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
233,326 个结果
web-to-markdown 是一个将网页转换为干净 Markdown 的技能，通过驱动本地已安装的浏览器（借助 web2md）实现。它适用于处理 JS 渲染的页面（Puppeteer 调用用户 Chrome），对 Chromium 系浏览器（Chrome/Chromium/Brave/Edge）支持最佳，使用 puppeteer-core。该技能会提取页面主体内容（Readability），再转换为 Markdown（Turndown），并清理链接、可选添加 YAML frontmatter。它有一个硬性触发门槛：只有当用户明确写出类似“use the skill web-to-markdown ...”的短语时才可使用，否则应停止并请用户重新发起请求。输入需要收集 URL（或 URL 列表）以及输出偏好（打印到 stdout、保存到文件或保存到目录自动命名）。对于复杂页面，还提供多种渲染控制选项，如指定 Chrome 路径、交互模式、等待条件、等待选择器、等待毫秒数、有头调试、禁用沙箱、指定用户数据目录等。
k2f-research-poster 是一个基于 K2F 的技能，用于将科研论文、手稿和实验发现转换为可打印的学术会议海报。它强调科学内容的提炼、适合远距离观看的排版层级、严格的单页几何结构以及高视觉密度，避免出现多页溢出和下方留白。海报生成遵循 K2F 的语义 JSON 与主题样式分离机制，可导出为矢量 PDF、可编辑 PPTX、DOCX 和 IDML。适用于从论文草稿、预印本或笔记制作会议海报、设计大型科研展示板，以及把多页手稿转化为单页视觉综述。
marketing-ops 是营销技能生态的中央路由器，用于不确定该使用哪个营销技能、编排多技能营销活动或进行跨职能营销审计时，帮助把问题路由到对应专项技能并协调执行。
orca-cli 是一个用于操作 Orca 编辑器/运行时环境的公共命令行工具技能说明，属于 Orca 技能体系中的一项。其核心用途是让智能体或开发者通过统一的 `orca` CLI 来操作 Orca 管理的各种对象，包括 worktree（工作树）、文件夹上下文、终端、仓库、自动化任务、产物、worktree 评论，以及 Orca 应用内嵌的浏览器。该技能适用于当 Orca 运行中的编辑器或运行时状态本身是需要参照的事实来源时；如果 Orca 的状态无关紧要，资料建议改用普通 shell 工具。使用方式上，需先确定本次会话应使用的可执行文件：若设置了 ORCA_CLI_COMMAND 环境变量则使用其值；在开发检出中若会话暴露 ORCA_DEV_REPO_ROOT 则用 orca-dev；在 Linux 上且不在 Orca 管理的终端中则用 orca-ide，切勿直接运行裸 `orca`（可能解析为 GNOME 屏幕阅读器）；其余情况使用 orca。确定后应复用该可执行文件。运行 Orca 命令前，应先通过 `ORCA skills get orca-cli` 加载与二进制匹配的完整指南，避免凭记忆猜测子命令或参数。该文件本身是发现桩，不含完整用法，具体的 worktree、交接、终端、自动化和内嵌浏览器命令需从二进制获取。
这是一个面向 Node.js 后端开发的 TypeScript 技能，主要内容包括 TypeScript 项目配置、Express 与 Fastify 两种服务端框架的基本用法、路由与中间件模式、请求校验、认证、数据库集成、API 设计以及测试等主题。资料给出了 tsconfig.json、package.json 脚本、依赖安装命令以及大量可直接参考的代码示例，适合在构建 REST API、微服务或服务端 TypeScript 应用时作为实现参考。技能本身不含收费或价格信息，也未说明具体运行环境之外的限制，相关内容暂未提供。
skill-from-masters 是一个用于创建高质量 skill 的方法论工具，核心理念是让生成的 skill 像一个实战高手，而不是一个只会纸上谈兵的书呆子。它主张知识来自实践而非书本，因此创建 skill 的流程是先找真实案例，再归纳规律，最后才用理论辅助解释。具体工作流程包括六个步骤：理解并收窄任务、寻找黄金案例与失败案例、归纳有效与无效模式、用理论辅助解释、生成 skill、用真实案例测试。其中找案例被强调为最重要的环节，要求找到至少 3 个实践中做得最好的黄金案例和至少 5 个常见失败模式，并形成有效与无效的直接对比。该 skill 强调具体化，避免抽象原则，要求每个规则都配有“这样做”和“不要这样做”的真实案例，失败案例与黄金案例同等重要。它触发于“帮我创建一个skill”“我想做一个skill来...”等请求，最终调用 skill-creator 生成 skill，并建议添加 model: opus。适用范围是帮助用户通过真实案例构建有实战价值的 skill，限制在于其本身不产出具体领域的 skill，需依赖真实案例的搜集与归纳。
react18-legacy-context 是一个面向 React 18 的迁移指南技能，用于把 React 旧版 Context API（contextTypes、childContextTypes、getChildContext）迁移到现代的 createContext API。旧版 Context 在 React 16.3 被标记为弃用，在 React 18.3.1 中会产生警告，并将在 React 19 中被移除。该技能强调这是一次跨文件迁移：需要创建 context 对象、更新 Provider 组件，并更新每一个 Consumer 组件；任何 Consumer 遗漏都会导致应用读取到错误的 context 或 undefined。它提供按顺序执行的迁移步骤，以及用于查找 Provider、Consumer 和 this.context 用法的 grep 扫描命令，并附带单 context 迁移、多 context 迁移和 context 文件模板三份参考文件。
本技能提供 Microsoft Dynamics 365 Business Central 开发的专家级指导，聚焦 AL 语言与扩展开发。内容涵盖 AL 编程的核心原则、对象类型（表、页面、代码单元）、错误管理、扩展机制、权限集、测试框架以及性能优化等实践。强调代码清晰、模块化与性能优化，遵循 AL 命名约定（公共成员用 PascalCase，私有成员用 camelCase），并采用 Business Central 基于对象的模块化架构。适用于需要开发或扩展 Business Central 业务应用的场景，依赖 Business Central 环境、Visual Studio Code 及 AL Language 扩展。
这是一个用于编写看板需求文档（Dashboard Requirements）的技能，帮助向数据/分析团队提出看板需求时，明确看板应回答的问题、展示的指标、可视化方式、筛选条件与数据来源。它强调目的先于图表：先定义看板要支持哪些决策、面向哪类受众及使用频率，再逐项规定指标的命名、业务定义、计算公式、数据来源与基线/目标值；同时根据数据要传达的信息推荐合适的图表类型，定义用户需要的下钻筛选（日期范围、用户分层、产品模块、地理区域等），记录数据来源与已知数据质量问题及延迟要求，并设定访问权限。技能还包含输出模板与质量检查清单，产出内容涵盖概述、目的与问题、受众、关键指标、可视化规范、筛选与细分、数据来源、访问权限、告警与阈值、验收标准、待解决问题与附录。适用场景包括向数据团队申请新看板、为产品/功能/团队定义 KPI 跟踪、将临时报表固化为长期看板、季度规划前明确所需可见性，以及为需要自助分析的干系人做入门。不适用于需要先定义埋点事件（应先用埋点规范）、实验读数设计、OKR 评分，或看板要回答的问题尚未达成共识的情况。
cost-optimize 是一个用于分析 token 使用模式并给出成本优化建议的技能。它跨智能体与模型统计近期 token 消耗，识别浪费点，并给出带预估美元节省额的具体优化建议。当成本高于预期或希望主动降低开支时可使用，分析维度包括模型选择效率、缓存利用率、智能体冗余和提示词效率。该技能以 cost-tracking 命名空间加载最近 7 天的用量数据，评估每个智能体的模型层级是否匹配任务复杂度，计算每个智能体的缓存命中率，检测重复或可批处理的智能体任务，并为每条建议计算当前成本、优化后成本、节省金额与降幅百分比。它还会检索历史优化模式并在 ReasoningBank 中存储优化模式，最后按实施优先级输出排序后的建议、总潜在节省以及与模型结果相关的反馈事件。
monitor-stream 是一个面向多智能体（swarm）运行时的实时事件流监控工具，属于 ruvnet/ruflo 技能集。它通过 Monitor 工具以流式方式推送 swarm 事件，用于替代轮询（polling）式的状态查询，从而获得实时可观测性。运行时使用命令 npx @claude-flow/cli@latest swarm watch --stream，以 NDJSON 格式持续输出智能体派发（agent spawns）、任务完成（task completions）、内存写入（memory writes）以及健康检查（health checks）等事件，标准输出的每一行都会触发一次通知。若只需一次性状态，可改用 MCP 接口：mcp__plugin_ruflo-core_ruflo__swarm_status 或 mcp__plugin_ruflo-core_ruflo__swarm_health。该技能建议优先采用 Monitor 流式监控，而非在循环中反复轮询 swarm 状态，其理由记录于 ADR-091。
该技能用于运行历史回测：调用 neural-trader 的 Rust/NAPI 引擎（资料称比常规方式快 8-19 倍）并支持 walk-forward 验证，随后对结果进行 Ed25519 签名，为 paper→live 晋级门提供加密防篡改证据（对应 ADR-126 Phase 4 与 CWE-347 模式）。流程包括：确认 neural-trader 可用、检索已保存的策略配置、执行回测命令、采集总收益/年化收益/Sharpe/Sortino/最大回撤/胜率/盈亏比/交易次数等指标、按参数哈希去重历史回测、构建 SignedBacktestArtifact 并签名、存储到 trading-backtests 命名空间；当 Sharpe 大于 1.5 时存为成功模式并训练 SONA。若找不到见证签名密钥，则发出警告并以未签名降级模式存储，此时 paper→live 晋级会被拒绝。
这是一份面向代码重构的专家技能，旨在帮助开发者改善代码结构、可读性与可维护性，同时保持功能不变。它会在你要求重构代码、请求清理或改进、提到“技术债务”或“代码坏味道”、或想提升代码质量时激活。该技能给出重构原则（保持行为不变、小步增量、确保测试通过、频繁提交），并针对 10 类常见代码坏味道提供症状识别与重构手法示例，包括长方法（提取方法）、重复代码（提取方法/模板方法）、过大的类（提取类）、过长参数列表（引入参数对象）、依恋情结（移动方法）、数据泥团（提取值对象）、基本类型偏执（用对象替代基本类型）、switch 语句（以多态替代条件）、临时字段（提取类）以及需要大量注释的代码（提取方法并使用清晰命名）。此外还提供重构步骤、安全实践，以及重构前后的检查清单，并引用代码坏味道目录、重构手法与检查清单等参考文档。
evals-start 是 AI 评测课程插件（ai-evals-course/evals-skills）中评测工作的入口技能。它本身不包含具体评测流程，只承担路由职责：根据用户当前的评测处境，匹配到对应的专项技能，告知用户正在加载哪个技能及原因，然后交由该技能完成完整工作流。路由表覆盖多种情形：已有 trace 想发现失败模式且尚无分类体系，加载 error-discovery；已有评测管线想判断是否可信，加载 eval-audit；已知失败模式且可用代码检查（格式、schema、正则、执行）加载 write-code-eval；已知失败模式想用 LLM judge 加载 write-judge-prompt；已有 judge 或评估器想检查质量加载 validate-evaluator；没有 trace 可看则先 generate-synthetic-data 再 error-discovery；想要自定义标注界面加载 build-review-interface；想评测 RAG 管线加载 evaluate-rag。当用户求助评测、不知从何入手，或所提需求不匹配插件内其他技能时使用本技能。定位不清时应向用户询问，而不是猜测。
QMS Audit Expert 是面向医疗器械质量管理体系的 ISO 13485 内部审核技能，覆盖审核计划、执行、不符合项分级与 CAPA 验证。它提供基于风险的审核排程方法、按条款划分的审核范围与提问集、证据收集方式、不符合项分类决策树，以及外部审核准备清单和模拟审核流程。技能内含审核排程优化脚本，可根据流程风险等级、上次审核日期和历史发现生成优先级排程、季度分布与逾期提醒。适用于医疗器械企业内审员、质量管理人员准备内审或认证审核。
这是一项面向 TikTok 内容趋势发现的技能，基于 Apify 平台上的 apidojo TikTok scraper（apidojo~tiktok-scraper），用于在特定细分领域（niche）中识别正在走红的内容与可复用的内容格式。它通过抓取高表现帖子，分析标题（caption）与元数据，归类钩子类型与内容时长，并对趋势的可复制性进行评分，最终输出趋势简报。使用前需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。输入参数包括 startUrls、keywords、sortType、location、maxItems、includeSearchKeywords、customMapFunction。工作流分为五步：搜索细分标签、筛选高表现帖子、分析内容格式与钩子、评估趋势可复制性、交付趋势简报。支持通过 run_actor.js 脚本、Apify MCP 工具或 REST API 调用。
该技能用于跟踪 Google 搜索结果排名与 SERP 特性。它通过 Apify 平台上的 apidojo Google Search 爬虫，针对任意关键词抓取 Google 搜索结果，展示各结果的排名位置、出现的 SERP 特性（精选摘要、People Also Ask、本地包、广告）以及竞争对手的占位情况。适用于 SEO 审计、内容差距分析和关键词研究。使用前需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。支持指定关键词、国家、语言、结果数量、设备类型、安全搜索以及要跟踪的特定域名，并可输出 CSV 或 JSON 格式的排名报告。
review-logging-patterns 是一个用于审查 TypeScript/JavaScript 代码库日志模式的技能（skill），目标是推广 evlog 的采用，并将散落的 console.log 转换为结构化宽事件（wide events）、把通用错误改造为自文档化的结构化错误。它支持通过 evlog CLI 完成初始化接线、覆盖度评分（evlog map）以及在 CI 中用 --min-score 和 --baseline 锁定评分结果，也提供不依赖 CLI 的手动配置路径。该技能覆盖 Nuxt、Nitro（v2/v3）、Next.js、SvelteKit、TanStack Start、NestJS、Express、Hono 等框架的接入示例，并包含排流（drain）、富化（enrich）、尾部采样、审计日志等能力参考。安装命令为 npm install evlog。
该技能用于轮询 Salesforce DevOps Center 异步请求（提升或部署操作）的状态，通过 sf devops request status 按请求 token 查询。它面向 CI 中的自动化发布流程，提供无头、--json 驱动、只读的状态检查，不会修改流水线状态，仅报告进行中或已完成请求的当前状态。支持单次状态检查与带退避的轮询，直至请求到达终态或调用方指定的超时时间；失败时输出解析后的错误详情。
用于在 Salesforce CMS 中创建、编辑与发布内容记录的技能：可单条或批量生成，按自由文本目标由服务端生成并校验内容体，支持会话内编辑、发布，以及直接对已有记录执行更新或发布。
TanStack Table 是一个无头（headless）数据表格库，本条目聚焦其 v8 版本在 React 中的使用，并给出面向 Cloudflare Workers + D1 的服务端分页、过滤、排序与虚拟化方案。它本身不提供 UI，只负责表格状态与数据模型，由开发者自行渲染表格结构。资料包含基础用法、服务端模式、虚拟化、列/行固定、行展开、行分组等示例，并汇总了 12 类常见问题（如无限重渲染、查询状态不同步、服务端功能失效、React 编译器不兼容等）及其规避方法。
MPSTATS 是一个俄罗斯电商市场分析平台的 API 技能，覆盖 Wildberries、Ozon、Yandex Market 的商品、类目、卖家、品牌、SKU 销量、库存和评论数据。通过现成 shell 脚本调用，用于市场调研与分析。
面向 Go 语言的 Neo4j 官方驱动 v6 使用技能，覆盖驱动生命周期、ExecuteQuery、托管与显式事务、会话配置、错误处理、数据类型映射、空间类型与结果映射等主题，帮助编写和调试连接 Neo4j 的 Go 代码。
面向 Java/Kotlin 开发者使用 Neo4j Java Driver v6 连接 Neo4j（Aura 或自建）的技能资料，覆盖驱动生命周期、Maven/Gradle 依赖配置、executableQuery、executeRead/executeWrite 托管事务、显式事务以及异步/响应式访问等主题。资料给出 6.2.0、6.2.1、6.3.0 的版本要点，说明连接配置应通过环境变量或 Spring 属性注入而非硬编码凭据，并列出 URI 方案与认证方式。文档还整理了 API 选择表、典型代码示例、事务配置、错误处理、数据类型与取值、对象映射、性能模式、常见错误与检查清单；同时明确不适用于 Cypher 编写优化、驱动版本升级与 Spring Data Neo4j 场景。