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

258,089 个结果

pi-agent

Pi Agent 是一个用于操作和构建 Pi 的技能。Pi 是一个极简的终端编码工具(coding harness),可通过 TypeScript 扩展、技能、提示模板、主题、包、自定义模型/提供商、SDK 集成、RPC 模式、JSON 事件流和 TUI 组件进行扩展。该技能提供按用户意图选择参考文档的指引,涵盖安装、认证、CLI 用法、提供商与模型配置、扩展开发、SDK/RPC/JSON 集成、子代理、MCP 适配、Web 访问、会话管理、安全与沙箱等主题,并给出构建于 Pi 之上的默认方案与安全默认值。

编程与开发105 次安装

relsa-severity-assessment

该技能用于实验室动物研究中的多变量严重程度评估与人道终点预测,基于 RELSA(RELative Severity Assessment,相对严重程度评估)评分与 foRcast 预测方法。它将体重、体温、临床评分、生物标志物或遥测数据等多个指标合并为每只动物每个时间点的单一相对严重程度评分,并可对个体动物的 RELSA 轨迹拟合 ARIMA 模型,预测下一时间点评分及 95% 预测区间,从而在动物到达人道终点前识别风险个体。技能还提供基于核密度估计(KDE)的严重程度分区阈值,用于解释评分。适用于合并多指标评分、识别队列中风险动物、比较不同处理组或模型的严重程度、定义评分阈值,以及撰写动物福利报告中的严重程度评估部分。安装依赖 numpy、pandas、scipy、statsmodels 和 matplotlib。需注意:RELSA 是严重程度评估的辅助工具而非决策规则,KDE 分区不是法规性严重程度分级,评分不可跨参考集或模型比较。

写作与研究105 次安装

science-aaas

该技能用于为《Science》及 Science 系列期刊(Science、Science Advances、Science Translational Medicine、Science Robotics 等)准备投稿稿件。它提供一套投稿工作流:先确认目标期刊与文章类型并查阅最新作者指南,填写摘要、正文、图表、参考文献等限制表;判断是否允许免格式首次投稿;按期刊要求重构稿件的前置信息与章节;准备必需的声明、图表和补充材料;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)。技能强调不得依赖记忆中的限制,必须查阅当前指南,并涵盖文章类型、写作要点、参考文献格式、必需元素、首次投稿及预印本披露等内容。

写作与研究105 次安装

springer-lncs

该技能用于按照 Springer Lecture Notes in Computer Science(LNCS)及相关会议论文集系列(LNAI、LNBI、CCIS)以及 Springer Nature 期刊的格式要求排版论文。它提供 LaTeX 模板设置(llncs 文档类)、参考文献样式(splncs04)、作者与机构信息、ORCID 标注、摘要与关键词、图表规范、相机就绪包准备、双盲投稿匿名化处理,以及 Springer Nature 期刊(sn-jnl)模板的使用指引。技能强调以会议征稿启事(CfP)为准,并给出 Springer 官方作者指南与 CTAN 链接。

写作与研究105 次安装

statsmodels

Statsmodels 是 Python 的统计建模与计量经济学库,用于估计、推断与诊断。它适合需要具体模型类(OLS、GLM、混合模型、ARIMA 等)并关注系数解释、标准误、置信区间与假设检验的场景。资料显示示例面向 statsmodels 0.14.6(2025 年 12 月 5 日发布),可通过 uv pip install statsmodels==0.14.6 固定版本。该技能覆盖线性模型、广义线性模型、离散选择模型、时间序列与统计诊断,并提供快速入门、建模能力、模型选择及各专题参考文件。资料强调:statsmodels 面向推断,若目标为预测且无需解释系数,可考虑 scikit-learn。

数据与分析105 次安装

orca-cli

orca-cli 是一个用于操作 Orca 编辑器/运行时环境的公共命令行工具技能说明,属于 Orca 技能体系中的一项。其核心用途是让智能体或开发者通过统一的 `orca` CLI 来操作 Orca 管理的各种对象,包括 worktree(工作树)、文件夹上下文、终端、仓库、自动化任务、产物、worktree 评论,以及 Orca 应用内嵌的浏览器。该技能适用于当 Orca 运行中的编辑器或运行时状态本身是需要参照的事实来源时;如果 Orca 的状态无关紧要,资料建议改用普通 shell 工具。使用方式上,需先确定本次会话应使用的可执行文件:若设置了 ORCA_CLI_COMMAND 环境变量则使用其值;在开发检出中若会话暴露 ORCA_DEV_REPO_ROOT 则用 orca-dev;在 Linux 上且不在 Orca 管理的终端中则用 orca-ide,切勿直接运行裸 `orca`(可能解析为 GNOME 屏幕阅读器);其余情况使用 orca。确定后应复用该可执行文件。运行 Orca 命令前,应先通过 `ORCA skills get orca-cli` 加载与二进制匹配的完整指南,避免凭记忆猜测子命令或参数。该文件本身是发现桩,不含完整用法,具体的 worktree、交接、终端、自动化和内嵌浏览器命令需从二进制获取。

通用与其它105 次安装

3d-cartoon-character-short-by-18gc2qf

这是一套源自 GoodCase 案例的“3D 卡通角色短片”工作流型技能,用于规划、分镜和生成3D卡通角色短视频。它强调必须基于证据:每次调用先读取案例文件,选取唯一一个锚点案例,检查其完成媒体,并在产出前写出保留/替换/避免的参考合同,确保最终成果可追溯到具体案例。技能要求输入端收集目标时长、画幅、模型、交付平台、首尾帧、参考图、源视频或深度运动引导、角色与镜头连续性要求,以及偏好的锚点案例。工作流程包括复述交付物、选择锚点案例、检查媒体与提示词节选、生成参考合同、锁定角色零件清单、把风格写成可测量的渲染参数、按时间线逐块设定单一动作目标、产出完整视频提示词、与锚点对比并修订。验证要求每个镜头包含主体、动作、镜头指令和时长,明确参考媒体与预处理步骤,可测试身份漂移、肢体错误、方向变化和节奏断裂等连续性风险,并区分观察到的证据与自身建议。限制包括不得编造提示词、模型、结果或创作者信息,不得暗示被参考创作者授权或背书,未经用户明确同意不得发布、上传或更改账户。

设计与创作105 次安装