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

258,936 个结果

ui-agent-patterns

ui-agent-patterns 是一个关于如何编排 AI 智能体来完成界面(UI)生成、优化与维护的技能(Skill),来源为 ormus-solutions/libreuiux-claude-code。它把 Karpathy 提出的“新编程语汇”(Agents、Subagents、Prompts、Contexts、Memory、Modes、Permissions、Tools、Plugins、Skills、Hooks、MCP、Workflows)与实际 UI/UX 开发流程结合起来,重点解决“如何把 UI 工作委派给智能体”的架构选择问题:是用一个综合主智能体,还是用多个专业化智能体协作。内容涵盖三种智能体架构模式(综合主控、专业智能体集群、层级委派)、三种多智能体工作流(设计到代码流水线、迭代优化循环、并行变体生成)、设计决策记忆模式,以及智能体的模式与权限边界,并列出需要避免的反模式(如单体巨型提示词)。使用时由编排器规划任务,再把研究、设计、实现、评审等环节分派给具有不同权限的智能体,最终产出可落地的界面代码。适合需要在设计系统、复杂页面生成、组件流水线等场景中扩展 UI 生成能力的开发者与设计工程团队。

智能体与模型92 次安装

wayfinding-navigation

Wayfinding and Navigation 是一套面向认知无障碍的导航与信息架构设计技能,属于 inclusive-design-skills 技能集。它帮助设计者和评审者构建让有认知与记忆困难的人也能顺利使用的导航体系,核心目标是让用户无需依赖记忆就能随时回答三个问题:我在哪里、我能去哪里、我如何返回。技能提供路标模式、最短路径模式、多路径模式、分块模式等设计模式,并附带一份导航评估清单,用于检查页面标题、导航一致性、当前位置指示、面包屑、多步骤流程进度、搜索可用性、重要操作点击次数、标题描述性和链接文本等要点。输出时,评审场景需指出具体位置的导航失败点并给出修复建议,设计场景需呈现带认知无障碍标注的信息架构。

设计与创作92 次安装

godot-ui

godot-ui 是面向 Godot 4.x 的界面设计与排错技能,用于构建和修复响应式 Control 界面。它强调用锚点和容器组织布局,用共享主题管理视觉样式,并明确处理键盘与手柄输入的焦点导航,而不是依赖大量固定坐标或仅靠鼠标操作。该技能覆盖布局规则、工作流程、输入与焦点约定、验证清单和常见陷阱,适合需要兼顾多分辨率、多语言与可访问性的游戏 UI 开发场景。

设计与创作92 次安装

kubernetes

该技能面向本仓库内的 Kubernetes 集群操作,覆盖 kubectl、CNPG(CloudNativePG)Postgres 访问以及 kustomize/helm 工作流,用于滚动发布与集群排障。使用时应显式指定命名空间并基于 GitOps 清单操作;Jangar 技术栈默认命名空间为 jangar,除确有需要外均应使用 -n jangar。常见操作包括查看 Pod、查看部署日志(如 deploy/bumba,--tail=200)、检查滚动发布状态。还支持 exec 与端口转发,例如查看环境变量中的 TEMPORAL 配置,以及将 svc/open-webui 的 8080 映射到容器 80。数据库方面通过 CNPG 连接 Postgres,例如对 jangar-db 执行 SQL 查询。需要时可使用 Helm v3 启用 kustomize 构建,将 argocd/applications/jangar 渲染后直接应用到 jangar 命名空间。资料还提供了 kubectl 运行手册、命名空间辅助脚本和排障检查清单等参考资源。

部署与运维92 次安装

collection-claude-code-source-code

这是一个面向 AI 编程智能体(AI coding agent)的研究型资料集合,聚焦 Claude Code 的内部实现原理与架构参考。该项目汇集了多类代码资料:包括原始 TypeScript 源码(1,884 个文件)、反编译整理的 v2.1.88 源码及配套文档(约 163,318 行)、一个 Python 清洁室架构重写版本 claw-code(109 个文件),以及一个轻量的多模型提供商重实现 nano-claude-code(约 30 个文件)。它主要用于理解智能体的架构模式、工具系统、记忆管理以及多智能体协作方式,从而为构建自己的 AI 编程助手提供参考。资料涉及的核心内容包括主智能体循环(query 函数)、40 多种按类别组织的工具系统定义、分层记忆系统、斜杠命令体系,以及用最小 Python 实现、多提供商适配、自定义工具、多智能体协调、记忆增强、技能学习和令牌限制处理等示例。项目以源码阅读为主,仅 Python 重实现在运行时需要安装依赖,暂未提供关于收费、价格、平台支持范围或运行效果的确切信息。

智能体与模型92 次安装