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

258,106 个结果

optimizing-attention-flash

该技能用于为 Transformer 模型启用 Flash Attention,通过 PyTorch 原生 scaled_dot_product_attention(PyTorch 2.2+)或 flash-attn 库实现快速、内存高效的注意力计算。资料称其可带来 2-4 倍加速和 10-20 倍内存降低。内容涵盖在现有 PyTorch 模型中启用 Flash Attention、使用 flash-attn 库的高级特性(多查询注意力、滑动窗口、H100 FP8),以及性能基准测试、精度验证和常见问题排查。

智能体与模型103 次安装

pymoo

pymoo 是一个以多目标优化为重点的 Python 优化框架,支持单目标与多目标优化,内置 NSGA-II、NSGA-III、MOEA/D、SPEA2、RVEA、GA、DE、PSO 等算法,并提供 ZDT、DTLZ、WFG 等基准测试问题、可定制的遗传算子以及多准则决策方法。它擅长为存在冲突目标的问题寻找权衡解(Pareto 前沿)。当前稳定版本为 pymoo 0.6.1.6(2025 年 11 月)。安装命令为 uv pip install pymoo,依赖 NumPy、SciPy 和 matplotlib,Autograd 为可选依赖。

数据与分析103 次安装

shap

SHAP 是一个用于解释和审计机器学习预测的工具,通过特征归因说明已训练模型如何将输入映射到输出。该技能基于现代 shap.Explanation API,要求明确被解释的输出与背景分布,并在解读前验证每个解释。它对齐 SHAP 0.52.0(2026-05-28 发布),该版本要求 Python 3.12 或更高。适用于选择 SHAP 解释器与掩码器、计算和验证特征归因、进行全局与局部分析、多分类模型解释、队列与子组分析,以及文本和图像模型解释。使用时需固定已评估模型,使用留出或明确标注的分析行,并报告输出单位、基线、解释器、掩码器、样本选择及非因果声明等限制。

数据与分析103 次安装

c4-structurizr

C4 Structurizr 是一个用于分析代码库并生成 C4 架构模型的技能。它会针对一个焦点系统产出七个 Structurizr 风格的 C4-PlantUML 图,并使用 Java PlantUML 渲染为 SVG。该技能强调证据支撑:所有元素与关系需可追溯到代码、配置、清单、基础设施文件、测试或既有文档,若证据不足则停止并报告缺失证据,而非凭空编造。工作流包括确定目标项目、读取模型分析参考、盘点人员/系统/容器/组件/外部系统/存储/队列/进程/部署及关系;若发现 AI 工作流证据,还会补充 AI 盘点。随后选择七个视图(含领域特定的动态流与关键路径),在 docs/architecture/structurizr/plantuml 下创建图工作区并复制样式与 C4-PlantUML 资源,生成七个 .puml 文件,通过 render_c4.py 渲染,并验证 SVG 非空白、样式与文字可读、关系与关键路径顺序正确。图源规则要求使用 @startuml/@enduml、指定 C4-PlantUML 入口与 c4-style.puml、使用 SHOW_PERSON_OUTLINE() 与 HIDE_STEREOTYPE()、以 left footer 作标题、按 C4 粒度选用元素类型、为关系添加 OfficialRelationship 标签,并保持既定配色与线型。

编程与开发103 次安装

skill-publisher

Skill Publisher 是一个用于将自有 Codex 技能从技能管理仓库(skill monorepo)验证、打包并安全发布到其配置的 GitHub 仓库的工具。它支持两种布局:独立技能(skills/<skill-id>/ 对应 <github.owner>/<skill-id>)和系列技能(skills/<series>/<skill-id>/ 对应该系列配置的仓库与目标路径)。它提供三种操作模式:审计/检查(只读检查元数据与完整性)、准备/打包(本地构建产物,不改动远程)、发布/发布(准备产物、展示发布计划、获得明确确认后发布并验证)。该工具强调安全规则:任何远程变更前必须明确目标、可见性、分支、版本、文件与操作并获得确认;禁止强制推送、强制更新标签、删除重建发布等破坏性 Git 操作;保护本地工作;不猜测配置;不暴露凭据;版本不可变。工作流程包括解析技能与目标、确定意图与版本、验证、打包并检查产物、预检 GitHub 目标、展示发布计划并确认、安全暂存变更、创建 GitHub Release、验证并报告。适用于需要将自有技能规范化发布到 GitHub 的场景,不适用于搜索、安装或重新发布无关第三方技能。

部署与运维103 次安装

chapter-structure-refactor

智能章节结构重构技能,针对学术论文整个章节的写作思路、逻辑架构、内容组织进行深度分析与系统性重构。通过分析章节意图、解构句子含义、重新梳理写作逻辑,对章节进行学术级整体改写。适用于章节逻辑主线不清晰、组织混乱、表达不规范、素材利用不充分等场景;常见于方法章、模型章、实验/案例章等需要整体重塑的篇幅。

写作与研究103 次安装