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 10-15 00:40
228,389 个结果
Browser Use 是一个通过 CDP（Chrome DevTools Protocol）直接控制浏览器的工具，用于网页交互，包括自动化、爬取、测试、截图以及站点/应用操作。它提供 browser-use 命令与 Python 辅助函数，可在本地已运行的 Chrome/Chromium 上执行浏览器操作，也支持通过 Browser Use Cloud 使用隔离的远程浏览器。该工具强调在真正需要交互（点击、输入、导航）、使用用户已登录会话、JS 渲染或受机器人保护的页面时才调用浏览器；若仅需读取公开信息，应优先使用 curl 或 fetch 工具。命令以 heredoc 传入多行 Python，辅助函数已预导入，首次导航使用 new_tab(url) 而非 goto_url(url)。它支持后台标签页操作、截图、CDP 原始调用、可访问性树查找元素、录制轨迹与生成视频，并提供多项交互技能文档。本地通过诊断命令与 macOS 授权辅助处理连接问题，远程浏览器需云认证。
Vercel Optimize 是 Vercel Labs 提供的智能体技能，用于对已部署的 Vercel 项目进行成本与性能优化审计，尤其适用于 Next.js、SvelteKit、Nuxt，并对 Astro 应用提供有限支持。其核心理念是「可观测性优先」：不在 signals.json 生成并且确定性闸门指向具体路由、文件或项目设置之前，不检查源代码文件。工具通过 Vercel CLI 收集生产环境指标（需 Vercel CLI v53+、已登录会话、已链接的应用目录、Node.js 20+，路由级指标建议启用 Observability Plus），再结合代码扫描与合并，由脚本 gate-investigations.mjs 确定哪些候选值得深入调查，仅读取候选或路由局部导入链指定的文件。流程包括收集/扫描/合并信号、闸门候选、深度调查与对账、生成调查简报并分发、校验建议、渲染报告与最终消息。建议必须追溯到已启动的候选或经验证的扫描发现，并包含观测到的指标证据与带行号的已验证文件引用，引用需来自 docs-library.json 与检测到的框架/版本匹配。工具对不支持的框架默认阻断，需用户确认后才进行有限审计，并对项目与团队范围解析不明确时要求用户确认。
review-loop 是一个迭代式“工作者—评审者”循环技能，核心思路是在单次会话内先完成工作，再生成一个评审子代理对成果进行 1-10 分打分并给出可执行的修改反馈，然后根据反馈修改，反复循环直到满足质量门槛。其基本理念是：初稿永远不是终稿，迭代式批判能比单次成稿产出更好的结果。该技能默认最少循环 2 次、最多 4 次，质量门槛为 8/10；评审者能力必须等于或高于工作者，以避免无法识别复杂逻辑问题。它适用于代码实现、设计文档、技术写作、需要更稳健的复杂实现等场景，也支持“仅评审已有成果”的模式。使用时可自然语言指定质量门槛、循环次数和评审模型。该技能依赖支持子代理生成的平台，否则需通过新开会话并仅粘贴工作成果来模拟评审。资料未提供收费与价格信息。
Cloudflare Agents SDK 技能用于构建、调试或审查基于 agents 包的 Cloudflare Agents SDK 应用。它强调在涉及 Agents SDK 的任务中优先检索官方文档而非依赖预训练知识，并提供覆盖快速入门、配置、Agent 类、状态、路由、可调用方法、调度、工作流、WebSocket、聊天代理、客户端 SDK、MCP、邮件、Webhook、可观测性、语音等主题的文档索引。技能还给出安装验证、npm 安装命令、Wrangler 配置示例、Agent 类示例，以及路由规则与核心 API 速查表。
这是一个面向 Convex 应用性能审计的 Agent 技能，主要用于诊断和修复 Convex 应用中的性能问题。它按问题类别逐项处理，关注的信号包括高读写字节数、文档读取量、OCC 冲突、订阅数量过多、UI 更新缓慢、函数执行或事务接近上限等。技能强调先收集信号（如部署 Health insights、npx convex insights --details、convex-doctor 提示），再根据信号路由到对应参考文件，包括热路径规则、OCC 冲突、订阅成本、函数预算等。使用时不建议在小规模、低流量或信号不足的场景下过度优化，也不应在无测量信号时推荐摘要表、文档拆分或迁移型改造。工作流涵盖问题范围界定、完整读写路径追踪、应用修复、同步修复同类兄弟函数，以及完成前的验证。它适合处理慢功能、insights 发现、OCC 冲突或读放大等问题，不适合初始搭建、纯模式迁移或无用户可见问题的微优化。
web-search 是一个通过 inference.sh CLI（belt）调用的网络搜索与内容提取技能，集成 Tavily 与 Exa 两类搜索服务。安装方式为 npx skills add belt-sh/cli，使用前需运行 belt login 登录。它提供五个应用：tavily/search-assistant（AI 搜索并返回带来源与图片的答案）、tavily/extract（从多个 URL 提取干净文本和图片）、exa/search（返回带上下文的高相关链接）、exa/answer（返回直接事实性答案）、exa/extract（提取并分析网页内容）。所有应用均以 belt app run 加应用 ID 与 JSON 输入的形式调用，例如 belt app run tavily/search-assistant --input '{"query": "..."}'。该技能可配合 LLM 模型组合成研究或摘要工作流，适用于资料调研、RAG、事实核查、内容聚合以及构建具备研究能力的智能体等场景。
stripe-best-practices 是 Stripe 官方提供的集成最佳实践技能，用于在开发与测试环境规划、API 选型、SDK 版本、密钥管理及安全等方面给出 Stripe 集成决策指导。它建议新建集成时使用独立沙盒（sandbox）而非账号共享的测试模式沙盒，以便隔离设置与测试数据；默认推荐使用最新 API 版本与 SDK，并优先使用受限 API 密钥（RAK，rk_ 前缀）而非密钥密钥（sk_ 前缀）。技能包含按业务场景的集成路由表，如一次性支付、订阅计费、Connect 平台、Tax 税务合规、Treasury 金融账户等，并列出若干关键规则，例如在启用 automatic_tax 前需确认用户已有生效的税务注册、不要在 API 调用中传入 payment_method_types（Terminal 场景除外）等。没有 Stripe 账号时，可通过 Stripe CLI 执行 stripe sandbox create 生成免注册的沙盒测试账号与测试 API 密钥。
remotion-render 是一个通过 inference.sh CLI 将 React/Remotion 组件代码渲染为视频的技能。用户只需传入 TSX 代码，即可得到 MP4 视频输出。它支持 Remotion 的多种 API，包括 useCurrentFrame、useVideoConfig、spring、interpolate、AbsoluteFill、Sequence、Audio、Video、Img 等，并允许从 remotion 和 react 进行导入。渲染时可指定宽度、高度、帧率、时长、编解码器等参数，也可通过 props 向组件传值，或指定 composition_id。使用前需安装 inference.sh CLI（belt）并执行 belt login 登录，随后通过 belt app run infsh/remotion-render 命令并传入 JSON 输入来调用。也提供 Python SDK 调用方式和流式进度反馈。适用于需要以代码方式批量或程序化生成视频的场景，例如动画文字、计数器、弹簧动画、序列动画等。
infsh-cli 是 inference.sh 平台提供的命令行工具（belt CLI），让你通过命令行在云端运行各类 AI 应用，无需本地 GPU。它支持图像生成、视频创作、大语言模型调用、网页搜索、3D 模型生成以及 Twitter/X 自动化等任务，涵盖 FLUX、Veo、Gemini、Grok、Claude、Seedance 等模型。安装方式包括一键脚本 curl -fsSL https://cli.inference.sh | sh 或手动下载二进制并校验 SHA-256，运行前需执行 belt login 登录。核心用法为 belt app run <app> --input '<json>'，本地文件路径可自动上传。适合希望在命令行或智能体工作流中批量调用多种云端 AI 能力的用户。
agent-tools 是 101-skills/superpowers 提供的一项技能，基于 inference.sh 的命令行工具 belt CLI，让用户在云端运行各类 AI 应用而无需本地 GPU。通过统一命令即可调用图像生成（FLUX、Gemini、Grok、Seedream 等）、视频生成（Veo、Seedance、Wan、OmniHuman 等）、大语言模型（Claude、Gemini、Kimi、GLM、OpenRouter 模型）、网络搜索（Tavily、Exa）、3D 模型生成（Rodin）以及 Twitter/X 自动化（发帖、私信、关注、点赞、转推）等能力。CLI 支持自动上传本地文件（图片、音频等），可直接将本地路径作为输入。安装方式包括一行 curl 脚本或手动下载校验，登录后即可使用 belt app list/search/get/run 等命令浏览、检索并运行应用，也支持异步任务与状态查询。该技能适合希望在命令行或智能体中集成多种 AI 能力的开发者与用户。
python-executor 是一个通过 inference.sh 在安全沙箱环境中执行 Python 代码的工具，需配合 belt CLI 使用。环境为 Python 3.10、仅 CPU，默认 8GB 内存（可选 high_memory 变体 16GB），超时支持 1-300 秒（默认 30）。它预装了 100 多个库，涵盖 HTTP 请求与网页抓取、数值与数据处理、可视化、图像、视频音频、3D 处理以及文档图形等。输入接受 code、timeout、capture_output、working_dir 等字段，保存到 outputs/ 的文件会被自动检测并返回。可用于网页抓取、数据分析、图像处理、视频生成、3D 模型处理、API 调用、PDF 生成和脚本自动化等场景，不适合需要 GPU 或机器学习库的任务。
该技能用于在 Convex 应用中配置认证，包括身份映射与访问控制。它帮助选择认证提供商（如 Convex Auth、Clerk、WorkOS AuthKit、Auth0 或自定义 JWT），并指导完成客户端接入、环境变量、convex/auth.config.ts 配置、登录与登出流程，以及在 Convex 函数中校验身份、保护后端查询、按归属或角色做授权检查。适合首次搭建登录、实现用户表与身份映射、创建认证辅助函数、设置认证提供商或保护函数等场景。
Convex Migration Helper 是一套面向 Convex 数据库的 schema 与数据迁移规划指南，核心采用“放宽—迁移—收窄”（widen-migrate-narrow）的多轮部署流程，并推荐使用 @convex-dev/migrations 组件处理分批迁移。它帮助开发者在修改表结构、字段类型、字段名称、拆分表或表合并等破坏性变更时，安全地完成数据回填与格式过渡，避免因 schema 校验不通过而无法部署。
caveman-explore 是一个只读的代码仓库探索技能，代号 FastContext。它由另一个智能体（称为“解题者”）委派任务，专门回答“相关代码位于哪里”这一定位问题。其唯一职责是找出代码位置，并以紧凑的“文件路径 + 行号范围 + 简短理由”列表形式报告，不编辑文件、不运行命令、不提出解决方案。它适用于冷启动时的仓库快速定位、跨文件大范围检索，或直接搜索失败后的兜底探查；当已明确目标文件或符号时则应跳过。它的工作方式是首轮并行发起多个工具调用以扩大覆盖面，例如用 Glob 匹配路径模式、用 Grep 匹配符号与字符串、用 Read 读取最有价值的文件，而非逐个文件试探。仅在必要时再跟进一到两轮，一旦能指明相关位置就立即停止，以节省解题者的 token 预算。它只引用实际读过的行范围，不虚构或估算，也不引用超出文件末尾的范围，认为精确的小范围优于模糊的大范围。其回复格式被严格限定：只输出证据块，每行一条引用，采用“路径:起始-结束 相关理由”的形式，不带前言、解释、总结或 Markdown 标题；若确实找不到相关内容，则只回复一行“no relevant locations found”。
中文介绍正在整理，稍后补充。
这是一个面向 Playwright 测试开发全流程的实践指南型技能，适用于编写测试、修复不稳定用例、调试失败、实现 Page Object Model、配置 CI/CD、优化性能以及模拟第三方服务等场景。它以“按活动检索”的方式组织内容，把测试工作中的常见任务映射到对应参考文件，例如编写 E2E、组件、API、GraphQL、可视化回归测试，处理认证、文件上传下载、无障碍、安全、国际化，覆盖移动端与响应式、WebSocket、地理位置、多标签页等场景。技能还提供架构决策指引（POM 与 fixtures、Mock 与真实服务、测试类型选择）、框架特定测试（React、Angular、Vue/Nuxt、Next.js）、重构维护、基础设施与 CI/CD 配置、并行与分片、报告与覆盖率，以及调试与错误边界测试等主题，并给出一个快速决策树帮助定位所需参考文件。使用方面，资料提到在编写或修改测试后运行 npx playwright test --reporter=list 验证，失败时查看错误输出与 trace（npx playwright show-trace），修复定位器、等待或断言后重跑，关键测试可用 npx playwright test --repeat-each=5 多次运行。资料未提供安装命令、收费与价格、平台支持范围等细节。
caveman-learn 是 Caveman 工具链中的“学习报告执行”技能，负责把 caveman learn 命令测量出的 token 消耗结果转化为具体的编辑操作。caveman learn 本身只做只读测量，分析 agent 的 token 都花在哪里；caveman-learn 则是其中需要用户逐项同意的“动手”部分，根据报告给出的排序 token 消耗点，提出降本修改，并在每次编辑前征得用户同意，最后报告这些修改实际减少的消耗。它强调绝不宣称未经验证的节省，也绝不让 agent 变笨。该技能覆盖多类消耗点：可压缩项（如过重的 CLAUDE.md、从未被调用的 skill）、跨会话重复建立的上下文（改由 cavemem 紧凑召回）、重复出现的操作流程（可蒸馏为 skill，但收益未被证实，需用 holdout 实验验证）、以及记忆与规则健康检查（重复规则、孤立记忆文件、索引截断、失效导入、过期引用、被埋没的规则等）。每项修改都可回滚，且遵循“每次编辑单独确认”的原则，不允许隐藏各条 diff 的批量应用。
caveman-optimize 是 Caveman 工具集中的技能，用于将 Caveman 的优化观察（observation）转化为由操作者选择的候选项，并配合基线（baseline）配对评估。它把 Caveman 仅报告的观察作为诊断输入使用，强调以证据为先、由操作者主导的工作流：先通过登录的 Caveman CLI 运行 caveman opportunities list，仅读取 report_only_observations 数组中的精确观察，再请操作者明确选择，然后针对仓库中可能产生该聚合形态的具体机制设计最小候选改动与配对评估，获得批准后才应用改动，并运行基线与候选的配对比较及仓库代码检查，最后报告观察与结果而非节省金额。该技能本身不创建 Caveman 实验或提案、不标记机会为已实现、不改变生命周期、不开启优化器。
writing-guidelines 是来自 vercel-labs/agent-skills 的一个技能（Skill），用于审查文档和散文是否符合 Writing Guidelines 写作规范。当用户提出「review my docs」「check writing style」「audit prose」「review docs voice and tone」等需求时可使用该技能。其工作方式是：先从指定的源 URL 拉取最新写作规范，再读取用户指定的文件（若未指定则询问用户要审查哪些文件），然后依据所拉取规范中的全部规则逐项检查，最后按规范中约定的简洁 file:line 格式输出发现的问题。该技能的规则来源为固定 URL，每次审查前都会重新获取，以保证使用的是最新版本的写作规则。
GSAP 是 HyperFrames 使用的动画参考与运行时约定。它说明 HyperFrames 如何通过 gsap 运行时适配器控制 GSAP：需同步创建暂停的时间线，并以与 composition 根节点 data-composition-id 相同的键注册到 window.__timelines，再由 HyperFrames 进行 seek 驱动。资料涵盖核心补间方法（to、from、fromTo、set）、常用配置项（duration、delay、ease、stagger、repeat、回调等）、变换与 CSS 属性别名、基于函数的值、缓动、默认值、补间控制、matchMedia 响应式与无障碍、时间线（创建、位置参数、标签、嵌套、播放控制）、性能优化与清理，以及与 HyperFrames 搭配时的注意事项（如不调用 tl.play() 处理渲染关键动画、不在异步代码或事件处理器中构建时间线、循环次数必须有限）。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
Browser MCP Agent 是 anti-detect-browser 提供的 MCP 服务器功能，让 AI 智能体通过 MCP 工具调用直接启动并控制一个带有真实设备指纹的浏览器。智能体无需编写 Playwright 代码或自定义自动化脚本，即可自行导航、点击、填写表单、截图、提取文本，并在页面中执行 JavaScript。提供 npm 包 anti-detect-browser（Node >= 18）与 PyPI 包 antibrow（Python 3.9-3.13，pip install "antibrow[mcp]"）。内置 launch_browser、navigate、click、fill、get_content、screenshot、evaluate、close_browser 等工具，另有 recipe 系列与运维类工具。支持 Windows、macOS、Linux 和 Docker。仅限授权使用，页面返回内容一律视为不可信输入。
multi-account-isolation 是一个用于验证浏览器配置文件之间是否真正隔离的技能检查清单。它不假设隔离成立，而是通过逐项断言来发现机械性缺陷，例如时区与出口 IP 不一致、WebRTC 暴露真实地址、canvas 哈希每次读取都变化、两个配置文件共用同一 persona 等。该技能围绕“一个身份对应一份 profile、persona、代理和时区”的不变量，列出了十一项检查，包括时区匹配出口 IP、WebRTC 仅暴露代理、Canvas 哈希跨启动稳定、Worker 与主线程指纹一致、GPU 跨接口一致、各 profile 的 persona 不重复、地址不重复、Cookie 存储隔离、同一身份对应同一 profile 树、整栈一致性以及 CI 中运行一致性规则。其中时区匹配、Canvas 哈希稳定性和地址唯一性三项被建议接入 CI，因为成本低、确定性强，能捕获反复出现的缺陷。文档还提供了 JavaScript 和 Python 的启动示例代码，以及排查失败顺序、运行时数据落盘位置、内核行为验证方法和隔离无法覆盖的范围。该技能仅限授权使用，适用于自己拥有或获授权操作的身份、账号、测试夹具、QA 集群和反欺诈栈。