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 11-21 00:15

全部 Skills

258,583 个结果

awwwards-atlas

Awwwards Atlas 是 awwwards-mcp 1.19 及以上版本中的一个实验性、需手动开启的局部证据层,工作在同一 SQLite 缓存之上。它按区块(section)和组件级别保存抓取记录、区域、组件摘要、声明、状态与工件,并支持检索和导出。默认关闭,需在启动服务器时设置 AWWWARDS_MCP_ATLAS=1 才可用;1.18.x 中不存在这些工具。Atlas 提供四个全量档工具(search_atlas、get_atlas、capture_atlas、export_evidence_pack),以及在 v2 会话中对应的分支调用。使用前应确认版本与工具存在、检查缓存状态,并可用 awwwards-index --atlas import 从本地缓存离线填充。区域标签和推断出的组件类型均为候选性质,组件类型精度未经验证,抓取内容仅作证据,不构成再分发授权。

编程与开发101 次安装

wpf-mvvm-generator

WPF MVVM 代码生成器技能,基于 CommunityToolkit.Mvvm 源生成器,为 WPF 项目脚手架生成 ViewModel、View、Model 等 MVVM 组件。适用于新建 WPF 功能或实体时快速搭建结构。技能接收实体名称(必填)和生成类型(可选:viewmodel、view、model、all,默认 all)两个参数,会先校验参数、探索项目现有命名与目录结构,再按类型生成 Model、ViewModel、View、Code-Behind、Messages 和 Service Interface。生成的 ViewModel 使用 ObservableObject、ObservableProperty、RelayCommand 等特性,支持异步操作与 CancellationToken,并通过 WeakReferenceMessenger 实现 ViewModel 间通信。注意:该技能要求所有说明性输出使用韩语,代码标识符与技术术语保持原文。

编程与开发101 次安装

jfrog-package-safety-and-download

该技能用于在 JFrog 生态中检查软件包版本的安全性并完成下载。它先通过 OneModel GraphQL 查询 JFrog Public Catalog,若未命中则回退到 JFrog Platform 的 Stored Packages,确定包类型与最新版本;随后检查该版本是否已存在于 JFrog Platform,若存在则直接从 Artifactory 下载,若不存在则判断是否具备 curation 权限,通过 Xray curation API 检查策略是否放行,最终经远程仓库下载。技能覆盖 npm、pypi、maven、go、nuget、docker、gradle 等包类型,并给出并行查询、jf rt dl 下载、curation 结果判读等操作要点与常见陷阱。

部署与运维101 次安装

crewai-multi-agent

CrewAI 是一个多智能体编排框架,用于构建由多个自主 AI 智能体组成的团队,让它们协作完成复杂任务。它不依赖 LangChain,采用基于角色的设计:每个智能体拥有角色、目标和背景故事,可分配工具、记忆和委派能力。框架提供 Crews(自主协作)与 Flows(事件驱动)两种范式,支持顺序与层级两种执行流程,内置 50 多个工具(网页抓取、搜索、数据库、AI 服务等),并具备短期、长期和实体记忆以及追踪等生产级特性。可通过 pip 安装,使用 CLI 创建项目,或用纯代码定义智能体、任务与团队后执行。适用于需要角色分工、任务委派和自主协作的多智能体场景。

智能体与模型101 次安装

hugging-science

Hugging Science 是一个面向机器学习研究者的科学资源索引,由社区整理,覆盖 17 个科学领域的数据集、模型、博客文章和交互式演示。它提供静态可解析的目录站点 huggingscience.co,包含 llms.txt、llms-full.txt 以及按领域划分的 topics/<slug>.md 文件,便于程序化获取。同时,Hugging Face 上的 hugging-science 组织收录了社区提交的数据集、少量模型和约 27 个交互式 Spaces,例如用于蛋白质/结合剂设计的 BoltzGen、用于提交的 Dataset Quest 和用于生态可视化的 Science Release Heatmap。该技能适用于用户进行生物学、化学、物理学、天文学、气候、基因组学、材料、医学、生态学等领域的 AI/ML 工作时,帮助快速定位高质量、开放的科学资源。目录中的条目指向 Hugging Face Hub 上的资源,使用标准 Hugging Face API 加载。该技能强调先发现、再选择、后使用的工作流,并提醒注意模型规模、许可证、模态匹配和时效性。对于需要认证的资源,建议通过 HF_TOKEN 环境变量和 .env 文件管理密钥。该技能不是通用 ML 工具,不适用于推荐系统、聊天机器人等非科学任务。

写作与研究101 次安装

miles-rl-training

miles 是一个面向大规模模型训练的企业级强化学习(RL)框架,是 slime 的生产级分支,专注于解决 MoE 训练稳定性、低精度训练以及训练-推理对齐等关键问题。它适用于训练 1TB 以上规模的 MoE 模型(如 DeepSeek V3、Qwen3-MoE),支持 FP8 与 INT4 量化感知训练、逐位一致的训练-推理对齐,以及用于提升吞吐量的投机式 RL。miles 提供统一 FP8 流水线、Rollout Routing Replay(R3)专家对齐、零拷贝权重同步、部分 rollout 等能力,并集成 FlashAttention-3、DeepGEMM 等内核级优化。可通过 Docker 镜像或源码安装,继承 slime 的配置系统,使用命令行参数进行训练配置。

智能体与模型101 次安装

prompt-guard

Prompt Guard 是 Meta 推出的一个 86M 参数分类器,用于检测 LLM 应用中的提示注入(prompt injection)与越狱(jailbreak)尝试。它从 HuggingFace 加载模型,将文本分类为 BENIGN(正常)、INJECTION(数据中嵌入指令)或 JAILBREAK(直接覆盖指令)三类标签。该技能提供基于 transformers 与 torch 的安装与调用方式,可用于过滤用户输入、校验第三方数据(API 响应、网页抓取、RAG 文档)以及批量处理 RAG 检索文档。模型支持 8 种语言,可 CPU 部署,官方给出分布内 TPR 99.7%、FPR 0.6% 等性能数据,并附有阈值建议与硬件要求。

安全与审计101 次安装

pymc

PyMC 是一个用于贝叶斯建模与概率编程的 Python 库,本技能围绕 PyMC 6.x 与 ArviZ 展开,指导用户构建、拟合、检验并比较贝叶斯模型。内容涵盖分层(多水平)模型、NUTS MCMC 采样、变分推断、先验与后验预测检验,以及基于 LOO、WAIC 的模型比较。技能提供标准八步贝叶斯工作流、先验与似然分布选择指南、采样与推断参数建议、常见采样问题(发散、低有效样本量、高 R-hat、采样缓慢)的诊断与解决思路,并附带诊断脚本、模型比较脚本和线性回归、分层模型模板。适用于需要不确定性量化、分层数据结构、缺失数据或测量误差处理的统计建模场景。

数据与分析101 次安装