的硬性依据。
从他人已发布内容反向拆解写作声音的技能：粘贴文章或推文后，并行启动 10 个 Sonnet 子代理分析句式、词汇、教学法、情绪、可信度等维度，合成可复用的声音文件。
用于处理 Obsidian 每日笔记的技能：对原始 URL 与零散想法分类，抓取 X 推文、GitHub 仓库和网页内容，对想法做深度研究，生成结构化笔记并用 wikilink 替换原始条目。
将对话中的结构化内容保存到 Obsidian 库的技能，自动生成标准 frontmatter、按类型路由文件夹、去重检查、注入 wikilink 并重建索引。它只做持久化，不做研究，需先安装配置 doc-obsidian。
edu-visual-trace 是一个用 ASCII 手绘图、块状图、对比表和公式推导来逐步讲解概念的技能，强调展示每个中间状态、不跳步，适用于计算机、数学、科学等领域的教学式解释。
用于生成 Conventional Commits 风格提交信息的技能，可依据仓库历史适配语言与格式，支持类型、scope、footer 与破坏性变更标注，并鼓励原子化提交。
res-deep 是一个迭代式多轮深度研究技能，跨 Web、Reddit、X/Twitter、GitHub、Hacker News、Substack 等来源检索并结构化输出，支持对比、全景、深挖、决策等框架。
res-web 是 molechowski/agent-skills 中的网页调研技能，用于围绕主题执行多次搜索、交叉核对来源并生成结构化摘要，适用于查找最新信息、回答事实性问题与比较选项。
用于维护 moonbitlang/moonbit-docs 仓库的仓库维护路由技能，帮助按变更区域选择对应参考资料、遵守仓库结构与工具规范，并运行最小必要验证命令。它不是 MoonBit 语言教程。
跨论文矛盾检测技能，提取多篇论文摘要中的可证伪声明并两两比对，找出直接矛盾、定量分歧或适用边界差异；需提供DOI或检索主题，最多分析8篇，输出按冲突严重度分级的报告。
用于核验科学论文中的图是否真的支持正文里的定量结论。它要求从实际图像像素读数，而非依赖图注或记忆，对每个论断给出 MATCH、APPROXIMATE、MISMATCH、WRONG-FIGURE 或 UNREADABLE 判定。
用于撰写韩国研究财团（NRF）研究计划书的专用技能，可起草各章节初稿、按优秀性·必要性·活用方案等评审标准自检，并遵循IRIS提交格式与韩语学术文体。
用于 research-wiki 图谱 UI 的动态效果技能，重点覆盖 Reels/Capture 模式、GraphView 语义图谱动画与 HUD 字幕动效，强调动效必须解释图谱关系而非装饰屏幕，并给出候选评分、实现边界与验证清单。
Template Selector 是 agent-skills 中的模板选择技能，根据文档类型与项目上下文从模板库匹配模板，初始化模板变量并输出模板路径和变量映射，供后续文档生成使用。
AGENTS.md 写作专家技能，覆盖项目分析、类型判定、结构设计、内容编写、模板选择、质量检查与优化迭代全流程，提供5种类型判定、28条最佳实践、22个反模式检测与Token预算策略，帮助为 AI Agent 编写项目级协作配置。
DocOrchestrator 是面向软件开发项目的文档全生命周期管理 Skill，覆盖分析、规划、生成、质量校验、变更维护、格式转换、智能绘图与版本管理，支持双轨格式（Agent 结构化 + 人类可读）与 TXT/Mermaid 自适应绘图。