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 11-22 00:12

全部 Skills

259,063 个结果

rough-cut

rough-cut 是视频剪辑技能 it 中的粗剪决策规则模块,用于确定口播类(talking-head)素材中哪些内容应保留、哪些应删除。它以词索引(word index)为单位制定保留清单,覆盖重拍、无效开场、对剪辑师的口头备注与填充词等情形的取舍,并输出 keep.json 与 moments.json 结构。具体切点落位、停顿缩短与帧对齐由规划脚本(planner)负责,本技能只负责内容取舍,不手动执行切点。

设计与创作90 次安装

paper-autoraters

Paper Autoraters 是 PaperOrchestra(Song 等,2026,arXiv:2604.05018,§5 与附录 F.3)中四个 LLM-as-judge 自动评分器的忠实实现。它用于对生成的论文与真实论文进行打分、并排比较两条论文写作流水线,或验证宿主智能体对 paper-orchestra 流水线的执行。四个评分器包括:Citation F1(将参考文献划分为 P0 必引与 P1 宜引,并计算 Precision/Recall/F1)、Literature Review Quality(对引言与相关工作做 6 轴 0-100 打分,含反通胀硬上限)、SxS Overall Paper Quality(整篇论文的并排偏好判断)、SxS Literature Review Quality(仅引言与相关工作的并排偏好判断)。论文使用 Gemini-3.1-Pro 与 GPT-5 作为评判模型,温度设为 0.0(Gemini)或默认 1.0(GPT-5)。

写作与研究90 次安装

section-writing-agent

Section Writing Agent 是 PaperOrchestra 论文生成流水线的第 4 步(arXiv:2604.05018)。它通过一次多模态大模型调用,为论文草稿补全摘要、方法、实验、结论等剩余章节,并编译出完整 LaTeX 稿件。该智能体以 outline.json 主计划、idea.md 技术细节、experimental_log.md 原始数据、Step 3 已填好的 intro_relwork.tex 模板、citation_pool.json 引用池、refs.bib、会议格式指南以及 Step 2 生成的图片与图注为输入。设计上刻意采用单次综合调用,而非按章节拆分,以保持跨章节的全局一致性。它还会读取 tex_profile.json 判断可用宏包,据此选择交叉引用、字体等 LaTeX 写法;先用脚本抽取指标为结构化 JSON,再依据 booktabs 规范生成表格。图片作为多模态输入供模型直接查看,若宿主模型不支持视觉输入则退化为纯文本模式,质量会明显下降。输出保存为 workspace/drafts/paper.tex,随后经过孤立引用、LaTeX 完整性、防泄漏、表格规范等多道确定性检查,失败时将错误报告回灌给模型修正。

写作与研究90 次安装