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 10-23 00:13
235,008 个结果
QA Testing (Playwright) 是一个面向 Playwright 端到端（E2E）测试套件的技能/工作流集合，用于编写与调试浏览器测试、定位并修复不稳定测试（flake）、加固 Playwright CI 以及制定定位器（locator）策略。它提供默认约定、编写规则、调试清单、执行前检查与专家判断准则，并汇总了官方文档中关于最佳实践、定位器、认证、API 测试、测试重试、快照、Trace Viewer、分片、CI、POM、测试智能体、时钟、CLI、组件测试与并行锁等主题的入口。该技能强调保持 E2E 精简、只保护关键用户旅程，按 getByRole → getByLabel/getByText → getByTestId 的优先级选择定位器，依赖自动等待与 web-first 断言而非固定睡眠，保证测试隔离与可并行，并把重试视为调试工具而非通过手段。它还给出本地执行拓扑、CI 并行经济学示例、状态化应用失败分类以及资源与模板索引。
k8s-yaml-validator 是一个面向 Kubernetes 清单文件的只读验证技能，用于在部署前对 Deployment、Service、ConfigMap、CRD 等 YAML 资源做检查。它把多层验证串成流水线：先统计文档数量与检查工具，再用 yamllint 做语法与风格检查，用脚本识别 CRD 并通过 Context7 或网络搜索查找对应文档，用 kubeconform 做 schema 校验，最后在可用时执行 kubectl dry-run。该技能强调仅报告不修改文件、不主动修复、不询问是否应用修复，最终输出按严重程度分级的报告，用前后代码块给出建议修复，由用户自行决定后续操作。
3D Visualizer 是一个专注于 Three.js、3D 图形与交互式 3D 可视化的技能，帮助开发者创建 3D 场景、交互式 3D 图形和沉浸式网页体验。它覆盖 3D 模型与场景、材质与光照、动画与交互、相机控制，以及 3D 数据可视化（3D 图表、网络图、地理空间数据、科学可视化）和交互式 3D（360° 产品查看器、配置器、交互式演示、3D 游戏）。该技能提供基于 React Three Fiber 的代码示例，包括基础 3D 场景、3D 模型加载器、动画 3D、3D 柱状图、交互式产品配置器、3D 网络图，以及使用 Instanced Mesh 的性能优化方案。
本技能用于从零开始引导创建一个全新的 Encore.ts 项目，仅覆盖首次安装 Encore CLI 与使用 `encore app create` 创建应用的流程，不涉及架构设计或功能问题。内容包含 macOS、Linux/WSL、Windows 各平台的 CLI 安装命令，交互式或空白模板创建应用的方式，最小项目结构说明，encore.app 配置文件、服务定义（encore.service.ts）、首个 API（api.ts）的示例代码，以及 `encore run` 启动开发服务器、访问本地仪表盘、常用 CLI 命令、添加数据库与迁移文件等步骤。
交易所连接与行情基础设施技能，涵盖 FIX 会话管理（登录、心跳、序列号、重传）、交易所专有协议（OUCH、ITCH、PITCH、Pillar、BOE）、托管与就近托管、外联网、行情分层与 S席合并/直连行情，以及熔断与 LULD 停牌机制。
定性估值（Qualitative Valuation）是一套用于评估企业质地、竞争定位与价值创造可持续性的分析框架，重点在财务模型之外判断企业是否拥有经济护城河。该技能基于晨星（Morningstar）护城河框架，梳理五类护城河来源：网络效应、转换成本、无形资产、成本优势与有效规模，并按护城河宽度分为宽护城河（20年以上）、窄护城河（10年以上）与无护城河。它强调任何护城河主张都必须以可观察的结果为证据，例如留存率、已实现定价能力、毛利率表现等，并给出证据评分表，区分合格证据与不合格信号。该技能还提供将定性结论映射到估值输入的方法，例如调整折现率、衰减期或终值假设，并列出定性红旗清单（激进会计、关联交易、过度并购、管理层频繁变动、现金流与盈利背离等）。适用于需要判断企业竞争优势、治理风险与可持续性的投资分析场景。
jury 是一个按 Awwwards 评审团方式为网站打分的技能：只依据访客可见的截图与浏览器测量数据，不参考源码、设计说明或所有者意图，输出带证据的评分卡和按优先级排序的修复清单。它按 Design（40%）、Usability（30%）、Creativity（20%）、Content（10%）评分，并单列开发指标（语义/SEO、动效/转场、无障碍、WPO、响应式、标记/元数据）。运行时会自动抓取各类型页面在桌面端、限速手机端、减少动效、键盘焦点等条件下的截图，并用 axe-core 做无障碍审计。该技能与 Awwwards 无关联，评分基于公开标准估算，非官方结果。
nano-banana 是一个基于命令行的 AI 图像生成工具，默认使用 Gemini 3.1 Flash Image Preview（Nano Banana 2）模型，也可切换至 Gemini 3 Pro。它支持 512 至 4K 多分辨率、多种宽高比、参考图风格迁移与图像编辑，并能通过绿幕加 FFmpeg 抠像生成透明背景素材。安装需先安装 Bun，克隆仓库后执行 bun install 与 bun link，并配置 Gemini API Key。生成结果按尺寸与模型计费，费用记录在本地 costs.json 中，可用 --costs 查看。
create-graph 是 LaunchDarkly ai-tooling 中的一项技能，用于从日志、追踪、错误、会话、指标和事件数据创建可观测性仪表盘与图表。它通过 LaunchDarkly MCP 工具工作，支持内联预览图表后再保存到仪表盘。主要工具包括 preview-graph（内联渲染图表预览而不保存）、create-graph（向已有仪表盘添加图表）、create-dashboard（创建新的空仪表盘）、list-dashboards（列出已有仪表盘）、get-dashboard（获取仪表盘完整配置，含其图表）、get-keys（发现某产品类型可用的指标、属性和键）。所有工具都需要 projectKey（例如 "default"）。该技能强调在构建查询前先用 get-keys 确认维度名称真实存在，避免因枚举值或字段名错误导致 API 拒绝或返回空结果。工作流程为：确定目标仪表盘、发现数据形态、对模糊请求做简短澄清、先预览再确认、用 create-graph 创建、最后确认并提供仪表盘 URL。
cran-extrachecks 是一个面向 R 包开发者的技能，用于在提交 CRAN 前系统检查 devtools::check() 无法捕获的常见临时性要求。它覆盖 NEWS.md 与 cran-comments.md 创建、README 安装说明与相对链接检查、DESCRIPTION 的 Title 与 Description 字段规范、导出函数的 @return 与 @examples 文档、版权持有者 [cph] 角色、LICENSE 年份、URL 的 HTTPS 与重定向检查等。工作流包括初始评估、逐项检查、识别问题、提出修复建议、经用户批准后实施修改并验证。适用于首次提交或重新提交 CRAN 的 R 包准备场景。
qdrant-advisor 是一个面向 Qdrant 部署的诊断、排障与咨询技能。其核心原则是不凭记忆回答 Qdrant 问题，而是实时从 skills.qdrant.tech 加载最新的官方技能上下文，再基于加载到的内容进行诊断。它适用于本地、Docker、自托管、Cloud 与嵌入式等部署形态。使用流程为：先厘清问题（症状、部署类型与版本、近期变更），将其转为 1–3 个短搜索词，通过 https://skills.qdrant.tech/search?query=your+query+here 检索最相关的顶层技能 SKILL.md，然后沿层级结构向下深入并横向跳转至相关技能，必要时抓取 SKILL.md 引用的官方文档页面。最终按优先级给出可能原因、具体有序步骤（涉及的端点、指标阈值、需修改的配置），并明确提示不应做的事项，同时引用所依据的 Qdrant 官方文档 URL。该技能仅作上下文加载，不安装任何内容；每次会话都应重新抓取，不使用缓存副本。
muapi-brand-kit 是一个用于生成品牌视觉套件的技能，可一次性产出协调统一的品牌视觉资产，包括 logo 概念、色彩情绪板以及字体搭配建议。该技能通过并行计划同时生成四类资产：两种 logo 概念（极简文字标/字母标，以及图标加文字标组合）、一张 16:9 的品牌情绪板（含 5 个品牌色卡、生活方式图片瓷砖与字体样例）、以及一个可无缝平铺的品牌图案或纹理。生成完成后，技能会汇总资产引用、给出 5 个十六进制色值及其角色（主色、辅色、强调色、浅中性色、深中性色）、推荐 2 组适合品牌个性的 Google Fonts 字体搭配，并提供使用指导（各 logo 变体的适用场景、色彩使用建议）。输入参数包括品牌名称（必填）、行业或细分领域（必填）、3–5 个品牌个性形容词（可选，默认 modern, trustworthy, approachable）、以及可选的色彩方向偏好。若会话中存在参考图片，会先分析其风格再生成。该技能由 LLM 编排，需通过 muapi CLI 调用，未设置 MUAPI_API_KEY 时需先执行 muapi auth configure。
muapi-one-shot-video 是一个用于生成单镜头连续电影感视频的技能。它通过 muapi 的视频生成能力，把一段场景描述渲染成没有剪辑、没有转场的一镜到底画面，强调流畅的镜头运动、戏剧性灯光和电影质感。用户需要提供场景描述（必填），并可选择风格、时长、画幅比例和参考图。若提供参考图，则使用 veo3.1-image-to-video 模型；否则使用 veo3.1-text-to-video 模型。生成后可直接展示视频，并可进一步建议生成第二机位变体，或使用 mmaudio-v2-video-to-video 添加环境音。该技能适合需要单镜头电影感素材的创作场景，例如氛围短片、产品展示、人物场景等。
muapi-product-campaign 是一个用于生成完整多渠道产品营销活动的技能。它围绕产品名称、活动信息、目标受众和视觉风格等输入，产出主视觉图、方形社交媒体素材、短视频广告以及适配不同平台的裁剪版本，形成一套端到端的发布活动素材。该技能通过 muapi 的图像与视频生成模型分阶段并行执行：先制作 16:9 主视觉和 1:1 社交主图，再生成 16:9 的 8-10 秒广告视频，最后并行裁剪出 9:16 竖版 Story/Reels 和 3:1 超宽横幅。所有阶段共享同一产品与视觉基因，以保证活动一致性。
VidMuse Skill 是一个供 AI 智能体调用 VidMuse 能力的技能，通过 vidmuse 命令行运行时访问 VidMuse 的账户状态、订阅计划、模型发现、素材、风格库、语音库、生成参数、线程与消息操作以及长期记忆操作。技能提供跨平台安装脚本（macOS、Linux、WSL、Git Bash、Windows PowerShell），支持本地桌面浏览器登录与无头/远程设备的设备登录流程。默认输出为文本，可按需切换 JSON 或表格；命令返回明确的退出码（0 成功、1 一般错误、2 用法错误、3 认证错误、4 网络或 API 错误）。本地预览与渲染命令需要额外运行时：serve 仅在请求视频缩略图时需要 FFmpeg，render 需要 Node.js 22+ 与 FFmpeg，并在未指定 HYPERFRAMES_BIN 时使用 npx hyperframes@0.7.26。技能强调安全：只读命令可直接执行，变更类命令需用户明确意图，且不得在最终回答中输出认证令牌、Cookie 或完整配置文件。
该技能提供英日繁中三语翻译方法论与最佳实践，覆盖语言特性参考、翻译工作流、常见挑战、标点差异、质量检查清单及工具资源，并附带英、日、繁中语言参考与翻译挑战、工具资源等文件，用于协助在英语、日语、繁体中文之间进行高质量翻译。
Syncfusion React Inputs 是 Syncfusion 提供的 React 输入类 UI 组件集合，涵盖 Uploader（文件上传）、NumericTextBox（数字输入框）、TextBox（文本输入框）、TextArea、CheckBox、OTP Input、Signature 等控件。该技能文档以指南形式介绍各组件的安装、配置、事件处理、验证、模板定制、国际化与无障碍支持，并给出可直接参考的 JSX/TSX 代码示例。适用于在 React 应用中实现文件上传、数字格式化输入、文本输入及表单集成等场景。
本项目提供设计与实现 GitLab CI/CD 流水线的提示词技能，覆盖阶段（stages）、作业（jobs）、产物（artifacts）与缓存配置，并涉及 Runner 配置、Docker 集成及部署策略。适用于 GitLab 仓库的 CI/CD 搭建、多阶段构建流水线、Docker Registry 集成、Kubernetes 部署、Review App 部署、缓存优化与依赖管理等场景。提供最小可用的 .gitlab-ci.yml 示例，并参考指南涵盖完整流水线配置、GitLab Runner 配置、Docker 层缓存优化、多项目流水线与 Kubernetes 部署（含性能测试阶段与语义化版本发布流水线）。同时列出最佳实践，包括使用阶段组织流程、缓存依赖、用产物保存测试报告、合理设置缓存键、使用 only/except 条件执行、needs 定义作业依赖、expire_in 清理产物等建议。
WebSocket Implementation 是一份用于构建实时双向通信系统的技能指南，涵盖连接管理、消息路由、错误处理与水平扩展。它适用于实时聊天、实时通知、协同编辑、实时数据广播、实时仪表盘、事件流推送以及多人在线游戏等场景。该技能提供 Node.js（Socket.IO）服务端、浏览器 WebSocket 客户端、Python（aiohttp）服务端、消息类型与协议、基于 Redis 的扩展等参考实现，并给出最佳实践清单，包括身份验证、优雅重连、房间/频道管理、消息持久化、连接监控、在线状态、消息确认、限流与错误处理等。
“Who, Me?”是一个自我认知访谈技能：通过有限定问题的逐条追问，帮用户识别真正驱动自己、消耗自己的特质，以及自己看不见的自然优势，最终整理成一份特质清单文件。
这是一个面向 Claude Code 的网络问题排查技能，核心是“以证据为先、以证伪为重”的分层实验方法论。它适用于网络、流式传输和协议故障调查，尤其是当明显原因很可能错误、或症状表现为只是“很慢”而没有报错时。技能内容包含症状分诊（指向同仓库中已存在的领域专项技能，如隧道、Cloudflare、远程桌面等）、核心原则（证据优于假设、证伪优于确认、分层隔离、提交前反方复核、健康检查只证明其探测路径、先穷尽工具再向用户提问）以及一套可复制的调查清单工作流（从症状界定、前提验证、大请求体上传超时与处理超时的区分，到速率测量、分层实验、加装观测、反方复核、修复后复跑验证）。文中还给出 524/522 上传超时的判定签名，以及若干真实案例参考文件的路径。该技能本身不包含具体的修复代码，而是提供调查方法与流程约束，用于避免在未知根因上堆叠假设而浪费大量时间。
Decision Memo 是一份用于起草结构化决策备忘录的技能，专为“需要留下记录、而非仅凭脑内判断即可完成”的决策设计。它以“永远一页”为核心约束，目标篇幅 400-500 词，输出固定为决策所需（Decision required）、背景（Context）、选项（Options）、建议（Recommendation）、风险（Risks）、下一步（Next steps）以及可选的开放问题（Open questions）等段落。使用时需先提供三项必需输入：要做的决策（以问句表述）、决策者与截止时间、当前背景（发生了什么变化、为何现在必须决定）。可选输入包括已考虑过的选项、约束条件（预算、法律、政治、产能）和成功标准。技能会为每个选项给出标签、说明、优点、缺点、可逆性判断与成本，并明确推荐一个选项，同时列出建议本身带来的二阶风险及其概率、缓解措施和负责人。当用户按路径引用已有输出并要求改进、迭代或扩展时，会触发编辑保留协议，先读文件、限定范围编辑并保持范围外内容逐字节不变。
cli-anything-libreoffice 是一个面向文档编辑的有状态命令行界面，能够生成真实的 ODF 文件（基于 XML 的 ZIP 归档）。它专为 AI 智能体与高级用户设计，可在不依赖图形界面或本地 LibreOffice 安装的情况下，创建和操作 Writer、Calc、Impress 文档。该工具通过 pip 安装（pip install cli-anything-libreoffice），依赖 Python 3.10+，并要求系统中已安装 libreoffice。它支持交互式 REPL 模式、项目 JSON 持久化、最多 50 级撤销/重做、导入 ODF/DOCX/XLSX/PPTX 等格式，以及面向智能体的 JSON 结构化输出。
操作风险指南，聚焦交易与经纪业务中的风险识别、度量与管理，涵盖操作风险框架、交易差错、交易中断与对账、损失事件、关键风险指标及事件管理。