SuperAPI AI 工具集

Skill 广场

找到适合任务的 Agent Skill,阅读介绍并复制安装命令。

更新于 11-15 00:13

全部 Skills

253,514 个结果

godot-builder

godot-builder 是面向 Godot 4.7+ 的 CLI 自动化与无头(headless)构建编排工具包,属于游戏开发智能体技能集。它帮助开发者以脚本方式程序化地构建复杂场景树与 UI 布局、自动化 3D 资产管线(glTF 转碰撞体)、无头优化程序化几何(CSG 烘焙为静态网格),以及搭建生产级 CI/CD 流水线。该技能通过在命令行下调用 Godot 引擎,支持批量资源重新导入、孤立资源扫描、NavMesh 烘焙、跨平台发布导出、单元与集成测试等任务,并可通过 GODOT_PATH、GODOT_CONSOLE_PATH 等环境变量自定义引擎路径。它强调一系列最佳实践,例如无头保存后必须重新导入以补齐 UID 序列化、使用 duplicate_deep 避免资源状态串扰、避免在多线程执行 GPU 相关调用,以及脚本结尾务必调用 quit() 防止 CI 挂起。适用于需要无人值守、可重复、规模化构建游戏项目的团队。具体收费、价格与商业条款暂未提供。

编程与开发185 次安装

ui-research

ui-research 是一个以研究为先的 UI/UX 设计工作流技能,用于在开始任何前端视觉工作之前,先调研现代设计模式、从真实产品中收集灵感,避免产出千篇一律的 AI 风格界面。该技能把研究拆分为定义、调研、收集、分析、设计简报五个阶段,并要求在动手实现前完成对真实已上线产品的检索与模式归纳。它强调使用 Mobbin、UI Sources、Refero 等真实产品来源,Land-book、Awwwards、Godly 等精选画廊,以及 shadcn/ui、Collect UI、Dribbble 等组件模式来源,并针对不同项目类型和平台给出了来源选择建议。技能还列出了应避免的“AI 感”设计特征,例如蓝紫色渐变背景、过度对称、通用 blob 装饰、默认配色未改动等,并对比了通用 AI 产出与人工打磨设计的质量信号。最终要求输出包含灵感来源、关键模式、差异化、技术方案的研究简报,并与前端增强、设计系统、UX 设计、动画、品牌识别等后续技能衔接。

设计与创作185 次安装

chief-of-staff

该技能让一个会话扮演“chief of staff”(幕僚长),作为长期目标的直接责任人,通过协调 subagents 与 schedules 推进目标,并在长时间运行中积累经验。它强调战术与战略双轨思考:既完成眼下任务,也持续改善 agent 所处环境,让后续任务结果更好。工作尽量交给 subagents(尤其是 background agents)完成以保护主上下文,与 subagents 主要通过 research notes、commits、wiki pages 等上下文指针通信。经验保存在由互链 markdown 页面组成的 wiki 中,index.md 汇总全部页面;通过 Ingest、Query、Lint 三个操作维护。wiki 被定位为历史记录:断言须标注日期,涉及代码时引用具体 repo 与 commit,情况变化时新增带日期的断言并将旧断言标记为已被取代,而不改写旧断言。战略层面关注完善受限 API、lint rules、CODING_STANDARDS.md、logs、测试数据库与浏览器访问等,并坚持 no workarounds。

智能体与模型185 次安装

jira-safe

Jira SAFe 是一个用于在 Jira Cloud 中落地 SAFe(Scaled Agile Framework)方法论的技能。它帮助团队按照 SAFe 层级创建和管理工作项,包括 Epic(战略举措)、Feature(收益假设)、Story(用户价值)和 Subtask(技术工作),并支持正确的父子链接关系。该技能提供 Epic、Story、Subtask 的模板,涵盖业务成果、成功指标、范围、用户故事格式(As a... I want... So that...)、验收标准(Given-When-Then)以及完成定义(Definition of Done)。它特别强调 Next-Gen(团队管理)与 Classic(公司管理)项目的差异,例如 Next-Gen 使用 parent 字段链接而非 customfield_10014,子任务类型为 Subtask 而非 Sub-task,且不支持 Epic Name 字段。技能包含通过 Jira REST API v3 创建 Epic 及其下 Story、创建 Story 及其下 Subtask、查找 Epic Link 字段 ID、批量删除问题等代码示例,并内置速率限制和错误处理。适用于需要在 Jira 中规范实施 SAFe 层级、编写符合 INVEST 原则的用户故事、建立验收标准的敏捷团队。

办公与效率184 次安装

csv-data-wrangler

CSV Data Wrangler 是一个专注于高性能 CSV 处理的技能,提供数据解析、清洗与转换方面的专业能力。它使用 Python、DuckDB 和命令行工具处理表格数据工作流,适用于大文件、编码问题、畸形数据和性能优化场景。该技能可帮助高效处理大型 CSV、清洗与校验 CSV 数据、转换与重塑数据集、处理编码与分隔符问题、合并或拆分 CSV 文件、在表格格式之间转换,以及使用 SQL(DuckDB)查询 CSV。它给出了按文件大小选工具的建议:小于 100MB 用 pandas;100MB 到 1GB 用 pandas 分块或 polars;1GB 到 10GB 用 DuckDB 或 polars;大于 10GB 用 DuckDB、Spark 或流式处理;快速探索用 csvkit 或 xsv 命令行工具。同时明确了不适用场景:构建带格式的 Excel 文件、数据统计分析、构建数据管道、数据库操作等应使用其他专门技能。

数据与分析184 次安装