SuperAPI AI 工具集

Skill 广场

找到适合任务的 Agent Skill,阅读介绍并复制安装命令。

更新于 11-20 00:12

全部 Skills

258,088 个结果

security-bun

该技能提供 Bun 运行时应用的安全审计模式,覆盖 Shell 注入、SQL 注入、服务器安全以及 Bun 特有的漏洞。它强调 Bun 的 `$` 与 `sql` 标签模板默认转义,但以函数形式调用(如 `$()` 或 `sql()`)或在字符串中插值会绕过保护,导致命令注入或 SQL 注入。文档还讨论参数注入(以 `-` 开头的用户输入)、`bun:sqlite` 的参数化查询、`Bun.serve()` 的请求校验、请求体大小限制、CORS 配置、主机绑定、`Bun.spawn()` 命令注入、`Bun.file()` 与 `Bun.write()` 的路径穿越、`Bun.password` 的用法、环境变量与 `bunfig.toml` 配置、WebSocket 认证等。附带常见漏洞严重性表、快速审计命令和加固检查清单,适用于使用 Bun 构建应用时的安全审查。

安全与审计105 次安装

ara-compiler

ara-compiler 是一个面向 Claude Code 的智能体技能,用于把任意研究输入编译为完整的 Agent-Native Research Artifact(ARA)。它接受 PDF 论文、arXiv 链接、GitHub 仓库、代码文件与 notebook、实验日志、训练与评估结果、配置文件、超参数扫描、原始研究笔记、会议记录、数据目录,以及这些内容的任意组合,甚至可以在没有任何输入时通过对话交互式构建 ARA。编译过程遵循四阶段认知协议:语义解构、认知映射、物理存根、探索图提取,随后进行最多三轮的覆盖检查、Seal Level 1 结构校验与修复,最终输出包含 PAPER.md、logic/、src/、trace/、evidence/ 等目录的完整产物,并报告文件数量、校验结果与关键统计。

写作与研究105 次安装

autoskill

autoskill 是一个按需触发的技能,通过本地 screenpipe 守护进程被动记录的用户屏幕活动,分析重复出现的研究工作流,将其与仓库中已有的 research-agent-skills 进行匹配,并生成可审阅、编辑和提升的新技能草案或组合配方。它默认使用本地 LLM(LM Studio + Gemma-4-31B-it),原始 OCR 数据不离开本机,敏感应用在采集阶段即被过滤,并在送入 LLM 前进行脱敏处理。用户需显式调用并指定时间窗口,运行后产出报告与提案文件夹,经人工确认后可将提案提升为正式技能。

智能体与模型105 次安装

elsevier-cas

该技能用于准备向 Elsevier 期刊(包括 The Lancet 系列、Cell 之外的 Elsevier 期刊以及数千种学会期刊)投稿的材料。它指导用户识别目标期刊与文章类型、查阅最新作者指南、判断是否允许免格式首次投稿,并按期刊要求重构稿件结构、准备必需声明、图表与补充文件,最后运行检查清单并组装投稿包(稿件、源文件、图表、声明和投稿信)。技能还提供 elsarticle 与 CAS(cas-sc/cas-dc)LaTeX 模板示例,涵盖 front matter、highlights、keywords、CRediT 作者贡献声明、利益冲突声明、生成式 AI 使用声明、数据可用性声明等要素,并说明参考文献样式与 Editorial Manager 投稿流程。

写作与研究105 次安装

get-available-resources

get-available-resources 是一个用于资源感知规划的技能,可在用户提出需求或特定工作负载需要资源规划时,检测主机清单以及当前进程实际可用的 CPU、内存、磁盘、调度器、容器和加速器限制。它强调保守估计,将主机清单、进程亲和性、cgroup/容器限制、调度器分配和加速器运行时可用性分开记录,未知情况一律视为未知而非无限。检测器仅使用固定可执行文件与参数元组,不执行压力测试、基准测试、大额分配、写入探测、设备重置或驱动安装,也不输出主机名、绝对路径、cgroup 路径、作业 ID、设备 UUID 等敏感信息。默认输出到 stdout,仅在用户指定明确的本地 JSON 文件名时才持久化。附带工作负载规划、快照校验与差异比较、加速器只读诊断计划等脚本,适用于需要根据实际资源约束安排任务的场景。

部署与运维105 次安装

hypogenic

HypoGeniC 是 ChicagoHAI 推出的 LLM 辅助假设生成工具,对应 PyPI 包 hypogenic,用于从带标签的文本数据集中迭代提出并评分文本模式假设;HypoRefine 在此基础上引入文献信息,union 工作流可合并多个假设库。该技能覆盖其软件使用、配置校验、数据集审计、运行与成本规划、本地输出检查和无模型调用的评估流程,强调输出只是候选文本假设库与任务预测统计,不构成实验确认、因果证据或科学新颖性证明。默认先本地审查,任何外部 LLM 调用、模型下载或数据上传都需单独确认。

写作与研究105 次安装

iso-standards-readiness

该技能用于为 ISO 管理体系与实验室能力标准的就绪证据进行整理和结构性审查,覆盖 ISO 13485 医疗器械质量管理体系、ISO 14971 风险管理、ISO/IEC 17025 检测和校准实验室、ISO 15189 医学实验室等标准。它帮助组织整理声明范围、受控文件、实施记录、可追溯性和就绪证据,供授权人员开展实质性人工评审。技能本身不包含标准条款文本,不执行审计,也不提供认证、认可或合规判定。它提供确定性的本地检查脚本,用于验证范围录入、文件记录、可追溯性、CAPA、供应商控制、QMSR 过渡和证据清单等。所有输出均标注为供授权人工评审的草稿证据准备材料,未决事项保留为阻塞项。

安全与审计105 次安装

optimize-for-gpu

该技能用于在 NVIDIA 硬件上对科学计算 Python 代码进行 GPU 加速,并验证结果正确且更快。它把 GPU 加速视为以证据驱动的优化,而非自动重写:先定义数值与算法契约、测量基线并做性能剖析,再选择最小合适的加速层(如 CuPy、cuDF、cuML、cuGraph、cuCIM、cuVS、KvikIO、Numba-CUDA、Warp、RAFT 等),保持 GPU 数据路径一致,验证语义正确性,并用 CUDA 事件或库感知计时器正确基准测试,最后决定保留、修改或放弃 GPU 版本。适用于 CUDA/GPU 优化、大规模数组与数据帧、机器学习、图分析、向量检索、地理空间、图像处理、物理仿真等场景。

数据与分析105 次安装