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 11-16 00:04

全部 Skills

253,758 个结果

plan-journey

这是一套面向编程学习者的技能说明,目标是把一个范围明确的学习型项目转化为分阶段构建计划,把“学会”作为首要目标。它强调在 Cursor、Claude Code、Codex、GitHub Copilot CLI、VS Code Copilot 等宿主中调用共享技能,并区分不同宿主的命令写法(如 /altitude:<skill>、/<skill>、$<skill>)。整个流程分四个阶段:先逐一和初学者讨论技术栈决策(语言、前端、后端、数据库、托管/部署等),并做理解检查;再把 MVP 拆成 5–9 个阶段,每阶段都以可运行、可演示的产物结尾;接着创建知识图谱文件和项目文件地图;最后写出学习计划。它明确规定本技能不写应用代码,要求假设用户是完全的初学者,一次只问一个问题,理解检查必须用自由回忆而非选择题,且检查要向前提问、不能提问刚讲过的内容。前置条件是 learning/project.md 已存在,否则应先运行 /start-project。

编程与开发167 次安装

task-management

Task Management 是一个面向软件任务的技能,用于工作分解、依赖排序与状态跟踪。它指导如何把大目标自上而下拆解为层级化任务(特性→故事→叶子任务),为每个叶子任务编写可验证的验收标准,显式声明任务间依赖,并通过固定生命周期(Open→Active→Closed)跟踪状态。该技能还提供基于垂直切片与 Given-When-Then 场景的切片到任务分解方法,使每个任务对应一个完整的 RED-GREEN-COMMIT 测试驱动开发循环,并支持流水线模式下的额外跟踪字段(slice_id、gate_status、rework_count)。它可适配多种任务跟踪工具,包括代理原生任务工具、dot CLI、GitHub Issues 或仓库根目录的 TASKS.md 文件。

编程与开发167 次安装

karpathy-autoresearch

AutoResearch 是一个自主研究循环技能,用于让 AI 智能体在 git 分支上自动迭代实验、假设与代码。人类负责定义研究问题、批准假设变更、设定评估指标并在满意时停止;智能体负责实现当前假设、运行实验、分析日志与结果、提出下一轮假设,但绝不更改研究问题。每轮实验只改变一个变量,结果记录到 experiments.jsonl,并在独立分支 exp/<name> 上工作,不修改 main 分支。适用于机器学习训练、提示词工程、代码优化、内容创作、产品设计等任何可迭代优化的场景。

智能体与模型167 次安装