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
233,434 个结果
该技能名为 Monitoring Tech Acquisition News Google，属于 apidojo 智能技能库，通过 apidojo 的 Google Search scraper 监控科技领域收购新闻与并购（M&A）动态。当用户提出追踪科技收购新闻、监控 M&A 等需求时触发。技能依赖 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。支持输入 startUrls、searchTerms、countryCode、languageCode、maxItems、maxPagesPerQuery、mobileResults、customMapFunction 等参数，并经由 apidojo~google-search-scraper 执行抓取。工作流涵盖定义参数、运行 Actor、过滤与分类结果、按质量与相关性评分、输出交付五个步骤。结果分类包括 CONFIRMED、REPORTED、RUMORED、DENIED，并按交易重要性公式评分。适用于科技并购新闻监控与情报整理场景。
该技能用于从公司 Twitter 账号中追踪招聘信号与增长指标，基于 Apify 平台上的 apidojo Tweet scraper 抓取推文。当用户需要查找招聘公告、增长信号或公司扩张迹象时触发。技能通过搜索词抓取推文，提取职位与团队信息，计算增长信号评分，并输出招聘情报报告。需要设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。
Linux 系统管理技能，面向 Debian/Ubuntu 与 RHEL/CentOS 等发行版的生产服务器、开发环境和基础设施主机。涵盖软件包管理（apt、dnf）、系统信息查看、文件系统与磁盘管理、进程管理、cron 定时任务、日志管理、网络基础与防火墙、以及常见故障排查。适合在需要配置和维护 Linux 服务器、安装更新软件、排查资源占用与日志问题时使用。
Review Swarm 是一个只读的多智能体代码审查技能：它围绕当前 git diff 或用户显式指定的文件范围，并行启动四个只读子智能体，分别从意图与回归、安全与隐私、性能与可靠性、契约与覆盖四个角度审查变更，再由主智能体合并、过滤和排序发现的问题，只保留真正重要的事项，最后给出修复优先级建议。该技能本身不修改文件、不打补丁、不提交，也不执行修复，只输出审查结论和后续建议。
这是一个面向独立创业者（solopreneur）的商业计划书写作与维护技能，指导用户从零撰写、结构化组织，并在业务转型或进入新阶段后更新商业计划。它按十个步骤依次展开：执行摘要、公司概览、问题与解决方案、市场分析、竞争格局、商业模式与收入模型、运营计划、营销与销售计划、财务预测、风险评估，并附有常见错误清单。核心主张是把商业计划视为随现实不断更新的活文档，强调区分假设与事实、展示推算过程、诚实评估竞争对手，并定期（前六个月每月、之后每季度）更新。
投资政策声明（IPS）构建技能，用于制定规范投资决策的治理文件，涵盖收益目标、风险承受能力、投资约束、资产配置区间、再平衡政策、基准选择与审查周期。适用于用户询问投资政策声明、收益目标、风险承受能力、投资约束、资产配置、再平衡、基准选择或管理人筛选等场景。
Golf Data 是一个通过 ESPN 公开接口获取高尔夫赛事数据的技能，覆盖 PGA Tour、LPGA 和 DP World Tour（原欧巡赛）。它提供赛事排行榜、逐洞记分卡、赛季赛程、球手资料与赛季概览以及高尔夫新闻。该技能以 sports-skills 命令行工具形式使用，无需 API 密钥，需 Python 3.10+。使用时必须指定巡回赛参数（pga、lpga 或 eur），球手 ID 需从排行榜结果或 ESPN 链接获取，不可猜测。
这是一个面向移动应用开发的技能（Skill），专注于 React Native、Flutter 以及原生 iOS/Android 开发。它覆盖跨平台开发、现代架构模式、性能优化、离线数据同步、原生集成、测试、CI/CD 部署、安全合规与上架优化等主题，可在移动开发任务中提供最佳实践、检查清单和可执行步骤。
mdr-745-specialist 是一个面向欧盟医疗器械法规 EU MDR 2017/745 的合规专家技能，用于协助处理医疗器械分类、技术文档、临床证据与上市后监督等工作。该技能围绕 MDR 附录 VIII 分类规则、MDCG 2019-11 软件分类算法、附录 II 和 III 技术文档、附录 XIV 临床证据以及第七章上市后监督体系展开，覆盖 EUDAMED 与 UDI 的实施要求。技能还提供 MDR 差距分析工具，可根据设备名称和风险等级运行评估，识别合规缺口并生成优先级建议。适用于医疗器械制造商、合规人员、临床评估人员及质量管理人员在欧盟市场准入准备阶段使用。
这是一个用于抓取和分析 TikTok 评论的技能，基于 apidojo 在 Apify 上的 TikTok Comments scraper 实现。它可以从指定视频或创作者处拉取公开评论，用于受众情绪分析、产品研究或竞品情报。触发时机包括用户提出抓取 TikTok 评论、分析评论情绪或做受众研究等需求。使用需要设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP server。输入参数包括 startUrls（必填）、includeReplies、maxItems 和 customMapFunction。工作流包含明确研究目标、运行 actor、清洗数据、按目标分析（情绪、产品反馈、受众画像、高赞评论）以及按固定格式输出结果。具体价格、平台支持和效果数据暂未提供。
小红书自动化技能集合，通过统一的 Python CLI 脚本完成小红书相关操作。支持认证登录与多账号切换、图文和视频内容发布、关键词搜索与笔记详情浏览、评论回复点赞收藏等社交互动，以及竞品分析、热点追踪、批量互动等复合运营工作流。所有操作均通过 python scripts/cli.py 子命令执行，输出为 JSON 格式，操作前需确认登录状态，发布和评论需用户确认。
gemini-omni 是 OpenMontage 中封装 Google DeepMind Gemini Omni Flash（模型标识 gemini-omni-flash-preview）视频生成与编辑能力的工具。它通过原生 Gemini API 调用，可生成 3-10 秒、720p、24fps、带合成音频的短视频，并支持基于会话状态的多轮对话式编辑：每次生成会返回 interaction_id，后续调用可携带 previous_interaction_id 对同一段视频进行原地修改，无需重新生成。该工具支持文生视频、图生视频、参考图绑定（<FIRST_FRAME>、<IMAGE_REF_N> 标签）、时间码分镜调度以及屏上文字渲染。除直连 Gemini API 外，资料还列出 fal.ai、Runway、ComfyUI 合作节点等替代路由，但这些网关路由无法保留 Google 的交互 ID 工作流。使用时需注意其仅支持付费层级、按输出视频时长计费、不支持种子与负面提示词等预览阶段限制。
Linux perf 是一个用于 Linux CPU 性能分析的性能剖析技能，指导智能体使用 perf 工具进行采样剖析、硬件计数器测量、热点识别，并可将结果与火焰图生成流程结合。内容涵盖安装与权限配置、perf stat、perf record、perf report、perf annotate、perf top、火焰图生成以及常见问题排查和常用事件列表。
ADR Index 是一个用于构建或重建 ADR（架构决策记录）索引与依赖图的技能，来自 ruvnet/ruflo。它通过运行 scripts/import.mjs 一次性完成导入，将 */docs/adr/ 或 */docs/adrs/ 下的所有 ADR 持久化到 adr-patterns 命名空间，并将 supersedes、amends、related、depends-on 等关系写入 adr-edges。该技能同时支持 v3 风格（# ADR-097: 标题 + **Status**: Proposed）和插件风格（YAML frontmatter，id: ADR-NNNN）两种 ADR 格式，相比逐条调用 MCP 工具更快，并能避免把 issue 编号误判为 ADR 引用。适用于从其他项目导入 ADR 后、AgentDB 图与磁盘 ADR 文件不同步时，或在既有代码库上引导 ADR 跟踪。注意它只能新增或更新，无法删除已移除的 ADR 记录，需配合 adr-reindex 处理删除。
ddd-validate 是一个用于审计领域驱动设计（DDD）代码库的技能工具，主要用途是校验领域边界完整性，检测跨限界上下文的导入违规以及聚合不变量相关问题。它会扫描 src/*/domain/ 下的所有限界上下文，检查各上下文内的 .ts 文件是否直接引用了其他上下文的 domain/ 目录（允许通过其他上下文的公开 index.ts 应用层导入），从而发现领域模型之间的泄漏。除边界检查外，该技能还会检查聚合根实体的不变量约束执行情况（如绕过校验的公开 setter、缺少不变量检查的可变公开属性、子实体是否可被直接访问）、领域事件命名规范（应为过去时、不可变、携带聚合 ID）、以及仓储模式（接口应位于 domain/repositories/，实现应位于 infrastructure/）。检查结果会以表格形式输出，包含文件路径、行号、违规类型与建议，并按 BOUNDARY、INVARIANT、EVENT、REPOSITORY 分类，最后给出违规总数、分类与严重程度的汇总。
iot-register 是一个用于注册 Cognitum Seed 设备并建立智能体桥接的技能。它通过指定端点创建 SeedClient 连接、获取设备身份并分配初始信任级别。默认端点为 http://169.254.42.1/，即 Cognitum Seed 的链路本地 USB 以太网地址；未提供端点时使用该默认值。注册流程包括：解析端点、执行注册命令、可选配对、查看设备状态，并将注册事件写入记忆存储。
market-pattern 是一个用于从已摄入的 OHLCV 数据中检测并分类 K 线形态的技能。它会扫描市场数据中的已知蜡烛图形态，按类型与可靠性进行分类，并存储以供后续参考。该技能需要先通过 market-ingest 完成数据摄入。
trader-train 是 ruvnet/ruflo 提供的一项技能，用于借助 neural-trader 的机器学习引擎，在行情数据上训练神经网络预测模型。它支持 LSTM、Transformer、N-BEATS 三类模型，可通过 npx neural-trader 命令行调用，指定模型类型与交易代码（TICKER）进行训练，并输出损失曲线、验证指标与预测准确率。该技能还支持生成带置信区间的预测（可设置置信度与预测周期，如 5 天），以及跨模型性能对比。训练结果可存入 trading-analysis 命名空间，并可进一步用 SONA 对模型结果进行训练。
K2F Academic Paper 是一个面向 AI 智能体的学术论文写作技能，帮助智能体在排版之前先完成可发表稿件的内容与设计蓝图。它强调先规划再写作：明确核心贡献主张、选择与目标期刊或会议匹配的结构、将论点与证据逐条对应，并给出排版设计意图，使成稿呈现严肃期刊论文的气质，而非普通文章或过长的博客。该技能基于 K2F 体系工作，产出 .K2F 包；作者需要先安装并遵循 k2f 技能完成工作区解包或初始化、编辑语义树、执行 pack/verify 校验，再导出成品。安装命令为 npx skills add suzheng/k2f --skill k2f。适用场景包括：根据用户材料起草或重构 IMRaD 论文、会议论文、文献综述或学位论文章节；在撰写全文之前，将笔记、预印本或审稿意见整理为更清晰的提纲；在 K2F 编译前定义各章节、图表应如何表达与呈现。
Flutter 是一个跨平台移动应用开发框架。本技能文档围绕 Flutter 项目开发，整理了一套基于 Riverpod 状态管理、Freezed 数据模型、go_router 路由导航和 mocktail 测试的工程实践参考。内容涵盖项目分层目录结构（core、data、domain、presentation）、Riverpod 各类 Provider 与 Notifier 模式、AsyncValue 加载/错误状态处理、Freezed 不可变模型与联合类型、go_router 路由配置与跳转方式、Widget 构建模式、单元与 Widget 测试写法，以及 pubspec.yaml 依赖、GitHub Actions 持续集成配置和 analysis_options.yaml 静态检查规则。文档还列出了常见反模式提醒，例如避免在回调中使用 watch、避免在 Widget 内写业务逻辑等。
该技能用于在 TikTok 上监测品牌提及与产品讨论，基于 Apify 平台上的 apidojo TikTok 抓取器（apidojo~tiktok-scraper）实现。它通过品牌话题标签和关键词搜索收集 TikTok 内容，并对结果进行分类与评分，包括内容类型（开箱、评测、投诉、教程、娱乐等）、情感倾向（正面/负面/中性）以及病毒传播信号（播放量与创作者粉丝数之比）。技能还提供危机检测逻辑，当出现高播放量负面帖子、48 小时内多条投诉或负面帖评论互动率过高时触发 CRISIS_ALERT。使用前需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。支持通过 run_actor.js 脚本、Apify MCP 工具或 REST API 运行，可输出表格、CSV 或 JSON。最终生成包含整体情感、内容类型分布、热门帖子、危机警报和主要倡导者的监测报告。
ATXP Memory 是 ATXP CLI 提供的智能体记忆管理工具，用于管理智能体的 .md 记忆文件。它支持将 .md 文件备份到 ATXP 云端服务器并从云端恢复，同时可在本地使用 zvec 向量相似度搜索对记忆文件进行检索。云端操作仅收集和传输 .md 文件，通过 HTTPS 发送并与已认证的智能体身份关联；本地索引和搜索完全离线，无需认证或网络。
PDF Processing Pro 是一套面向生产环境的 PDF 处理工具包，提供预置脚本、完善的错误处理机制，支持表单处理、表格提取、OCR 识别、数据校验和批量操作等复杂工作流。适用于需要在生产环境中处理复杂 PDF 流程的场景，例如批量处理发票、报告和表单提交文件。该工具包包含表单分析、表单填写、表单校验、表格提取、文本提取、PDF 合并、PDF 拆分和 PDF 完整性校验等脚本，并提供一致的错误处理模式、退出码和日志功能。依赖 pdfplumber、pypdf、pillow、pytesseract、pandas，OCR 功能可选装 tesseract-ocr 系统包。
dex-plan 是 dcramer/dex 项目中的一个技能，用于将 Markdown 规划文档（如计划、规格说明、设计文档、路线图）转换为可跟踪的 dex 任务。它读取 Markdown 文件，从首个一级标题提取标题（去除“Plan: ”前缀，缺失时用文件名），创建包含完整 Markdown 内容作为上下文的主任务，并分析文档结构，在合适时自动拆分为子任务。支持最多三级层级（Epic、Task、Subtask）。当计划包含 3-7 个可分离工作项、跨多文件/组件、存在顺序依赖或独立可跟踪项时创建子任务；当计划包含多个主要阶段、5 个以上不同工作领域或跨多系统时创建 Epic 级拆分。若计划为单一内聚任务、仅 1-2 步、工作项紧密耦合或属于探索性研究，则保持单一任务。使用方式为 /dex-plan <markdown-file-path>，可附加 --priority 和 --parent 选项。