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 11-17 00:07

全部 Skills

254,838 个结果

superset-automate

Superset Automate 是一个把重复性日常任务转成定时自动化的技能。它先帮你梳理任务的目标、频率、输入与完成标准,然后起草一份给零上下文智能体执行的提示词;若任务规则会变化,建议把规则放入运行时读取的文档。接着通过 superset projects list 或 superset workspaces list 选择目标:项目目标每次运行创建全新工作区,适合大多数任务;工作区目标复用同一工作区,适合有状态任务。创建前会用 ask_user 等工具向你确认名称、RRULE 排期、智能体、目标及将要执行的确切命令,未经明确确认不会创建。确认后用 superset automations create 命令配合 --name、--rrule、--timezone、--project 或 --workspace、--agent、--prompt-file 等参数创建,可加 --host 指定其他机器运行,多行提示词建议用 --prompt-file。创建后立即运行一次,查看日志并迭代提示词,直到首次真实运行结果符合预期。

办公与效率133 次安装

superset-setup

superset-setup 是一个面向 Superset 工作区的仓库配置技能,用于让仓库做到“Superset-ready”。它会先检查仓库的包管理器与安装命令、环境变量文件、依赖服务与开发命令端口、monorepo 结构等信息,然后编写 .superset/config.json,用 setup、teardown、run 和可选 cwd 字段接入生命周期脚本,使每个新建的隔离 git worktree 工作区在创建时自动完成依赖安装、环境准备与服务连接,无需手动步骤。技能强调 setup 脚本需幂等且快速(目标一分钟内)、从主检出复制密钥与环境变量而非提交、支持通过 gitignored 的 config.local.json 扩展前后脚本,并要求在写文件前向用户展示方案并获得明确批准。最后需用 superset workspaces create 创建临时工作区,观察 Workspace Setup 输出,反复修复直至干净完成后删除测试工作区。

部署与运维133 次安装

data-dashboard

data-dashboard 是一个面向 UI/UX 智能体技能的“数据仪表盘”构建技能,用于制作信息密度高、以数据为主的屏幕,例如分析控制台或交易终端。它要求先明确读者与决策、领先指标、更新频率和合理密度,再按分带布局组织英雄指标、次级数字、多种图表形状、可排序表格与日志以及页脚,避免四张等宽统计卡片的模板化外观。所有图表均使用内联 SVG(viewBox、CSS 定尺寸、--color-chart-* 填色),不依赖图表库或运行时,涵盖柱状图、K 线、成交量、移动平均、折线/迷你走势、堆叠面积、深度图、瀑布图、环形图、径向仪表、散点/气泡、相关矩阵、热力图和订单簿等。技能强调领域正确性(相关矩阵对称、堆叠面积求和、瀑布闭合、深度单调、环形图总数正确)、逐图无障碍契约(role="img"、aria-label 或 title/desc、不以颜色单独编码含义、表格 caption 与 scope、真实可交互状态)以及实测才能发现的陷阱(图表配色不作文字色、过渡中不可运行 axe、手机裁列、栅格拉伸、auto-fit 丢列、分类标签缺失、sr-only 定位祖先等),并提供量测、状态、无障碍、响应式、交互与审美审计脚本的验证循环,最后需在两种主题和两种宽度下截图人工检查。

前端与建站133 次安装

python-code-style

该技能(python-code-style)是这套技术栈中“规范的 Python 代码风格”的唯一负责人,负责使用 ruff 进行代码检查、格式化,以及使用 numpydoc 规范编写文档字符串。它包含三项主要职责:一是将项目自带的 ruff.toml 模板放置到项目根目录;二是对本次刚编辑过的 Python 文件依次运行 ruff format、ruff check --fix、ruff check 三步命令;三是为公共函数和类撰写符合 numpydoc 格式的文档字符串。该技能被明确设计为手动执行——由 Claude 对本轮修改过的文件主动运行 ruff,而不通过任何钩子自动触发。其工作范围仅限于本轮生成或修改的 Python 文件,不扩大到未修改文件,也不使用 black、isort、flake8、pydocstyle、pylint 等替代 ruff。该技能还包含完善注释上下文的职责,即把模板或流程性文字替换为与数据科学问题相关的具体描述。具体的适用环境、命令细节与限制以其说明文件为准,收费、价格等信息暂未提供。

编程与开发133 次安装

scrub-issue

scrub-issue 是一个用于处理 GitHub issue 复现的 AI 技能,来源于 pytorch/pytorch 仓库。它能够抓取指定 issue 的正文与评论,判断该 issue 是否可操作(如是否已关闭、重复、非缺陷报告、跟踪类 issue 或需要不可用硬件),评估其是否包含合理的复现脚本,检查复现是否仍然存在,并系统性地将复现脚本最小化为尽可能小的自包含脚本。该技能还包含安全审查清单,在运行复现代码前检查网络请求、文件操作、命令执行、外部文件加载、混淆代码、包安装等风险,并可通过工具检查复现代码作者是否为 PyTorch 协作者。它支持通过 gh 命令获取 issue、添加标签、发表评论,并通过 tools/stale_issues.py 保存和恢复通知订阅状态。适用于需要验证、复现和精简 PyTorch GitHub issue 的场景。

编程与开发133 次安装

selection-randomizer

Selection Randomizer 是一个用于随机抽选获奖者或参与者的技能,适用于抽奖、赠品活动和比赛等场景。它支持从 CSV、Excel、Google Sheets 或纯文本列表中抽取中奖者,可一次抽取一名或多名,并提供去重、排除往期中奖者、加权抽选和候补名单等功能。该技能强调公平性与透明性,采用加密级随机数生成,显示抽选过程和中奖者详情,并记录时间戳以便核验;在加权模式下可按“entries”列等概率权重进行抽选。使用时可通过自然语言指定数据来源和抽取数量,例如从 Google Sheet 中抽取一名中奖者,或从 entries.csv 中抽取 3 名中奖者并避免重复。

办公与效率133 次安装

specification-executor

该工具是一个基于工作区平台(如 Notion)的规格执行器(Specification Executor),用于将文档化的规格说明(specification)转化为可执行的开发任务。它通过搜索并读取规格文档、解析需求、生成实施计划、在任务数据库中创建具体任务,并跟踪进度,帮助团队把需求文档落地为开发工作流。主要操作步骤包括:查找规格、抓取规格内容、提取需求、创建实施计划页、定位任务数据库、创建任务、开始实施并持续跟踪进度。

办公与效率133 次安装