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
233,487 个结果
DOCX Generator 是一个用于以编程方式创建和操作 Word DOCX 文件的技能。它支持两种工作模式：模板模式可分析现有品牌模板中的占位符（如 {{TITLE}}、${author}），并用实际内容替换，同时保留原有格式；从零模式则通过 JSON 规格文件生成全新文档，支持标题、段落、文本样式、表格、页眉页脚、超链接等元素。该技能适用于自动生成报告、合同、信函等文档，或从现有 DOCX 中提取文本、表格和结构。使用前需安装 Deno，且仅支持 DOCX 格式，不支持旧版 .doc、修订记录、批注、宏及复杂编号方案。
Anime.js 是一个 JavaScript 动画库，本技能提供使用该库构建高性能网页动画的专家级指南。内容涵盖安装与导入（支持完整导入和按需模块化导入）、基础动画写法、性能优化（帧率控制、优先使用 GPU 加速的 transform 属性而非触发布局重算的属性、使用 Animatable 处理高频更新）、时间线动画与播放控制、交错（stagger）动画、内置与自定义缓动函数、SVG 路径动画与线条绘制及形变、基于函数动态生成动画值、回调与循环事件、React 集成方式、Web Animations API 桥接，以及无障碍方面对减少动态偏好（prefers-reduced-motion）的适配。适合前端开发者在实现界面动效、SVG 动画和复杂动画序列时参考，以兼顾效果与运行性能。
trader-regime 是一个用于检测当前市场状态的技能，基于 neural-trader 的状态检测引擎，将市场划分为牛市、熊市、震荡或高波动等类型，并给出推荐策略。适用于用户询问市场状态、行情判断或需要结合技术指标进行策略参考的场景。该技能通过 npx 命令调用 neural-trader，支持单标的与多标的检测，并可获取 RSI、MACD、布林带、ADX、ATR 等技术指标作为上下文。此外，它还能借助 SONA 进行状态预测、检索相似历史状态，并将分析结果存入记忆命名空间 trading-analysis。
trader-risk 是 ruflo 技能集中的投资组合风险评估技能，基于 neural-trader 风险引擎运行。它用于对单一标的或整个投资组合进行风险量化，涵盖 VaR、CVaR、Sharpe、仓位规模计算以及熔断器状态检查。使用时通过 npx neural-trader 命令完成风险评估、相关性检测、风险容忍度与 Kelly 仓位计算等操作，并将结果以风险指标、仓位建议、已触发熔断器和告警的形式呈现，最后可写入记忆存储。该技能适合需要量化风控的量化交易与组合管理场景。
vector-embed 是一个用于生成和存储向量嵌入的技能，基于 ruvector npm 包（版本 0.2.25）。它使用 ONNX all-MiniLM-L6-v2 模型将文本、代码或文档转换为 384 维向量，并进行归一化后存入 HNSW 索引，可用于语义搜索、相似度比较或聚类。该技能通过 npx ruvector@0.2.25 embed text 命令调用，支持单条文本嵌入、输出到文件以及自适应（LoRA）变体。ruvector 宣称具备每秒 52,000+ 次插入和约 0.045 毫秒的搜索性能。使用时需确保 ruvector@0.2.25 可用，若 ONNX WASM 文件未打包则需额外安装 ruvector-onnx-embeddings-wasm。该版本不支持 --batch、--glob 或 --file 标志，批量处理需自行在 shell 中循环调用。也可通过 MCP 方式注册服务器后调用相关工具。
Voice Builder 是一个用于构建可复用声音指南（voice.md）的技能。它通过分析个人或品牌真实的写作样本，提取其写作声音，使其他社交技能能够以完全一致的声音进行写作。核心原则是：声音应从证据中提取，而非用形容词描述。该技能适用于在 brand-profile 之后深入分析声音、内容总是显得通用或僵硬、以及大规模代笔等场景。它包含六个分析层次（词汇、句法、修辞、结构、立场、负空间），并通过声音测试进行验证。
Fishjam 是 Software Mansion 提供的托管式 WebRTC 平台，用于视频、音频以及一对多直播场景。该技能文档围绕平台基础概念与四套 SDK 展开，帮助开发者在编写、审查或调试 Fishjam 相关代码前先建立正确的领域模型认知。内容涵盖房间（rooms）、对等端（peers）、轨道（tracks）、令牌（tokens）与通知（notifications）等核心概念，并针对不同技术栈给出对应的子技能指引：Node.js/Express/Fastify/Hono 后端、Python/FastAPI/Flask 后端、浏览器 React 应用、React Native/Expo 移动应用，以及非 React 的 TypeScript/Svelte/Vue 场景。文档还说明了生产环境通常由后端（服务端 SDK）加客户端（客户端 SDK）组成，原型阶段可借助 Sandbox API 跳过后端，并强调管理令牌不得离开后端、对等端令牌有效期为 24 小时、Sandbox API 地址仅限开发使用等关键规则。
这是一个用于设计和审查 UI/UX 系统的技能，聚焦可用性与无障碍要求。它负责设计方向、交互行为、状态覆盖和可交付的实现交接，不涉及用户研究或代码修复。支持四种模式：审查现有 UI、设计新 UI、设计系统决策、AI 前端简报，以及 AI/自动化 UX 审查。强调覆盖加载、空、错误、离线等状态，遵循 WCAG 2.2 AA 无障碍基线，并提供离线设计数据库搜索脚本生成风格、配色与字体方案。
Biomedical Search 是一个生物医学信息检索技能，可同时搜索 PubMed、bioRxiv、medRxiv、ClinicalTrials.gov 和 FDA 药品标签等主要生物医学数据库。它由 Valyu 语义搜索 API 驱动，支持直接使用自然语言查询，无需构造复杂的检索参数。该技能能理解查询语义而非仅做关键词匹配，返回文献、试验和药品标签的完整内容，并在可用时附带图片链接。所有来源的结果可在一次查询中统一返回。使用需要 Node.js 18+ 和 Valyu API 密钥（平台提供 10 美元免费额度）。
Photo Abstract Editorial 是一个图像创作技能，用于将一张上传的照片制作成一张干净的竖版编辑风格作品。它保留照片作为原始图像（置于上方或主体部分），并在下方搭配一个克制的、从照片中提取的抽象图案面板。抽象图案只依据照片中观察到的空间、色调与色彩关系推导，而非临摹、描摹或风格迁移。作品采用无纹理的均匀象牙色下方面板，两段直接拼接，不加边框、阴影、拼贴或样机效果。标题为2至5个英文单词，仅置于抽象面板上，使用克制的编辑衬线字体。
该技能用于在 Twitter/X 上发现并筛选软件工程师候选人，借助 apidojo 在 Apify 上的 Twitter 抓取器实现。它通过技术栈关键词、开放求职信号和工程社区活跃度来定位工程师，将 Twitter 上活跃于技术社区的开发者视为强被动候选人信号。技能提供从搜索推文、收集唯一用户名、丰富个人资料、评分候选人匹配度到输出候选人列表的完整工作流，并支持通过 Apify MCP 或 REST API 调用。
literature-review 是一个用于在学术主题上开展系统性文献综述的技能，归属 collaborative-deep-research/agent-papers-cli。当用户要求做文献综述、调查或对某研究领域进行系统性概览时可以使用。它基于 paper 与 paper-search 命令行工具工作，流程包括：先与用户明确主题边界与关键词、年份范围（默认近 5 年）、目标期刊或社区、期望论文数量（默认 15-20 篇核心论文）；然后用多种查询变体进行多轮检索（如 Semantic Scholar 与 Google Scholar），并按标题或论文 ID 去重；随后对每篇论文做筛选分类（高度相关、部分相关、不相关）；对高度相关论文进行精读与结构化笔记，记录问题、方法、关键结果与局限；再对开创性论文做引用图探索，将其引文与参考文献中的重要论文回补到筛选环节；最后按主题而非按论文组织报告，包含领域概览与演进、关键方法与比较、主要结果与发现、开放问题与未来方向、完整参考文献列表（含论文 ID 与 URL），以及 BibTeX 条目。指南强调先求广度再求深度、记录引用数与发表场所衡量影响力、明确标注相互矛盾的发现，并区分实证结果与理论主张。
Reflection 是一个用于自我改进的 AI 技能，适用于用户提供反馈、要求以特定方式做事，或工具调用失败时。它会分析对话历史、工具调用及失败或纠正，识别可固化的行为模式或用户偏好，然后提出一条简洁的修改建议：更新技能定义时展示 diff，添加偏好时展示对 AGENT.md 或 CLAUDE.md（在 Claude Code 中使用时）的补充内容。该技能强调每次只提出一项更改、保持简洁、准确针对真实问题，并在用户明确确认后才应用更改。
distill-memory 是一个知识库技能，用于在对话中主动将突破性时刻和有价值的见解保存为可搜索的记忆。它强调主动保存，无需等待用户请求，适用于沉淀决策、流程、教训等长期信息。
GitHub Search 是一个通过 MCP（Model Context Protocol）搜索 GitHub 代码、仓库、Issue 和 PR 的技能。它适用于在多个仓库中检索代码、查找 Issue 或 PR、查询仓库信息等场景。使用时通过命令行调用脚本，指定搜索类型（code、repos、issues、prs）和查询语句，查询支持 GitHub 搜索语法，并可选按仓库所有者或仓库名过滤。该技能依赖 mcp_config.json 中配置的 github 服务器以及 GITHUB_PERSONAL_ACCESS_TOKEN 环境变量。
Animation Quality Gate 是一个用于 Blender 动画验收的质检技能，核心思路是：动画能渲染出来不等于可以接受，必须在生成接触表（contact sheet）并完成失败分析之后才能通过。它适用于动画 QA、接触表审查、动作点评、变形验证、纹理闪烁检测、分镜检查、拒绝不合格动画批次以及导出前动画验收等场景。该技能要求在任何 Blender 调用之前先阅读 ../text-to-blender/references/mcp-backends.md，优先使用官方 MCP 处理共享能力，并在整个任务中保持所选后端一致。它定义了七个审查维度：主体主导性、图层分离、轮廓稳定性、纹理一致性、运动一致性、导出真实性和单帧美感，并设置了硬性门槛，例如没有接触表不得交付最终动画、仅用 Blender Python 处理器实现的纹理替换不得声称 GLB 支持等。脚本 scripts/animation_contact_sheet.py 可根据渲染帧生成接触表和帧间差异报告。
federation-status 是 ruflo 提供的联邦状态查看技能，用于展示当前联邦（federation）的健康状况，包括对等节点（peers）、会话、信任级别和消息指标。当用户询问“联邦是否健康？”“显示对等节点”等问题时使用。该技能通过运行 @claude-flow/plugin-agent-federation 插件的 ruflo-federation 命令获取整体健康状态与对等节点列表（含信任级别和评分），并汇总活跃会话、消息交换量、PII 脱敏次数和威胁检测情况，还可通过 memory_search 检索联邦历史记录。
该技能用于检测并分类 Cognitum Seed 设备的遥测异常数据。当需要调查某台设备上报异常指标、或在批准固件更新前进行排查时使用。它通过对设备近期遥测数据运行 Z-score 异常检测，帮助识别异常类型并给出处置建议。检测结果涵盖多种异常模式，包括尖峰（spike）、平线（flatline）、漂移（drift）、振荡（oscillation）、模式中断（pattern-break）和聚类离群（cluster-outlier）。当异常评分大于 0.9 时，建议对该设备执行隔离（quarantine）。此外，该技能支持将检测到的异常模式存储到记忆命名空间中，以便后续学习与复用。使用方式为通过命令行运行指定设备 ID 的检测命令，并可按需调用记忆存储接口保存异常模式。
KG Extract 是一个用于从源文件中抽取实体与关系、构建知识图谱的技能。它能够识别类、函数、模块、类型和概念等实体，并映射它们之间的导入、继承、实现、依赖、调用和引用等关系，最终将结果存储到 AgentDB 中。该技能适用于理解代码库结构、依赖分析和影响评估等场景。
Syncfusion React Charts 是面向 React 应用的数据可视化组件技能，用于创建和渲染区域图、条形图、柱状图、折线图、散点图等 20 多种图表类型。它覆盖坐标轴配置、本地与远程数据绑定、数据点动态增删、外观定制、数据标签、用户交互（选择、缩放、工具提示）、财务指标与技术分析、无障碍与国际化，并支持 WebMCP 集成以便浏览器模型上下文和 AI 智能体检查与操作图表。该技能以文档参考与代码示例的形式提供按需查阅的指南，涵盖 API 参考、快速入门、图表类型、坐标轴与定制、系列与数据、外观与样式、用户交互、WebMCP 和高级功能等主题，适合构建仪表盘、报表和分析类应用。
该技能用于在 React 应用中实现与定制 Syncfusion React TreeGrid 组件，以表格形式展示自引用层级数据，并支持展开/折叠、排序、筛选、搜索、编辑、分页、虚拟滚动、聚合、状态持久化、导出与打印等企业级功能。技能内容涵盖数据绑定规则、列配置、行与单元格操作、各类编辑模式、工具栏与上下文菜单、自适应视图、无障碍与国际化，以及性能优化等主题，帮助开发者在处理组织结构、文件系统、物料清单等树形数据场景时快速配置和使用该组件。文档强调 childMapping 为层级数据必填项，数据字段类型需与列定义匹配，并提供快速开始示例。
本技能介绍如何将 GrepAI 的嵌入（embedding）提供方配置为 Ollama，从而实现完全本地、私密的代码搜索。资料指出 Ollama 方案的主要优势包括：代码不离开本机、无 API 费用与用量限制、无网络延迟、可离线工作、可自选模型。技能覆盖使用场景（搭建本地私密嵌入、选择合适 Ollama 模型、优化 Ollama 性能、排查连接问题）、前置条件（安装并运行 Ollama、下载嵌入模型）、基础与自定义端点配置、显式维度配置、可用模型对比（nomic-embed-text、nomic-embed-text-v2-moe、bge-m3、mxbai-embed-large）、性能优化（内存管理、GPU 加速、保持模型常驻）、连接验证方式、作为服务运行、远程 Ollama 服务器、常见问题与最佳实践，并给出成功配置的输出示例。
security-patterns 是 OrchestKit 技能库中的安全模式集合，聚焦认证、纵深防御、输入验证、OWASP Top 10、LLM 安全与 PII 脱敏等主题。它将规则分为认证、纵深防御、输入验证、OWASP Top 10、LLM 安全、PII 脱敏、扫描和高级护栏等类别，部分内容以按需加载的 references/ 文件形式提供，并标注了哪些主题仅保留 ork 增量（最低标准与内部决策）。内容给出 Argon2id 密码哈希、15 分钟 JWT 访问令牌、Zod v4 与 Pydantic 校验、Langfuse PII 掩码回调等代码片段，以及 LLM 输出四阶段校验流水线（模式、接地、安全、大小）和上下文分离原则。同时记录 Claude Code 沙箱网络域名黑名单、凭证读取拦截与掩码、权限规则语义、托管设置层级等配置细节和版本要求。资料中未提供安装命令、定价与完整使用步骤。
Dockerfile Validator 是一个用于校验、检查和安全扫描 Dockerfile 的技能，适用于合并前审查、CI/CD 前置加固以及生产环境准备。它提供确定性的执行流程：先验证目标文件路径，显式读取 Dockerfile，再运行校验脚本，并将发现的问题按 Critical、High、Medium、Low 四级严重程度分类报告。检查覆盖语法与 lint 校验、密钥与安全策略检查、最佳实践与性能审查，例如硬编码凭据、以 root 运行、:latest 标签、缓存清理缺失、分层安装反模式等。当校验无问题时走快速通道，直接返回通过摘要，不加载参考文件、不生成修复差异。若发现问题，则按问题类别读取对应的安全清单、优化指南或最佳实践参考文件，并产出标准报告，包含目标路径、执行命令、总体结果、各严重级别问题、建议修复、使用的参考文件与回退分支。脚本无法完成时提供明确回退：工具安装受限时执行手动的正则静态检查并将结果标记为 PARTIAL，hadolint 不可用但 Docker 可用时通过 hadolint 容器镜像运行，两者都不可用时仅运行正则检查并说明跳过的扫描器。该技能不用于从零生成 Dockerfile、运行容器、调试运行时行为或镜像仓库操作。