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 11-10 00:15
15,111 个结果
Ubiquitous Language 是一个用于整理领域术语的技能。它从当前对话中提取并形式化领域术语，形成统一的词汇表（glossary），并保存为本地 UBIQUITOUS_LANGUAGE.md 文件。该技能会扫描对话中与领域相关的名词、动词和概念，识别三类问题：同一个词被用于不同概念（歧义）、不同词被用于同一个概念（同义词）、模糊或含义过载的术语。随后它会提出一套规范术语表，对术语选择给出明确倾向（be opinionated），并把整理结果写入工作目录下的 UBIQUITOUS_LANGUAGE.md。适用于用户想要定义领域术语、构建词汇表、收紧术语、创建通用语言，或提到 “domain model” / “DDD” 的场景。
这是一个用于对话纠偏的提示词技能：当上一条消息表达不清时，暂停当前流程，要求对方重新表述。重新表述时需补充背景信息，遵循 ASD-STE100 简化技术英语标准，使用当前对话语种，并采用 GLOSSARY.md 中的统一术语；若仓库中存在 GLOSSARY-MAP.md，则先按其指向的上下文读取正确的 GLOSSARY.md。
该技能用于将已定稿的原始素材按“节拍旅程”方式逐步组装成文章：先确定读者已具备的前置概念，再逐拍提供2-3个候选节拍，确保每个节拍依赖的概念已被铺垫。
关于编写与编辑优秀 skills 的中文参考：讲解让技能可预测的词汇与原则，包括触发方式、信息层级、拆分、修剪、leading word 与常见失效模式。
Writing, exploit：把一份原始素材 markdown 文件塑造成文章，一段一段地推进。属于写作类技能，将整理好的素材挖掘成有结构、有铺垫顺序的成稿。
面向学术与研究论文写作的技能，提供从规划、撰写到修改的结构化指导，涵盖摘要、引言、方法、结果、讨论、结论等部分，并给出图表规范、常见错误、学科差异与质量检查清单。
research 是 Warp 的 common-skills 技能，用于把查找答案的调查工作委派给子代理，避免文件内容、日志噪声等中间产物污染主代理上下文，最终只返回提炼后的答案与证据。
一个用于审计、撰写和改进开发者文档的 AI 技能，依据 Google 开发者文档风格指南与技术写作课程。它按读者任务组织内容，先核对代码事实，再按结构、语气、用词的严重程度顺序应用规则，并输出固定格式的审计报告与评分。
一个用于审查和改写文本、减少“机器生成感”的写作技能，可标记 AI 化表达并给出改写版本，同时强调标记只是写作质量信号，不能用于判定作者身份或学术诚信。
Grounded Vault 是一种三层 Markdown 知识库约定，让智能体编译出的每一条陈述都能追溯回不可变的原始来源，并可通过一次 git diff 检查页面是否过时。它只需要一个 git 仓库。该约定来自 llm-wiki-loop 项目，但其本身是参考实现而非依赖；本技能教授这套模式，使其适用于普通文件和当前会话中的任意智能体。适用场景包括：智能体将笔记、论文、转录、日志或代码编译成后续会话依赖的 wiki 页面；页面引用数字、日期或引文，读者需要能逐条对来源验证；页面描述代码，而每会话重读代码库检查是否仍成立成本过高；知识需要在不丢失历史的情况下被修正。需注意，会话状态、任务队列与对话连续性属于另一个问题，应使用相关的上下文管理或编排插件，本技能关注的是持久知识库的来源可追溯性与漂移。
HADS（Human-AI Document Standard，人机文档标准）是一个用于 Markdown 技术文档的约定规范，旨在让文档同时便于人类和 AI 模型阅读。它定义了四种块类型：**[SPEC]**（权威事实，AI 始终阅读）、**[NOTE]**（人类上下文，AI 可跳过）、**[BUG]**（已验证的故障与修复，始终阅读）、**[?]**（未经验证或推断的内容，低置信度）。每份 HADS 文档需包含 H1 标题、版本声明和 AI 清单（AI manifest），AI 清单位于首个内容章节之前，告知 AI 应阅读和跳过哪些内容。文件使用标准 .md 扩展名，无需额外工具。该技能教会 Claude 如何阅读、生成和验证 HADS 文档。
用于编写无责复盘（postmortem）的技能：围绕根因分析、时间线与行动项，帮助把事故转化为组织学习，适用于事故评审与复盘文档撰写。
PaperSpine 是一个“证据绑定”的论文生产编排技能：在同一任务内完成研究、写作、图表、审阅与交付，支持用户配置与选择、生成真实文件、可编辑源码，并在同一任务中持续修订。它由宿主 Agent 承担学术判断，强调不虚构数据、引用与结论，并在配置缺失时先启动 Web 配置流程。
微信公众号文章搜索技能，可按关键词检索微信公众号文章，返回标题、概要、发布时间、来源公众号与链接，覆盖科技/AI、社会热点、财经、教育、职场等中文资讯，适合查找文章、整理参考资料。
将图片、语音或文字等实验原始材料整理为带 YAML frontmatter 的 Markdown 实验日志，可归档附件、生成实验与样品批次 ID，可选配合 Obsidian 或飞书 CLI 使用。
nature-figure 是一个用于创建、修改、审查与导出科研论文配图的技能，支持 Python 或 R 两种绘图后端。它面向论文配图、科研绘图、多面板图以及可直接投稿的图表制作场景，也支持与 AI 图形摘要或示意图相关的规划、生成、修改与审查任务。该技能通过路由协议组织工作流程：先判断是否属于图形摘要或 AI 示意图路线，再解析绘图后端（Python 使用 matplotlib/seaborn，R 使用 ggplot2/patchwork/ComplexHeatmap），随后加载对应后端片段并依据图表契约、默认立场和证据架构构建图表，最后执行渲染质检、面板对齐检查、PDF 碰撞审计等交付前校验。具体价格、授权方式、平台限制等信息暂未提供。
Nature Literature Pipeline 是一套自动化文献发现流水线，覆盖多源检索、六维评分、精读、格式化推送与归档。它按日触发，从 arXiv、OpenAlex、Crossref、Semantic Scholar 检索候选论文，评分筛选后精读前几名，生成摘要推送到飞书或 Telegram 等目标，并按 DOI/arXiv 去重归档到本地目录。
用于把单篇科学论文做成结构化深度阅读 Paper Card：分析方法、实验到论断的证据链、局限与研究想法，而非翻译摘要。
将研究论文或发明人材料整理为有证据支撑的中文发明专利草稿与技术交底书，适用于专利撰写、现有技术对比等场景。
根据科学论文或研究阅读笔记创建或改进中文汇报用 PPTX 文件，支持嵌入原始图片和演讲者备注，适用于论文做PPT、文献汇报、组会PPT等场景。
对学术文献逐条执行多源交叉验证的技能：逐字段比对作者、标题、年份、卷期、页码与 DOI，标记卷年/DOI年冲突、作者顺序异常、页码偏差等问题，输出结构化验证报告；可批量处理论文或开题报告的参考文献列表，也支持单条校验与 Zotero 同步修正。
nature-response 是 yuan1z0825/nature-skills 技能集中的一个审稿意见回复技能，用于起草、审核或修改同行评审回复、返修信以及带标记的稿件或 LaTeX 返修包。它以路由方式工作：新任务先加载 manifest.yaml 及 always_load 列出的核心层文件（static/core/stance.md 与 static/core/workflow.md），再在运行时识别任务模式、决定类型和用户语言。任务模式包括 draft、audit、revise、triage-only、cover-letter、revision-package、latex-template、appeal-like 等；决定类型涵盖 minor revision、major revision、revise-and-resubmit、transfer after review 或 unclear。使用时先解析期刊邮件中的稿件元数据、编辑指示、审稿报告、所需文件与截止时间，再按编辑指示（E.1）与审稿人意见（R1.1、R2.1）逐条分类、建立追踪表、为各审稿人分别起草隐私过滤后的回复、撰写返修信、将每项改动映射到稿件位置，并在备份副本上用红色标记改动。该技能强调不编造实验、引用、行号、图版或稿件改动，需作者补充的内容标记为 AUTHOR_INPUT_NEEDED。
对科学稿件或节选提供基于证据的模拟同行评审，覆盖原创性、科学重要性、跨学科读者面、技术可靠性与非专业读者可读性，并以三位互盲审稿人加审后综合的形式输出结构化意见。
Nature Skills 的内部共享参考包，本身不是独立工作流，仅作为已安装 Nature 系列技能（如 nature-writing、nature-polishing、nature-response、nature-reader 等）的依赖使用，提供核心定义与期刊格式等共享资料。