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

259,112 个结果

redteam-plugin-development

这是 promptfoo 项目中关于红队(Redteam)插件与评分器(Grader)开发规范的中文文档。该规范面向需要为 promptfoo 创建新红队插件、编写评分器或修改攻击模板的开发者,规定了统一的标准与约定。核心内容包括:标签标准化(评分器必须使用 <UserQuery>、<purpose>、<Output>、<AllowedEntities> 等标签,禁止使用已弃用的 <UserPrompt>、<UserInput>、小写 <prompt>);评分量表(rubric)的结构模板;攻击模板(Attack Template)的结构与 protected async getTemplate() 实现方式;可用的模板变量列表(如 {{purpose}}、{{prompt}}、{{testVars.X}}、{{entities}}、{{goal}}、{{tools}}、{{n}}、{{value}} 等);图像数据集插件通过继承 ImageDatasetPluginBase 进行开发的方式;多模态场景下应使用 {{testVars.prompt}} 而非 {{prompt}} 以避免 token 超限;使用 Nunjucks 条件逻辑实现差异化评分标准;以及新增插件时需要完成的注册清单(创建文件、导出、注册常量与元数据、注册评分器、补充文档等)。

安全与审计90 次安装

compose

Compose 是一个用于多技能协作的规划与调用方法:先分析用户请求所需的技能,为每个结果选择一个技能并定义触发条件(useful-when),再在对话进入相应阶段时按依赖顺序通过 Skill 工具逐个调用;调用后检查技能自身的“wrong-if”条件,若触发则在同一轮修正输出。适用于请求包含多个方面、需要由不同技能承担的情形,或用户点名多个技能时。也可结合 clarify 技能处理有歧义的请求。

智能体与模型90 次安装

draft

draft 是一个用于“先做出可反应的最小成品”的技能。当用户无法事先明确说明需求、需要先看到某个东西才能做出选择时使用。它主张构建最小但完整的版本:真实到足以让人做出反应,又小到可以随时丢弃。除非选择确实产生分叉,否则只做一个版本;若分叉,则用最少的版本呈现分叉。优先选择用户能够批注修改的版本,而非只能接受或拒绝的版本。对于构建过程中做出的、对话或手头资料未事先确定的每个选择,需说明该选择、所选取的方案以及什么情况下会另作选择。先用 AskUserQuestion 提出这些浮现出来的选择,最不确定的排在最前;然后交回构建出的成品本身:在回复中给出其内容,并说明它所在的位置。构建、呈现、交回,只做一次,然后等待用户反应。每个浮现的选择在用户做出反应前都保持开放。若一个直接提问就能让用户明确需求,且手头没有资料可依据,则直接提问;若措辞存在两种会导致不同构建结果的解读,则使用 clarify 技能;若缺失的信息存在于用户而非外部世界,则使用 elicit 技能;若事物已存在且需要对其作出明确判定,则使用 judge 技能。

通用与其它90 次安装

intent

intent 是一个用于澄清模糊需求的技能,目标是把粗略的请求转成清晰的工作指令(work order)。它先判断哪些信息可以从记录、代码仓库或外部世界查得,哪些只能由用户自己提供,再按缺口类型路由到相应技能:存在两种不同理解时用 clarify,用户知道想要但说不清时用 elicit,缺少已确定前提时用 explain,需求带着未论证的既定决策时用 interrogate,只给出步骤或产物却未说明目标时用 reframe。反复路由直至没有需要凭空发明的内容。随后用 AskUserQuestion 先询问真正未定的事项;纠错成本低于提问成本的小缺口则作为假设写入工作指令。重述请求需先经 deepen 处理,再与原始请求并列呈现给用户确认;工作指令需写明请求本身、必须达到的标准以及明确不可做的事,并尽量简短而不丢失规格信息,交付前用 readback 复核。若 WHAT 已确认而开放的是技术路径,则转用 shape 技能。

智能体与模型90 次安装

inversion

inversion 是一个用于逆向思考的思维工具:当某个目标正面推进始终无法达成时,它要求先列出「保证失败」的最少行动,再逐条否定成可执行的指令。整个流程在单轮内完成,不等待用户输入。输出为简短的行动清单,每条一行,用祈使句表达,不夹杂风险提示。适合在目标反复受挫时换个角度寻找突破口,也明确了不适用场景:目标尚未正面尝试、失败源于执行而非路线、或用户实际需要的是风险清单。

通用与其它90 次安装

reframe

reframe 是一个用于重新表述问题框架的 AI 技能,在单轮内完成,无需等待用户。它先指出当前框架固定的三要素——主体、层级、范围,然后只改变其中一个,用一句平实的话重新陈述问题。若提问指向某个步骤,就把层级提升到该步骤之后的目标;若提问指向某个产物,就把主体换成该产物必须完成的动作、作用对象及其限制。交付前需自检:若新陈述的主体与层级未变,说明只是旧框架换了说法,需丢弃并改换另一要素再试;若第二次仍不通过,则判定该框架抗拒重构,直接返回这一结论而非新陈述。最终给出新陈述,并用一句话说明它释放了旧框架所阻碍的什么,到此为止。

通用与其它90 次安装

shape

shape 是一个在需求目标已明确、但存在多种构建路径时用于决定技术路线的技能。它要求在选择所依赖的条件尚未确定前不改动任何文件,并通过查找项目规则、仓库事实、文档等资料尽可能自行消除待定选项,再将剩余选择按性质分派给 judge、draft、elicit、clarify、explain、dissolve 等技能处理。它支持迭代式工作中对循环方式本身的选择,并在路径确定后用 inversion 技能补充约束。适用于架构、技术选型与设计决策场景。

智能体与模型90 次安装