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
233,382 个结果
Antigravity Design Expert 是一个面向 UI/UX 工程的核心技能，用于构建具有空间纵深、失重感与玻璃拟态（glassmorphism）风格的高交互网页界面。它默认采用 React/Next.js、Tailwind CSS、GSAP（含 ScrollTrigger）以及 React Three Fiber 或 CSS 3D 变换等技术栈，强调浮动卡片、Z 轴分层、等距视角、视差滚动与错峰入场等动效。该技能适用于仪表盘、落地页或沉浸式产品界面等需要强视觉方向的项目，并内置对 prefers-reduced-motion 的无障碍适配与性能约束。
Syncfusion React Rich Text Editor 是来自 ej2-react-richtexteditor 包的一款富文本编辑器 React 组件（RichTextEditorComponent），支持以 HTML（所见即所得）或 Markdown 方式创建和格式化富内容。它提供工具栏、媒体插入、AI 辅助、智能编辑、表单验证和深度自定义等能力。安装方式为 npm install @syncfusion/ej2-react-richtexteditor，并可配合主题包（如 @syncfusion/ej2-tailwind3-theme）引入 CSS。组件通过 <Inject services={[...]} /> 按需注入模块（如 Toolbar、HtmlEditor、MarkdownEditor、Image、Link 等）以控制打包体积。常见用途包括在 React 应用中搭建 WYSIWYG 编辑器、配置工具栏、切换 HTML/Markdown 模式、插入图片、视频、音频和文件、处理编辑器取值与双向绑定、导入导出 Word/PDF、粘贴清理、表单验证和只读模式等。适用于需要在 React 前端构建内容编辑能力的开发场景。
该技能用于按地点抓取 TikTok 帖子数据。它通过 Apify 上的 apidojo TikTok Location Scraper 运行，输入 TikTok 地点或位置页面 URL，返回该地点下帖子的原始数据集，供后续分析使用。支持设置最大返回条数、自定义 JavaScript 转换函数，并且可通过 run_actor.js 脚本、REST API 或 Apify MCP 三种方式调用。输出字段涵盖帖子 ID、标题、观看量、点赞数、评论数、分享数、收藏数、标签、创作者信息、上传时间、视频 URL 与时长、音频标题以及帖子链接。该工具定位为原始数据采集，不预设具体使用场景。
该技能通过 Apify 平台上的 apidojo Twitter Profile Scraper，从指定的 Twitter/X 账号抓取推文、回复线程与互动指标等原始数据。它不预设分析用途，而是返回完整数据集，供后续分析使用。支持传入账号名或主页链接，可按日期范围、最小回复数、是否包含转推和回复、是否仅图片等条件筛选，并可设置最大抓取条数。输出字段涵盖推文文本、URL、转推数、回复数、点赞数、引用数、收藏数、创建时间、语言、是否为回复/转推/引用，以及作者的用户名、昵称、认证状态、头像和粉丝数。运行方式提供脚本、REST API 与 Apify MCP 三种途径，结果可输出为表格、CSV 或 JSON。
Framer Motion 的官方技能，专注于动画 variants（变体）——用于定义可复用的动画状态，并通过状态机、编排、交错（stagger）、重复与序列等方式协调多个元素的动画。适用于构建多步骤动画、跨多个元素的协调动画，或使用 variants 进行基于状态的动画控制。该技能界定动画状态对象、静态与动态 variants、编排（staggerChildren、staggerDirection、delayChildren、when）、重复动画及 repeatType 选项、关键帧（keyframes）与 times、基于 custom 的状态机，以及父子协调，并给出最佳实践与常见禁忌。
这是一个用于 React 18 升级的测试迁移技能，提供从 Enzyme 到 React Testing Library（RTL）的精确改写模式。由于 Enzyme 没有 React 18 适配器，也不存在支持 React 18 的路径，所有 Enzyme 测试都必须改用 React Testing Library 重写。该技能强调核心理念的转变：Enzyme 测试实现细节，RTL 测试用户可见行为；这不是一一对应的翻译，验证内部状态或实例方法的 Enzyme 测试在 RTL 中没有等价物，需要改写为断言可见结果。技能包含 Enzyme API 对照表（shallow、mount、find、simulate、prop、state、instance、configure）、异步模式（waitFor、findBy、act()、Apollo MockedProvider、加载与错误状态）、核心重写模板（render、查询、交互、断言四步），以及 RTL 查询优先级和 Provider 包裹方式。
yt-search-download 是一个 YouTube 视频搜索与下载工具，基于 YouTube Data API v3 进行高级搜索，配合 yt-dlp 下载视频、音频和字幕。核心能力包括：全站关键词搜索、频道视频浏览、按时间/播放量/相关度排序、按时长和发布时间过滤、下载视频（可选画质）、提取音频（MP3）、下载字幕（中英文，输出 SRT 与 TXT）、查看视频详情。使用前需配置 YouTube API Key（环境变量 YT_BROWSE_API_KEY）并安装 yt-dlp。脚本路径为 ~/.claude/skills/yt-search-download/scripts/yt_search.py，通过命令行调用 search、channel、download、info 等子命令。搜索结果以 Markdown 表格输出，需将标题翻译为中文后呈现。
ljg-structure 是一个用于结构分析的技能，帮助用户从一段信息中找出母题级别的结构，把抽象关系展开回具体可见的现象，再用风洞检验关键因果与边界。它区分主题、母题、类比与结构四个概念，强调结构是删掉领域名词后仍成立的因果骨架。适用于问题机制不明、现成方案贫乏、多个现象彼此牵动，或需要超出普通 AB 测试的探索场景。默认输出约 800-1500 汉字，一级标题为输入、母题、结构、结论，风洞作为内部推理步骤。结果可写入 org-mode 文件，路径为 ~/Context/{时间戳}--结构-{主题}__structure.org，用户明确要求只分析时不落盘。
NFL Data 是一个通过 ESPN 公开接口和 nflverse 后端获取 NFL 数据的工具，可查询赛程、每周阵容、逐回合数据以及标准化的球员/球队统计表。它提供命令行工具和 Python SDK，无需 API 密钥，零配置即可使用。支持实时比分、排名、球队名单、伤病报告、交易、深度图、球员与球队统计、胜率数据、梦幻趋势等。nflverse 后端需要安装额外依赖，且要求 Python 3.10+ 才能获得完整覆盖。
WASM Agent 是 ruflo 提供的一项技能，用于创建和管理运行在 WebAssembly 沙箱中的智能体，实现安全、隔离的代码执行。它适合运行不受信任的代码、试验智能体配置，或构建可在任何支持 WASM 的运行时上运行的可移植智能体。通过一组 MCP 工具调用，用户可以创建智能体、发送提示、授予工具访问权限、在沙箱内读写文件、导出打包智能体、列出运行中的智能体以及终止智能体。其核心优势是完整的沙箱隔离（智能体无法访问宿主机文件系统）、可移植、跨平台行为可复现，以及不会对系统造成损害的安全性。
面向 VTEX IO 店铺主题应用的版本管理技能，用于安装、发布、升级或回滚持有店铺内容的主题应用（如 vendor.store-theme），重点处理主版本变更导致 Site Editor 商家内容丢失的问题。
huashu-research 是一个结构化的网络调研流程技能，核心目标是让调研成果实时持久化保存到文件，避免会话截断导致工作丢失。当用户表达“调研”“搜索资料”“帮我查一下”“了解一下”“最新信息”等意图时触发。执行分为四步：首先在搜索前创建调研文件，路径为 _knowledge_base/research-<主题>-<YYYYMMDD>.md，初始内容包含调研目标、关键问题和预期输出；随后每次 WebSearch 后立即将发现追加到文件，每条发现附来源 URL 和日期，并遵循信息源优先级；每完成 3 次搜索保存一次阶段摘要；调研结束时整理为结构化简报，包含调研结论、关键事实、来源列表（含 URL、发布日期、可信度）以及待确认问题和写作建议。关键原则是先建文件再搜索、增量保存不等到最后、调研与写作分离、标注可信度、忽略过时信息源。该技能只做调研，不开始写草稿，调研文件可作为后续写作的输入素材，适合为写文章做前期调研、了解新产品新技术新发布、搜集竞品信息或行业动态等需要多次 WebSearch 的任务。
该技能用于在 TikTok 上发现品牌合作模式与赞助内容。它依托 Apify 平台上的 apidojo TikTok 抓取器，围绕某一产品品类，梳理正在投放 TikTok 达人营销的品牌、与其合作的创作者，以及赞助内容的互动表现基准。触发场景为用户提出诸如“查找某品类中哪些品牌在投放 TikTok 达人合作”一类需求。使用前需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。技能支持输入起始 URL、关键词、排序方式、地区、最大条数等参数，并输出品牌—创作者合作地图与基准数据。
该技能通过 Apify 平台上的 apidojo YouTube Channel Scraper 采集 YouTube 频道信息，可提取频道元数据、订阅者数量、视频数量和频道描述。其定位为原始数据采集工具，不预设具体使用场景，返回完整数据集供后续分析。输入支持频道 URL、频道句柄、搜索关键词，并可指定国家代码、语言代码、排序方式和最大返回数量。输出字段包括频道 ID、频道名称、频道 URL、描述、订阅者数、视频总数、缩略图、认证标识、家庭安全标识、频道关键词、可访问国家及标签等。运行方式支持推荐的 run_actor.js 脚本，也可通过 REST API 调用，或在有 Apify MCP 时使用 call_actor 工具。结果可保存为 CSV 或 JSON。需注意的边界情况：频道未找到时应检查句柄或改用 URL；订阅者数量可能以文本形式返回，需下游解析；部分频道未设置关键词时标签数组为空；私密或已终止的频道不会返回结果。
该技能用于从 YouTube 播放列表中提取全部视频数据，基于 Apify 平台上的 apidojo YouTube Playlist Scraper 实现。当用户需要获取某个 YouTube 播放列表中的所有视频，或通过关键词搜索播放列表时触发。支持输入播放列表 URL 或搜索关键词，可指定国家代码、语言代码、排序方式、最大返回数量，并可通过 JavaScript 自定义函数转换每个输出对象。输出为原始数据集，不预设使用场景，便于下游分析。返回字段包括视频 ID、标题、URL、描述、时长、观看数、点赞数、状态、频道信息、关键词、直播标记、私密标记和缩略图等。运行方式提供三种：推荐使用 run_actor.js 脚本，可输出表格、CSV 或 JSON；也可使用 REST API 调用；若 Apify MCP 可用，则通过 call_actor 工具调用。使用中需注意边界情况：私密播放列表返回 0 结果，已删除播放列表返回错误或为空，超大播放列表应使用 maxItems 限制数量以避免运行时间过长，YouTube 自动生成的 Mix 播放列表行为可能与用户创建的播放列表不同。官方未提供收费、价格等更多信息。
面向 React Native 0.76–0.82+ 与 Expo SDK 52–54 的开发技能，提供搭建、升级与排错指导。资料说明其覆盖强制开启的新架构、React 19 带来的变更（propTypes 移除、forwardRef 弃用、新 Hooks）、SDK 54 破坏性变更（expo-av 移除、expo-file-system 旧 API 迁移、Android 边到边强制）、Swift iOS 模板、Metro 日志转发移除、Chrome 调试器移除、JSC 移至社区、深层导入弃用等主题，并给出从 0.75 及更早版本迁移到新架构的路径与 16 类已知问题预防方案。开始前需 Node.js 20.19.4+、Expo CLI、Xcode 16.1+（iOS）。资料标注状态为 Production Ready，最后更新 2026-01-21。
这是一套面向 Node.js 与 TypeScript 开发的编码规范与最佳实践，来源于 mindrally/skills 技能库。内容覆盖三条主线：结合 Next.js 使用 Payload CMS 的目录结构与集合定义、Vue.js 组合式 API 与 TypeScript 的类型化组件写法、以及基于 Zod 的 TypeScript 数据校验。资料给出了项目目录示例、Payload 集合配置与 API 路由代码、Vue 的 props/emits 声明、composable 与 Pinia store 示例，以及 Zod schema、校验函数和 Express 校验中间件示例。此外还列出通用最佳实践，包括自定义错误类与全局错误处理、一致的 async/await 用法与并行 Promise 处理、以及单元测试、集成测试与依赖模拟等建议。该技能适合在编写或审查 Node.js 全栈代码时作为参考。资料未说明安装方式、收费、价格或平台限制，暂未提供相关信息。
这是一个面向营销内容生产的自动化流水线技能，帮助 AI 编程智能体搭建从关键词到成品的完整内容系统。它先抓取 TechCrunch、a16z、Twitter/X、LinkedIn 等来源过去 24 小时的新闻作为研究素材，再用 Claude 3 或 OpenAI 生成多种格式（toplist、POV、案例研究、how-to）的文章，并同步产出英语与越南语内容。随后通过 Remotion 自动渲染信息图与短视频，导出适配 Reels、TikTok、Shorts 的竖屏视频。项目基于 Next.js，需 Node.js 18+ 环境与相应 API 密钥，适合希望批量、多语言、多平台生产营销内容的开发者参考与集成。
ddd-context 是一个用于创建和管理 DDD（领域驱动设计）限界上下文的技能。它根据给定的上下文名称生成标准的目录结构，适用于启动新子域、将单体拆分为限界上下文等场景。该技能会校验名称是否为 kebab-case 且未在 src/ 下存在，然后创建包含 domain（entities、value-objects、events、services、repositories）、application、infrastructure 的目录树，并生成各层级的 barrel 导出文件（index.ts），其中上下文根 index.ts 仅公开 domain 与 application，不导出 infrastructure。此外，它还会将上下文信息存入领域模型图与记忆存储中，并报告创建结果与生成的文件列表。
workflow-create 是 ruflo 中用于编写工作流的技能，提供两种编写路径。其一是 MCP 工作流模板：可持久化保存、带暂停与恢复生命周期的定义，适合长期运行、需要人工审批把关、可中断续跑的任务流；使用方式是依次调用 workflow_template 查看可用模板、workflow_create 创建（指定步骤、条件与执行顺序）、workflow_list 列出所有已定义工作流、workflow_status 监控状态、workflow_delete 清理不再使用的工作流。其二是原生编排脚本：在 .claude/workflows/ 下编写 .js 文件，面向需要大量扇出子代理并聚合结构化结果的场景（如评审、审计、迁移、调研）。脚本必须以纯字面量 export const meta 块开头，正文在异步包装器中运行，可合法使用顶层 await/return。
GrepAI Search Boosting 是 GrepAI 的一项搜索增强技能，用于通过配置文件对搜索结果进行分数加权，从而优先展示重要代码路径、降低测试、文档和第三方代码的排名。该技能基于文件路径匹配模式，对原始搜索分数应用惩罚（factor < 1.0）或奖励（factor > 1.0）。例如，对 /tests/ 路径施加 0.5 的惩罚因子，可将测试文件分数减半；对 /src/ 路径施加 1.1 的奖励因子，可将源代码分数提升 10%。配置位于 .grepai/config.yaml 的 search.boost 节点下，支持启用/禁用、自定义惩罚与奖励列表。该技能适用于需要优化代码搜索排序的开发者，尤其适合在包含大量测试、文档、vendor 或生成代码的项目中，让生产代码优先呈现。资料提供了基础配置、完整配置、多种项目类型（标准、前端、Go、Python、Monorepo）的推荐配置示例，以及因子效果说明、模式匹配规则、排名影响对比、最佳实践和常见问题解答。
Contract & Proposal Writer 是一个用于生成专业商业文档的 AI 技能，可输出自由职业合同、项目提案、工作说明书、保密协议和主服务协议，支持美国（特拉华州）、欧盟（GDPR）、英国及 DACH（德国法）等司法辖区。该技能提供结构化 Markdown 输出，并附带转换为 DOCX 的说明，但不构成法律意见，仅作为高质量起点，高价值或复杂交易仍需律师审阅。它涵盖固定价格与计时开发合同、含时间线和预算的提案、交付物矩阵、双向与单向 NDA、MSA、司法辖区特定条款及 GDPR 数据处理附录。文档中提供关键条款选项，如付款条件、知识产权归属、责任上限、终止方式、保密期限、保证与争议解决。使用流程为：先收集文档类型、司法辖区、合作类型、双方信息、范围、金额或费率、起止日期及特殊要求，再选择模板并填充占位符，最后用 pandoc 转换为 DOCX。资料还列出各辖区注意事项、常用模板示例、DPA 条款块、常见陷阱与最佳实践，但未提供具体官方收费信息。
该技能用于审阅 SaaS 订阅协议，重点核查订阅交易中风险最高的条款，包括自动续约机制、价格上调、数据可携带与退出、可用性与 SLA、子处理者、服务变更与弃用，以及 AI/ML 训练数据权利与责任上限等。它在通用供应商合同审阅与团队预设立场（playbook）的基础上，叠加 SaaS 专属检查项。技能会先读取配置文件中的通用 playbook 与对应立场（销售侧或采购侧），并确定合同适用法辖区；若相关立场未配置或缺席，会向用户提问而不是采用硬编码阈值。审查结果可写入指定 matter 目录。所有引用需标注来源，未验证引用须显式标记并提示核验，缺少资料的项目明确说明暂未提供。
这是一个面向品牌营销的 AI 技能，用于发现 TikTok 上的 UGC（用户生成内容）微创作者。它通过 Apify 平台上的 apidojo TikTok 抓取器，按关键词和话题标签检索内容，收集创作者账号，再抓取创作者资料，最后依据互动率、浏览量/粉丝比、粉丝量级和领域内容浓度计算 UGC 评分，将创作者划分为 TIER 1、TIER 2、TIER 3 三个层级并输出名单。该技能主要面向需要为付费投放寻找真实、高性价比创作者的品牌与营销人员。使用前需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器；可通过脚本、MCP 工具或 REST API 运行。