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
233,337 个结果
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。
Memory Evolution 是 NeuralMemory 的记忆优化技能，用于分析记忆的实际使用模式并据此进行优化。它像数据库性能调优器一样工作，但对象是类人神经记忆图谱。该技能会分析哪些记忆被频繁召回、哪些被忽略、哪些导致混淆，并转化为具体的优化操作。主要流程包括：使用模式发现（频率分析、召回质量采样、模式检测）、瓶颈分析（根因诊断、影响评分）、演化操作（合并碎片化记忆、补全缺失内容、修剪无用记忆、标签规范化、优先级再平衡）、检查点记录与指标报告。所有操作均基于证据，需用户批准后才执行，遵循“保留优先于删除”的原则。
这是一个用于设计 A/B 测试或受控实验的技能，针对已有假设产出完整的实验设计文档。它围绕单个可证伪的假设，定义对照组与实验组变体、主指标与辅助指标、样本量、实验时长、受众定位与流量分配，并提前设定成功标准与风险缓解措施。适用于上线 A/B 测试前的规划、需要量化验证的产品假设、方案设计后的假设验证，以及需要数据驱动决策证据的场景。不适用于尚未明确假设、分析已完成实验、需要埋点规格或通过问卷收集意见的情况。
qianwenai-observe 是一个只读可观测技能，用于用自然语言汇报由 qianwenai-deploy 部署到阿里云国内站（aliyun.com）的应用健康状况、性能、资源状态和实际费用，无需进入云控制台。它通过读取项目目录下的 .qianwenai-deploy 状态文件识别应用及其 ECS（及可选的 RDS MySQL 8.0）资源，再调用只读云 API 逐层检查应用可达性、/healthz、响应时间与错误率，ECS 的 CPU、内存、磁盘、IO 与网络，RDS 的连接数、慢 SQL、空间与行锁等待，以及 EIP、安全组暴露面、系统事件、快照与备份，并单独展示实际账单费用。每层返回 healthy、degraded、unavailable 或 unknown 状态并打分，汇总为 0-100 健康分与 A/B/C/D 分级。所有价格为人民币，仅做只读观测，不做源码审查、缺陷定位或代码修改，涉及资源变更需使用 qianwenai-operate。
ADR Review 是一个用于对照已接受的架构决策记录（ADR）审查代码变更的工具。它能够检测代码变更与既定架构决策之间的违规、偏移和不一致情况。该工具适用于合并 PR 之前、进行重大代码更改之后，或作为定期合规检查的一部分，以确保代码变更尊重团队已达成的架构决策。审查流程包括获取代码差异、查找相关 ADR、加载 ADR 内容、检查违规情况、查询关系图以及生成合规报告，并针对每项违规提出相应处理建议。
AgentDB Query 是一个通过控制器桥接（controller bridge）查询和管理 AgentDB 的技能。AgentDB 暴露 15 个 agentdb_* MCP 工具，本技能梳理了标准使用路径，用于跨智能体会话存储、检索和搜索知识。它提供分层存储（working、episodic、semantic 三层）、因果知识图谱、语义路由和上下文合成能力，并支持模式存储与搜索（经 ReasoningBank 路由）。技能涵盖健康检查、会话启动、知识存储与召回、模式搜索、上下文合成、因果边构建等步骤，同时说明了命名空间仅适用于 memory_* 和 embeddings_search 工具，以及控制器回退等运维分支。
DAA Agent 是 ruflo 提供的一项技能，用于创建和适配采用动态智能体架构（Dynamic Agentic Architecture，DAA）的智能体。与固定配置的静态智能体不同，DAA 智能体能够根据性能指标调整自身行为、从交互中持续学习，并与其他智能体共享知识。该技能通过一组 MCP 工具实现：使用 daa_agent_create 创建智能体并设置初始配置与学习参数；使用 daa_learning_status 查看适配进度；使用 daa_performance_metrics 查看效率与准确率指标；使用 daa_agent_adapt 基于反馈触发手动适配；使用 daa_knowledge_share 将学习成果传播给其他智能体。适用于需要智能体超越静态配置、随使用不断改进并跨智能体共享经验的场景。
loop-worker 是 Ruflo 的后台工作器运行方案，借助 Claude Code 原生 /loop 调度在会话内周期性执行各类后台任务，如安全审计、性能优化、记忆整理与代码库映射等，并通过缓存感知的延迟保持提示缓存有效。
Memory Bridge 是 ruflo 提供的一个记忆桥接工具，用于将 Claude Code 的原生自动记忆文件导入 AgentDB，从而实现跨会话、跨项目的统一语义搜索。Claude Code 会把记忆以 Markdown 文件形式保存在 ~/.claude/projects/*/memory/*.md 中，Memory Bridge 会读取这些文件（当前项目或全部项目），生成 384 维的 ONNX 嵌入（all-MiniLM-L6-v2），并存入 AgentDB 的 claude-memories 命名空间，使用 HNSW 索引；同时会对已有条目进行去重（余弦相似度大于 0.95 时视为重复）。完成桥接后，可以跨所有记忆来源进行统一的语义搜索，搜索结果会标注来源（claude-code、auto-memory 或 agentdb）。此外，该工具支持通过 SessionStart 钩子在会话开始时自动导入，并可与 ruvector 集成以支持混合搜索、Graph RAG 多跳查询以及跨会话的知识共享。
trader-signal 是一个基于 neural-trader 异常检测引擎的交易信号生成技能。它通过命令行的方式调用 neural-trader 扫描指定股票代码，结合 Z-score 评分与神经网络预测来识别交易机会。该技能会自动将异常分类为 spike（突破）、drift（趋势形成）、flatline（盘整）、oscillation（区间震荡）、pattern-break（regime 变化）和 cluster-outlier（多因子错位）等类型，并针对不同类型给出相应的交易思路。用户可选择指定策略，并支持通过 MCP 工具检索历史形态匹配、预测市场状态以及将信号以 24 小时 TTL 存入记忆库，最终输出带有方向、置信度、入场/止损/目标位等信息的排序信号列表。
本工具是一个面向待提交 git 变更的安全审查技能（Skill），用于从变更集中识别具备真实利用潜力的高置信度安全漏洞。它冻结待审查的变更范围（支持指定提交范围、修订版本、PR 或本地分支与待处理变更），逐类分析输入校验与注入、认证授权、加密与密钥、不安全代码执行与反序列化、数据暴露、并发与状态、信任边界等类别，并通过独立过滤与漏洞利用验证筛选候选，避免将未经证实的推断视为结论。该技能区分“完整”“空范围”“不完整”三种终态，在覆盖不完整时明确提示未建立结论，而非直接给出干净结果。它还可按用户在明确要求时将合并评论发布到 PR，并以标记和作者匹配避免重复。该技能不用于一般代码正确性或风格审查。
omc-plan 是 oh-my-claudecode 技能集中的一个战略规划技能，用于在动手实现之前先完成需求梳理与方案设计。它支持多种模式：针对宽泛或模糊需求进行交互式访谈（Interview），针对明确需求直接生成计划（Direct），通过 Planner→Architect→Critic 循环达成多视角共识（Consensus/ralplan），以及对已有计划进行评审（Review）。计划需满足质量标准，如 80% 以上论断引用文件与行号、90% 以上验收标准可测试。共识模式默认全自动运行，可用 --interactive 在草稿评审与最终批准环节加入用户确认，并支持 --deliberate 应对高风险场景。计划产物保存于 .omc/plans/，草稿保存于 .omc/drafts/。
Debugger 是一个面向代码问题诊断与修复的高级调试技能，出自 zhaono1/agent-playbook。当用户报告错误或 bug、提到“debug this”或“help debug”、描述异常行为，或询问某功能为何不工作时，该技能会被激活。它提供了一套系统化的调试流程，分为五个阶段：理解问题（复现问题、收集上下文）、隔离问题（定位错误来源、缩小范围）、分析根因（按空值/未定义、类型错误、异步问题、状态问题、网络、环境、内存、并发等类别排查）、形成假设（提出假设、编写验证测试、运行并确认或否定），以及修复与验证（实施修复、添加日志、测试修复、增加回归测试）。同时汇总了通用与语言特定（JavaScript/TypeScript、Python、Go）的调试命令、常见调试模式（分治法、添加日志、最小复现）、错误消息分析表与调试清单，并附带生成调试报告的脚本。
这是一个面向 Kubernetes 部署场景的 AI 技能，用于帮助部署、管理和扩缩容器化应用。资料围绕生产工作负载、资源管理、滚动更新等主题，提供部署清单示例与最佳实践清单，并提及多容器服务、资源分配、健康检查、滚动部署策略、多环境部署、自动扩缩微服务、蓝绿部署、服务发现与负载均衡、资源配额与限制、Pod 网络与安全策略等适用方向。快速开始部分给出了一个 Deployment 的 YAML 片段，包含命名空间、副本数、RollingUpdate 策略与 maxSurge、maxUnavailable 等字段，但资料中代码不完整。参考指南列出四类内容：带资源管理的完整 Deployment、部署脚本、服务账户与 RBAC。最佳实践分为应做与不应做两组，涉及资源请求与限制、健康检查、ConfigMap、安全上下文、服务账户与 RBAC、Pod 反亲和、命名空间隔离、避免 latest 标签、不以 root 运行容器等。
该技能用于分析竞争对手的 TikTok 内容策略与高表现视频。它通过 Apify 上的 apidojo 抓取器，拉取竞争对手 TikTok 账号的近期视频、互动数据、发布规律和话题标签使用情况，反向拆解其有效做法，供用户学习或差异化参考。使用前需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。技能会依次获取账号资料统计、近期视频数据，识别高表现内容模式，并输出包含账号概览、发布规律、热门视频、内容类型分布、热门话题标签、开头钩子模式、有效做法及差异化机会的分析报告。
memory-reflect 是一个“睡眠时间记忆反思”技能，用于在会话之外回顾近期对话与每日笔记，提取有价值的洞察并整合进长期记忆。它受 sleep-time compute 理念启发，认为记忆形成最适合发生在活跃会话之间。该技能可在 cron/心跳定时任务（建议每天 1-2 次）、用户主动要求反思或整合记忆、以及上下文窗口压缩事件之后运行。流程包括：收集近期材料（查找最近修改的笔记、读取每日笔记、检查活跃任务）、评估信息价值（保留影响未来工作的决策、经验教训、偏好与工作风格、关系细节；跳过临时性内容与已记录内容）、更新 MEMORY.md 长期记忆、并在当日笔记中追加反思日志。指南强调选择性提炼而非复制、保留智能体人格声音、不删除每日笔记、合并而非追加、标记不确定项、随时间重构结构，并检查文件系统问题。
PR Implement 是一个用于实现开源贡献计划的技能（Skill），采用基于 fork 的隔离式实现流程。它在实现 PR 前后强制执行隔离检查，确保提交干净、聚焦且范围明确。该技能适合在完成 pr-research 与 plan 之后执行外部 OSS 贡献计划，主要流程包括：前置工作检查（检查是否存在竞争性 PR 或 issue 已被认领，属阻塞阶段）、输入发现、Fork 设置、创建隔离工作区、隔离预检查（提交类型与文件主题分析，失败则阻止继续）、计划实现、隔离后检查（提交类型一致性、文件相关性、原子范围）、提交准备与交接给 pr-prep。提交需遵循项目约定，采用 type(scope): 描述 格式并关联 issue 编号。不适用于内部项目工作（应用 implement）或尚未规划的场景。
react18-lifecycle-patterns 是针对 React 18 的迁移参考技能，聚焦将三个不安全的类组件生命周期方法（componentWillMount、componentWillReceiveProps、componentWillUpdate）改写为符合 React 18.3.1 规范的写法。它提供「迁移前/迁移后」的对照模式，并附带决策指南：根据生命周期方法实际承担的语义（初始化 state、副作用、由 props 派生状态、读取 DOM、取消请求等）判断应迁移到 constructor、componentDidMount、componentDidUpdate、getDerivedStateFromProps 还是 getSnapshotBeforeUpdate，从而避免选错迁移目标。技能还专门强调 UNSAFE_ 前缀规则：加前缀只能压制 React 18.3.1 的警告，并不能解决并发模式安全、React 19 移除以及底层语义等问题，仅可作为临时过渡并需加 TODO 注释。它包含三个参考文件，分别覆盖各方法的完整前后代码示例与陷阱警告。
该技能用于汇总并输出 Magento 2 项目中当前生效模块所提供的全部 Hyvä CMS 组件。它优先使用 bin/magento CLI 命令（hyva:cms:describe-components 描述已启用组件、hyva:cms:list-disabled-components 列出已禁用组件）来获取项目真实状态；若项目中不存在这些命令（旧版 Hyvä CMS），则改用内置的 scripts/dump_cms_components.php 脚本。脚本会读取 app/etc/config.php 获取模块顺序，只保留取值为 1 的启用模块，在 app/code 与 vendor 目录下查找 etc/hyva_cms/components.json，并通过各模块的 etc/module.xml 建立路径与模块名的映射，最终按模块加载顺序合并 JSON，输出格式化后的单一 JSON 对象。适用于列出可用组件、调试 CMS 编辑器组件、验证新组件是否注册成功、检查模块间组件名冲突以及导出组件定义供文档使用。
该技能用于在 React 与 JavaScript 应用中实施 Lingui 国际化（i18n），适合添加多语言、翻译界面文本，以及使用 Trans、useLingui、Plural 等宏的场景。内容涵盖标准工作流（包裹 I18nProvider、标记消息、提取、翻译、编译、加载并激活语言包）、核心包导入方式、宏的选择（Trans、t、msg、plural）、复数与精确匹配、日期与数字格式化、消息 ID 与上下文、译者注释、配置与 Lingui 6 注意事项、目录（catalog）卫生与 CI 漂移检查，以及常见模式与排错方法。
autopilot-predict 是 Ruflo 生态中的一个技能，用途是借助已学习的模式与当前状态，预测下一步应执行的最优动作。它属于自动驾驶式工作流的一部分，适合让智能体在循环任务中自行决定接下来该做什么。技能通过调用 mcp__plugin_ruflo-core_ruflo__autopilot_predict 获取推荐动作；当置信度高于 0.7 时直接执行该预测，低于 0.7 时改为查看 autopilot_progress 的任务分解，并挑选优先级最高的未完成任务。完成工作后，可调用 autopilot_learn 更新模式。学习管道包括使用 autopilot_learn 从已完成任务中发现成功模式，以及用 autopilot_history 按关键字搜索过往完成记录，模式存储在 AgentDB 中以支持跨会话召回。与 /loop 集成时，该技能为每次迭代提供指引：高置信度预测立即执行，低置信度回退到任务列表优先级顺序，无剩余任务时禁用 autopilot 并退出循环。
doc-gen 是一个用于生成与维护文档的技能型工具，属于 ruvnet/ruflo 项目。它通过 MCP worker 调度来触发文档生成，并具备文档漂移（drift）检测能力：将当前代码与已有文档进行比对，标记出不一致之处。适用场景包括用户要求编写、更新或刷新文档，检测文档相对代码的漂移，或安排持续性的文档维护任务。使用方式上，可通过 MCP 调度 document worker，也可借助 CronCreate 定时执行文档维护；还支持限定范围生成，例如仅生成 API 文档或生成整个项目的文档，并提供对应的 CLI 命令，此外可将文档生成方法存入 memory 以便复用。
Git Workflow 是一个面向高级 Git 工作流自动化的技能，聚焦分支管理与 PR（Pull Request）生命周期。它适用于处理复杂 Git 操作的场景，例如多分支工作流、发布分支、冲突解决或 PR 协调。该技能通过调用一组 MCP 工具来执行具体操作：使用 github_repo_analyze 分析仓库健康指标，使用 analyze_diff-risk 在合并前检查差异风险，使用 github_pr_manage 执行 PR 生命周期操作，使用 github_metrics 查看合并频率、评审时间等指标。典型工作流包括功能分支与发布分支两种示例：功能分支通过 git checkout -b feat/my-feature 创建、提交改动、在发起 PR 前分析差异并以风险评估创建 PR；发布分支通过 git checkout -b release/v1.2.0 创建、cherry-pick 修复、对所有差异进行风险分析，并在风险评分可接受时合并。此外还提供 CLI 替代方式：npx @claude-flow/cli@latest hooks pre-task --description "git workflow"。
Safety Scan 是 ruflo 提供的一项安全扫描技能，用于检测输入内容中的提示注入、越狱尝试、数据外泄模式、指令覆盖攻击和社工提示等威胁。它基于 AIDefence 能力，适合在处理不可信输入（如用户提交、API 载荷、Webhook 数据）之前进行安全检查。该技能通过 MCP 工具调用实现，提供快速布尔判断、深度威胁分类、多层全面扫描、防御训练和统计查看等功能。