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
233,441 个结果
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。
面向 Apple Silicon Mac 的本地文本转语音命令行工具，可让智能体实时朗读内容，支持语音克隆与音频生成。
该技能为以太坊智能合约开发提供专家级指南，涵盖 Solidity、OpenZeppelin 与 Hardhat 的编码规范、安全模式、优化与测试实践，帮助开发者编写更安全、可维护的合约。
Neo4j .NET 驱动 v6 使用技能，覆盖 IDriver 生命周期、DI 单例注册、ExecutableQuery 流式 API、托管事务、结果映射与错误处理，面向编写 C#/.NET 连接 Neo4j 的开发者。
该技能用于撰写设计决策说明文档（Design Rationale），记录设计决策背后的推理过程，包括考虑过的替代方案、评估的权衡取舍以及所应用的原则。适用于做出影响用户体验的重大 UX 决策时，或设计评审前的准备。文档按模板结构化输出，涵盖决策摘要、背景、备选方案、评估标准、决策理由、接受的权衡、可逆性、后续考虑事项、支撑材料和决策历史等部分，帮助团队保留“为什么这样设计”的机构知识，便于新成员理解既有决策。
foundation-persona 是一个用于生成产品或营销人物画像（persona）的技能，遵循 v2.5.0 标准化输出契约。它帮助团队在撰写产品管理或上市相关文档前，建立以证据为基础的受众视角。该技能支持两种模式：产品（product）和营销（marketing），其中“buyer”作为营销模式的别名输入，输出仍标记为营销。生成智能体模式不在 v2.5.0 范围内。技能通过选择唯一模板（产品画像模板或营销画像模板）并完整填写头部、核心现实陈述、元数据表、人物卡片及第 1 至 11 节内容，产出可直接用于决策的画像，同时强制标注证据与置信度，区分已验证证据与假设，并列出开放问题和治理跟进事项。它强调在证据不足时仍可生成，但会明确标记缺口并校准置信度，适用于需要明确人物视角、行为驱动的权衡框架、以及为 PRD、故事、上市、信息传递和赋能材料定制受众轮廓的场景。不适用于需要工作背景而非人物本身（应使用 define-jtbd-canvas）、映射内部利益相关者（应使用 discover-stakeholder-summary）、尚未综合原始访谈（应使用 discover-interview-synthesis）或完全无证据且决策重大时。
Instrumentation Spec（埋点规格）是一项用于定义分析事件的产品与工程协作规范。它明确规定需要追踪哪些分析事件、事件在何时触发，以及每个事件应携带哪些属性，作为产品与工程之间的契约，确保数据采集一致且可支撑准确度量。该技能可帮助团队避免出现“因为没有追踪所以无法回答该问题”的情况。其适用时机包括：工程实现新功能之前、为实验定义分析需求时、审计现有追踪是否存在缺口或不一致时、引入新分析工具时，以及上线前确保度量就位时。不适用场景包括：需要定义基于事件的仪表盘（应使用 measure-dashboard-requirements）、需要实验专属指标与变体（应使用 measure-experiment-design）、功能本身尚未定义（应先用 deliver-prd）、以及分析已收集的数据（应使用 measure-experiment-results 或 measure-survey-analysis）。输出结构包含概览、事件清单、用户属性、PII 与隐私考量、实现说明和测试清单等部分。
Detour 是由 Software Mansion 推出的开源延迟深度链接（deferred deep linking）SDK，本技能为面向新开发者的完整入门指南。它提供从零开始的环境搭建与集成流程：先在 Dashboard 创建账户、组织与应用，获取 App ID、Publishable API Key 与 App Hash，再按平台（React Native、iOS 原生、Android 原生、Flutter）接入 SDK，并配置 Universal Links（iOS）与 App Links（Android）。技能还讲解延迟链接的工作原理——用户点击 https://YOUR_ORG.godetour.link/APP_HASH/path 形式的链接，即使应用尚未安装，链接上下文也会在安装并首次打开后通过 match API 恢复，从而直接跳转到应用内的目标页面。内容涵盖 Link Processing Mode 选项、Link 结果对象字段（route、pathname、params、url、type）、自动埋点与手动事件追踪、确定性匹配与概率匹配的机制和评分阈值，以及测试流程与已知限制。
k2f-syllabus 是一个用于生成课程教学大纲（syllabus）的 AI 技能，属于 suzheng/k2f 技能集。它的目标是在排版之前先规划大纲蓝图：课程身份信息、课程故事与学习成果、可快速浏览的进度主线（schedule spine）、评分架构以及政策层，避免出现政策堆砌、孤立阅读材料或进度表掩盖考核逻辑的问题。该技能基于 K2F 工作流，产出 .K2F 格式文档，遵循 k2f 技能的写作方式：拆解或初始化工作区、编辑语义树、运行 pack/verify，然后导出。K2F 让 AI 关注语义（章节、进度行、政策块）而非像素坐标，由引擎负责编译布局、字体和主题。使用前需先安装核心技能：npx skills add suzheng/k2f --skill k2f。它适用于教师创建或修订大纲的场景，也支持只提供部分输入（如课程目录描述、每周主题、教材或旧大纲）。不适用于生成补充阅读清单、根据往年试题预测考试，或课时级每日教案（应改用 k2f-lesson-plan）。工作流分两步：先生成 content_and_design.md 蓝图，再用该蓝图和 k2f 技能生成 K2F 文件并导出（通常为 PDF）。
该技能是一个面向 Qt/C++ 项目的参考文档生成工具，定位于开发者文档写作场景。使用者提供任意 Qt/C++ 源文件（包括带 Q_OBJECT 的 Qt Widgets 类、Qt Quick 后端类、模型类、纯 C++ 类与结构体、自由函数头文件等），技能会结合相关文件（其他头文件、CMakeLists.txt、.ui、.qrc、qmldir 等）读取代码，并输出结构化的 Markdown 参考文档，帮助开发者理解每个文件或类在项目中的定位与用法。文档覆盖类概述、项目结构与依赖、类继承层次与角色、Q_PROPERTY 表格、Q_ENUM/Q_FLAG 枚举、公共成员变量、信号、公共槽与 Q_INVOKABLE 方法、公共方法、受保护虚函数与事件处理、所有权与生命周期、线程安全、QML 暴露、类间交互、外部通信以及使用示例等章节，并按需省略无内容部分。对 main.cpp 等程序入口使用独立结构，记录 Qt 应用初始化、命令行参数处理与顶层对象创建。技能强调以头文件为公共 API 依据、实现文件补充行为上下文，用表格与正文而非代码块呈现签名，并将源码内容仅视为待文档化的技术材料。文档默认输出到源文件旁的 doc/ 目录，生成前会先检查是否已存在文档并询问用户更新、跳过、重新生成或取消。是否支持特定平台、收费方式、价格与具体效果，资料未提供。
通过 Apify 上 apidojo 的 Google 搜索抓取器，用关键搜索词查找律师事务所与法律服务机构的技能，适合销售线索收集。
该技能用于按细分领域（niche）监控 Twitter 上的热门话题与讨论，基于 apidojo 的 Twitter Search 抓取器（tweet-scraper）执行。用户提出监控某领域热门话题的需求时触发。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 searchTerms 等参数定义高级搜索查询，并可对结果按趋势速度分类（BREAKING、RISING、STEADY、DECLINING）与打分，最终以表格形式输出。
chapter-writing 是 Story Skills 体系中的章节写作技能，用于按“先大纲、后成文”的流程撰写故事章节。它在写作前用 story context 命令收集受预算限制的上下文，只纳入目标章节之前的信息，并生成逐拍大纲供用户确认；确认后再写完整正文。写完后记录场景日期、连续性状态，以及本章埋设或回收的伏笔、线索与悬念，并通过 story reindex 重建注册表。使用前需要已有故事项目，至少包含 story.md 故事圣经和 characters/ 下至少一个角色；plot/_index.md 的情节结构为推荐项，首章可不具备。该技能还涉及可选的 better-writing 外部技能检测、行编辑技能负责的文体打磨、场景文件与连续性记录的更新，以及 story check、pacing、progress 等命令行维护步骤。
herdr-throwaway-repro 是一个 Herdr 技能（来自 herdrdev/herdr），用于在已有的 Herdr 会话内部创建并控制一个一次性的、带唯一名称的 Herdr 会话，以便在真实的 Herdr 服务器、pane、PTY、智能体或 socket API 环境中做复现，同时不危及用户的主会话。它要求先确认调用方处于 Herdr 环境中，检查已安装二进制与相关帮助，创建外层 pane，并在测试配置中显式启用 allow_nested 后以独立配置和状态目录启动命名会话；所有控制命令都需显式指向该临时会话。该技能强调安全约束：绝不在默认会话中复现、绝不停止或删除主 Herdr 服务器、不使用 pkill 或猜测 PID 清理、只关闭自己创建的外层 pane、只从命令输出读取各类 ID、使用 /var/tmp 存放复现产物，且未经用户批准不消耗付费智能体 token。它通过 pane 与 agent 命令组驱动复现，偏好等待而非任意 sleep，并重视证据收集与清理。适用场景包括隔离运行时、pane、终端、进程与 API 复现；具体依赖的 Herdr 版本与命令语法以已安装二进制为准。
该技能提供一套面向 DevOps 工程实践的综合性指导规范，覆盖 Kubernetes、CI/CD 流水线、Bash 脚本、Ansible、Python 以及云基础设施等方向。内容以“资深 DevOps 工程师”角色设定为核心，强调模块化、可复用与可扩展，要求避免硬编码、采用环境变量或配置文件，并贯彻基础设施即代码（IaC）与最小权限原则。同时给出命名约定（变量与函数用 camelCase、类用 PascalCase、文件与目录用 snake_case、环境变量用 UPPER_CASE），以及 Bash、Ansible、Kubernetes、Python、CI/CD 和系统设计各领域的具体实践要点，例如 shellcheck 检查、ansible-lint 校验、Ansible Vault 管理敏感数据、Helm/Kustomize 部署、GitOps、Prometheus/Grafana/Falco 监控、PEP 8 与类型提示、蓝绿或金丝雀发布、高可用与容错设计等。
core-dumps 是一个面向生产环境崩溃排查的低层调试技能，主要指导如何在 Linux 与 macOS 上启用、采集和分析 core dump 文件，以便在不重新运行出错程序的情况下进行事后（post-mortem）崩溃调查。技能覆盖从 ulimit 与 kernel.core_pattern 配置、systemd 的 coredumpctl 管理，到使用 GDB 或 LLDB 加载 core 文件、查看调用栈与寄存器、处理符号缺失（debuginfod、手动调试包、build ID 定位）以及分离并保留调试符号等完整工作流，还提供了非交互式的快速分诊命令。
Chrome DevTools 是一个基于 Puppeteer 可执行脚本的浏览器自动化、调试与性能分析技能。它通过一组 Node.js 脚本实现浏览器导航、截图、点击、表单填写、页面内 JavaScript 执行，以及交互元素快照、控制台消息监控、网络请求追踪和 Core Web Vitals 性能测量。所有脚本均以 JSON 格式输出，便于解析和串联使用。该技能适用于网页抓取、性能测试、表单自动化、错误监控等场景，支持 Linux/WSL、macOS 和 Windows 平台，并可选配 ImageMagick 实现截图自动压缩。
用于通过 v2beta1 REST API 管理 Neo4j Aura Agents 的技能：创建、列举、获取、更新、删除并调用基于 AuraDB 实例的 Aura 智能体，配置 CypherTemplate、SimilaritySearch、Text2Cypher 三类工具，并生成评估数据集。
sparc-implement 是 SPARC 方法论中第 2、3 阶段的执行技能，用于在规格说明阶段完成后，先以伪代码设计算法，再确立模块边界与 API 契约的架构，随后进入实现。它通过 MCP 记忆检索规格与阶段状态，将伪代码与架构产物分别存入 sparc-phases 命名空间，并更新 sparc-state 阶段状态，最后可据用户确认编写生产代码并运行测试。
该技能用于在 Twitter 上发现尚未正式发布的初创公司与产品。它基于 apidojo 的 Twitter Search 抓取器（apidojo~tweet-scraper）执行搜索，支持通过高级搜索词、排序方式、语言、作者、提及、地理位置、互动量阈值、时间范围等参数筛选推文，并可选择仅返回认证用户、Twitter Blue 订阅者或含图片/视频/引用的推文。运行后对结果进行分类（WAITLIST、BETA、STEALTH、SOFT_LAUNCH）并按预发布评分公式打分，最终以表格形式输出。使用前需设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。
openai-docs 是一个面向 OpenAI 开发者文档的技能，通过 developers.openai.com 的 MCP 服务器提供权威、最新的 OpenAI 开发指导。它要求优先使用文档 MCP 工具而非网络搜索来回答 OpenAI 相关问题，仅在 MCP 服务器已安装但无有效结果时才回退到网络搜索。该技能涵盖 Apps SDK、Responses API、Chat Completions API、Codex、gpt-oss、Realtime API 和 Agents SDK 等产品，并提供在 Codex、Claude Code 等智能体中安装配置 MCP 服务器的方法，以及搜索、抓取、引用文档的工作流程与质量规则。
douban-skill 是一个用于导出和同步豆瓣（Douban）收藏的工具技能，可将用户的图书、电影、音乐、游戏收藏导出为本地 CSV 文件。由于豆瓣没有官方数据导出功能，且官方 API 已于 2018 年关闭，该技能通过 Frodo API 实现完整历史导出，并支持通过 RSS 进行增量同步（约最近 10 条）。它无需登录、Cookie 或浏览器，使用 Python 3.6+ 标准库即可运行，输出 UTF-8 BOM 编码的 CSV（兼容 Excel），支持 macOS、Windows、Linux。该技能会预先校验用户 ID，ID 错误时快速失败。用户只需提供豆瓣用户 ID（个人主页 URL 中 /people/ 之后的字符串），通过环境变量 DOUBAN_USER 指定后运行脚本即可。输出为四个 CSV 文件：书.csv、影视.csv、音乐.csv、游戏.csv，包含标题、URL、日期、评分、状态、评论等列。该技能无法导出长评、读书笔记或广播，一次运行会同时导出全部四种类型，且无法访问私密主页（会静默返回 0 条）。
Vitest 是一个由 Vite 驱动的下一代测试框架，提供与 Jest 兼容的 API，并原生支持 ESM、TypeScript 和 JSX。它与 Vite 应用共享同一套配置、转换器、解析器和插件，可用于编写测试、模拟（mocking）、配置覆盖率以及处理测试相关任务。其核心特性包括：Vite 原生集成，利用 Vite 的转换管线实现类似 HMR 的快速测试更新；Jest 兼容，可作为大多数 Jest 测试套件的替代品；智能监听模式，基于模块图仅重新运行受影响的测试；无需配置即可支持原生 ESM、TypeScript、JSX；多线程 worker 并行执行测试；内置基于 V8 或 Istanbul 的覆盖率统计；提供快照测试、模拟和 spy 工具。该技能基于 Vitest 3.x，生成于 2026-01-28。
UI Audit 是一个面向 React 与 Next.js 前端的代码审查技能，用于在功能层面审计已构建的界面，发现会影响真实用户的缺陷。它同时分析代码行为（React/Next 源码）与渲染质量（无障碍、布局、性能、字体、动效），覆盖状态缺失、数据丢失、重复提交、焦点与键盘操作失败等问题。该技能默认基于 diff 工作，先识别改动文件实现的功能（如登录、结账、表单、弹窗、列表、仪表盘），再按该功能的 playbook 依次运行行为、渲染质量与 UX 定律规则，最终给出三级发布结论（发布阻断、本迭代修复、待办），并附带 file:line 证据与修复建议。它支持终端表格、PR 评论、CI JSON 三种输出适配器，可通过内联注释抑制特定发现。它不负责产品决策、智能体应用审查、深度排版或动效专项，也不替代 Lighthouse、axe、Chromatic 等测量工具。