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 10-21 00:11
233,207 个结果
pr-research 是一个用于在向开源项目贡献代码前系统研究上游仓库的技能（Skill）。它提供了一套结构化流程，帮助贡献者了解目标项目的贡献指南、PR 模式、维护者习惯和可参与的议题，从而更有效地规划开源贡献。该技能强调在规划或实现之前先做研究，包含强制性的前置检查、CONTRIBUTING.md 查找、PR 考古、维护者研究、议题发现等阶段，并最终生成一份研究文档，作为后续 $plan 的输入。适用于准备为外部仓库提交修复或新功能、评估是否值得贡献、寻找入门级贡献机会等场景。不适用于研究自己的代码库或已熟悉项目规范的情况。
Newsworthiness Check 是 newsjack.sh 旗下的一个技能，用于在公关传播变成垃圾邮件之前，判断某个新闻事件是否值得借势（newsjacking），或用户自己的宣传角度对记者而言是否真正具有新闻价值。它通过校准过的评分锚点、硬性规则与安全开关，给出 1 到 10 分的评分和明确的行动建议。该技能强调诚实，拒绝为蹭悲剧、伪装关系、编造证据、泛泛而谈的"思想领导力"以及把新闻稿式的乐观包装成新闻判断的行为背书。它提供两种模式：事件借势评估和宣传稿新闻价值评估，并给出可读的 Markdown 结果，包含评分、评级、最接近的现实案例锚点、各维度得分、触发的分数上限、行动建议、证据来源与证据缺口，以及后续技能交接建议。
web-to-native 是 Expo 官方技能库中的一个迁移技能，用于把已有的 Web React 应用逐步迁移为原生 iOS/Android 应用。它不提供转译器，而是采用“绞杀榕”式策略：先搭建 Expo 原生外壳，第一天就把整个 Web UI 以 DOM 组件形式跑在手机上，再按价值优先级逐个把页面重写为原生界面。技能覆盖评估并生成迁移清单、脚手架搭建、DOM 组件外壳、原生重写、数据/认证/存储接线以及发布等步骤，并强调迁移而非重写、按价值绞杀、原生意味着重新设计而非换皮、通过运行而非编译来验证。
这是 pstack-claude 技能库中的一条原则型技能，名为“守护上下文窗口”（Guard the Context Window）。其用途是在上下文即将被填满时应用，例如出现大量输出、处理超长文件、重复读取同一内容、进行扇出式规划等场景。核心做法是把批量内容路由到子代理（subagent）处理，只在主线程中保留摘要，而不是把原始大段内容堆进主线程。技能说明指出，上下文溢出会降低推理质量、产生压缩伪影，并导致进度中断。给出的模式是：对阶段进行规模划分并限制作用范围，限制每个阶段处理的文件数量、设置轮次预算，并把机制本身的成本计入考量。该技能属于 pstack-claude 中的一条独立原则条目，未提供具体的安装命令、代码示例、收费信息或独立运行方式。
define-jtbd-canvas 是一个用于创建 Jobs to be Done（JTBD）画布的技能，帮助团队理解客户为什么会“雇用”某个产品来实现生活或工作中的进展。它基于 Clayton Christensen 的 JTBD 框架，不局限于功能或人口统计特征，而是从功能性、情感性和社会性三个维度，描绘客户任务的完整图景。该技能适用于在构建产品前深度研究客户动机、围绕客户进展重新定位产品、替代过于表面化或人口统计型的人物画像、在竞争分析中识别客户切换原因、设计能引起共鸣的营销信息，以及让团队对齐“客户真正是谁、真正需要什么”。其输出包含任务概述、任务执行者、情境、任务陈述、功能性任务、情感性任务、社会性任务、竞争性解决方案、雇用标准、洞察与启示、支持性引语和进一步研究的问题等部分。需要注意，该技能不适合用于需要人物形象型产出的场景，也不应在完全没有客户研究时使用；画布中的洞察必须来自研究而非假设。
discover-interview-synthesis 是一个面向用户研究访谈的综合分析技能，用于把原始访谈资料转化为结构化洞察。它适用于完成一轮用户访谈、客户发现电话或销售反馈会话之后，帮助整理跨受访者的共性模式、把观察连接到用户真实需求，并给出可执行的产品建议。技能要求先收集访谈笔记、转录或录音，确保至少有 3 位参与者以便识别有意义的模式，并记录研究目标与方法。随后创建参与者画像、标注反复出现的主题、提取逐字引用、将主题升华为洞察陈述，再提出带优先级的建议，并说明研究局限与偏差。输出按模板组织，包含研究概览、关键主题、代表性引用、洞察、建议和附录。若存在 .claude/pm-skills.local.md 文件，它还会读取阶段与当前主动事项并把人物画像与发现作为解释性产物写入，但写入前需确认。该技能不适用于单次内部会议纪要、跨会议模式汇总、问卷分析或已经进入问题定义阶段的情况。
一个端到端数据工程示例项目：通过 Python 调用哈佛艺术博物馆 API 抽取藏品数据，转换为规范化关系表，写入 MySQL/TiDB，并用 Streamlit 与 Plotly 构建交互式分析看板。
clawd-code 是一个面向教育的 Python 重写项目，用干净的 Python 代码复现 Claude Code 智能体框架的架构模式，包括工具装配、命令分发、任务编排和智能体运行时上下文。项目完全从零构建，未复制任何专有的 TypeScript 源码，其端到端编排使用基于 OpenAI Codex 的工作流层 oh-my-codex（OmX）。该技能可用于学习智能体框架的工具注册表、命令注册表、任务编排与工作区清单等设计思路。安装方式为克隆仓库并创建虚拟环境、安装依赖；清单、摘要与 CLI 命令无需 API 密钥。仓库提供 summary、manifest、subsystems、commands、tools、parity-audit 等 CLI 命令，以及基于 unittest 的测试；还支持通过 dataclass 定义 Module、Subsystem、PortManifest、Tool、Command、Task 等核心数据模型。该项目与 Anthropic 无关联，也未获其认可。
discover-plugins 是 ruflo 生态中的一个技能，用于根据你的工作流、已安装的 MCP 工具和当前任务，发现并推荐合适的 ruflo 插件。它适用于启动新项目、探索 ruflo 能力，或不确定当前任务该用哪些插件时。该技能通过检查已安装插件、浏览市场推荐、按需求搜索、获取个性化建议、查看插件能力与详情等步骤，帮助用户从 32 个插件中做出选择，并给出常见任务对应的插件组合决策指南。
Perplexity 工具集用于通过 Perplexity AI 进行网页搜索与研究。当用户说出“search”“find”“look up”“ask”“research”或“what's the latest”等通用查询时使用。它不适用于库或框架文档（应使用 Context7）、gt CLI（应使用 Graphite MCP）或工作区问题（应使用 Nx MCP）。工具分为 Perplexity Search（返回搜索结果与 URL）和 Perplexity Ask（返回对话式答案），另有 Researcher agent（/research <topic>）用于深度研究。
AnyCap 媒体制作技能是一套面向图像、视频、音乐与音频生成的完整工作流指南，基于 AnyCap CLI 实现。它覆盖从文本或参考素材生成媒体资产、通过人工标注进行迭代精修，到最终交付的全过程。图像支持文生图、图生图（编辑/转换）以及多参考图混合；视频支持文生视频与图生视频；音乐支持文生音乐；音频支持语音合成、对话及完整音频场景。所有生成命令遵循统一模式：先发现模型、检查 schema、再生成并指定输出文件。该技能强调使用实时模型目录中的模型 ID，并配合标注工具实现精准的局部修改。
该技能用于在 Instagram 和 TikTok 上发现 DTC 与电商品牌，便于后续外联。它通过检索与产品品类相关的标签，抓取账号信息，并根据简介中是否包含店铺链接、商品关键词、"DTC"、"founder" 等商业信号进行筛选，最终按粉丝范围与互动率排序输出外联名单。依赖 Apify 上的 apidojo 抓取器，需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。适用于寻找特定品类电商品牌、建立外联线索列表等场景。
该技能用于在 Instagram 上发现酒店、旅游品牌、度假村及酒店类企业账号。它基于 apidojo 在 Apify 上的 Instagram Scraper 采集数据，通过粉丝数、互动率和位置标签三项指标对账号打分并分级（A 级 PRIME_PROSPECT、B 级 WARM_LEAD、C 级 LOW_PRIORITY），帮助筛选酒店与旅游行业潜在合作对象。用户需提供 Instagram 的 startUrls（支持主页、话题标签、地点、音频页、Reels 等），可选参数包括截止日期 until、最大采集条数 maxItems 和自定义转换函数 customMapFunction。技能提供 run_actor.js 命令行、REST API 与 Apify MCP 三种运行方式。需注意该技能主要依赖采集数据与评分规则，具体结果取决于输入链接与平台数据情况。
这是一个面向 React 开发的状态管理技能，聚焦 TanStack Query v5 与 Zustand v5 的实践模式。它提供服务器状态（数据获取、缓存、失效、变更与乐观更新）和客户端状态（全局 store、选择器、持久化）的代码示例与规则，用于指导 AI 智能体或 LLM 进行自动重构、代码生成与状态管理最佳实践。文档包含 26+ 条规则，按优先级分为 React Query 基础、Zustand store 模式、缓存与失效、变更与更新、乐观更新、DevTools 调试和高级模式七大类。同时列出了 v5 的破坏性变更，如 cacheTime 改为 gcTime、keepPreviousData 选项改为 placeholderData、useQuery 移除 suspense 等。安全方面强调不要将认证令牌、密码或密钥持久化到 localStorage/sessionStorage。
Provenance 是一个用于追溯知识工件来源的技能，属于 boshu2/agentops 项目。它通过读取工件中的来源元数据、使用 grep 搜索源信息、借助 CASS 检索会话记录，构建从原始会话到当前层级的完整谱系链，并生成溯源报告。该技能支持查找缺少来源追踪的孤儿工件，以及识别来源可能已变更的陈旧工件。适用于需要审计知识来源、追踪工件晋升历史、维护知识可信度的场景。
Story Origin Check 是 Newsjack 体系中的一个研究型技能，用于针对单条新闻信号回答两个问题：该故事（或其中具有实质意义的新进展）最早何时公开，以及哪篇文章是它最权威的报道。它不评估公关契合度，也不计算新鲜度，而是产出“时钟”（最早可辩护的公开时间戳）、同故事与新进展的判断、规范报道链接和置信度。该技能要求通过 news-search 技能进行检索，并在可检索时抓取页面元数据与正文，识别 canonical URL、发布时间字段、通讯社或转载线索，以及指向原始来源的外链。若无法打开页面或搜索，则返回 first_public_at 为 null、判断为 unclear 和低置信度，不猜测日期。它区分同一故事、实质性新进展和不同故事，并规定不得因 AOL、Yahoo、MSN 等转载日期或 SEO 改写而重置时钟。规范报道优先选择一手来源、主流综合或商业媒体、专业领域权威媒体，最后才是最早可信原创媒体。输出为固定结构的 JSON，每个输入信号一条记录，供 newsjack origin-apply 解析并写入 origin_findings.json。
为长时间或无人值守的 AI 工作保留可复核的决策轨迹：用单个 TSV 文件记录每次决策的内容、原因、证据与结果，默认本地保存、不提交到 git。
OWASP Top 10 是一个面向 Web 应用安全审计的安全技能，基于 OWASP Top 10 2021 标准，提供识别、预防和修复最严重 Web 应用安全风险的指导。它列出十大风险类别（如访问控制失效、加密失败、注入、不安全设计、安全配置错误、易受攻击和过时的组件、身份认证失败、软件和数据完整性失败、安全日志和监控失败、服务端请求伪造），并针对每类风险提供检测与修复模式，以及预防策略和评估工作流。该技能适用于安全审计、代码审查、安全编码实践落地、身份认证与授权系统评审、输入验证与净化评估、第三方依赖漏洞评估、安全控制和纵深防御设计、安全认证与合规审计准备、安全事件与可疑行为调查等场景。它强调纵深防御、默认安全、最小权限和输入验证等核心原则，并提醒常见错误，如信任用户输入、自造加密、暴露错误、缺少授权检查、弱会话管理、忽视依赖、缺少日志和默认配置等。技能内置审计工作流：确定范围、选择漏洞类别、加载参考文件、分析代码、记录发现、验证修复、运行安全测试。同时提及 SAST、DAST、SCA 等安全测试工具类别和 OWASP 官方资源链接。
Phaser 4 的几何与数学工具技能，涵盖 Circle、Rectangle、Polygon 等几何数据类、相交检测以及 Vector2/Vector3、角度、距离、插值、缓动、随机与取整等数学工具，用于碰撞判定、位置与方向计算。
机会解决方案树（Opportunity Solution Tree，OST）是一个产品发现的可视化框架，由 Teresa Torres 提出，用于把期望的业务成果与客户机会、候选解决方案连接起来，避免团队直接跳到解决方案。该技能引导用户从可衡量的期望成果出发，逐层展开机会领域、支撑证据、候选解决方案与假设实验，并输出结构化的树状文档。
SecurityClaw 是一个模块化、基于技能的自主安全运营中心（SOC）智能体，用于监控 OpenSearch/Elasticsearch 数据、构建基于 RAG 的行为记忆，并借助 LLM 验证实时异常。它通过 LangGraph 编排安全工作流，维护基于对话的调查，并提供 CLI 与 Web 界面用于威胁分析。其特点包括：基于技能架构，每项能力都是含 Python 逻辑与 LLM 指令的独立模块；RAG 行为记忆，将网络基线向量嵌入存入 OpenSearch；异常检测，调度型 1 分钟 watcher 轮询发现并升级威胁；LLM 驱动分析，威胁分析师使用检索增强上下文验证异常；LangGraph 编排，采用 DECIDE→EXECUTE→EVALUATE 监督循环并配合 SQLite 检查点；提供 Web 与 CLI 界面；供应方无关，可替换 OpenSearch↔Elasticsearch、Ollama↔其他 LLM 提供方。
Cognitive Pattern 是 ruflo 提供的一项技能，用于定义和管理智能体的认知模式，从而引导其推理与决策过程。它适合将推理策略、决策树或问题解决方法固化为可复用、可随时间改进的模式。使用流程包括：定义模式（调用 daa_cognitive_pattern 并传入模式结构与触发条件）、创建工作流（调用 daa_workflow_create 将模式嵌入可执行工作流）、执行（调用 daa_workflow_execute 运行认知工作流）、评估（调用 daa_learning_status 查看模式表现）、分享（调用 daa_knowledge_share 传播成功模式）。支持的认知模式类型包括决策树、思维链、类比映射和共识模式。
init-project 是 ruvnet/ruflo 提供的一个初始化技能，用于在全新仓库中搭建 Ruflo 项目，自动配置 MCP 工具、hooks 与 agent 相关设置。当用户需要在新仓库中引入 Ruflo，或说出“init ruflo”等类似指令时，可使用该技能。它通过运行 npx @claude-flow/cli@latest init --wizard 以交互式向导方式完成项目初始化，或使用 npx @claude-flow/cli@latest init --preset standard 直接采用默认预设。初始化过程会生成 CLAUDE.md、.claude/settings.json 以及 .claude-flow/ 配置文件，并完成 ruflo MCP 工具的 MCP 服务器注册。
Unity Pipeline 是一套通过 unity command 驱动运行中 Unity Editor 或开发版 Player 的 CLI 工具，支持重编译、运行测试、执行 C# 脚本、运行时方法重载与项目审计，面向自动化编辑循环与批量构建。