SuperAPI AI 工具集
合作ENAI 行业资讯收藏

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 10-23 00:13

全部 Skills

235,205 个结果

syncfusion-react-progress-bar

Syncfusion React Progress Bar 是一个用于在 React 应用中实现进度反馈的组件技能。它提供线性、圆形和半圆形三种进度条形态，支持确定进度、不确定（加载）和缓冲（次级进度）三种状态，可用于文件上传下载、任务完成百分比、加载状态、数据处理等场景。组件支持动画过渡、颜色与尺寸自定义、标签显示、分段渲染、范围颜色、RTL 布局以及 WCAG 2.1 无障碍支持。该技能以文档指南形式组织，涵盖入门安装、类型与形状、状态与模式、自定义与样式、动画事件与无障碍以及 API 参考，并提供文件上传、加载指示、数据处理、多任务缓冲、多步骤工作流等常见用例的代码示例。

前端与建站646 次安装

pytorch-lightning

PyTorch Lightning 是一个基于 PyTorch 的高层训练框架，核心是 Trainer 类，用于在保持灵活性的同时消除训练代码中的样板代码。它通过 LightningModule 组织 PyTorch 代码，由 Trainer 自动处理 GPU/TPU/CPU 切换、分布式训练（DDP、FSDP、DeepSpeed）、混合精度（FP16、BF16）、梯度累积、检查点、日志和进度条。安装命令为 pip install lightning，版本 2.5.5+。它能将原本 40 多行的 PyTorch 训练循环压缩到约 15 行，无需手动管理设备和分布式逻辑，支持单机多卡、多节点和 TPU，并提供回调系统（如 EarlyStopping、ModelCheckpoint、LearningRateMonitor）与学习率调度。

编程与开发645 次安装

inngest-agents

Inngest Agents 是 Inngest 官方技能包中的一项技能，用于指导开发者使用 Inngest 与 AgentKit 构建持久化 AI 智能体与智能体工作流。它覆盖模型调用、工具调用、多智能体网络、人工审批、实时进度、智能体评估以及流控与成本控制等主题。该技能强调将智能体运行交给 Inngest 函数托管，通过 step.ai 让模型调用具备重试与结果缓存能力，并用 step.run、step.waitForEvent 等原语处理数据库读写、工具副作用、等待、审批与流程控制。适用于需要跨 HTTP 请求、跨部署、跨崩溃存活的智能体场景，例如支持智能体、研究智能体、工具调用循环与人工介入审核流程。

智能体与模型645 次安装

writing-linkedin-posts

这是一个用于撰写 LinkedIn 帖子的 AI 技能，旨在帮助用户创作真实、有吸引力的内容，像 LinkedIn Top Voice 一样建立思想领导力。技能强调真实胜过表演、每帖一个核心观点、提供无附加条件的价值。内容涵盖如何定义个人观点与一致性标志、帖子结构（钩子、正文、结尾）、多种帖子格式（故事、列表、反主流观点、观察）、媒体格式（文档/轮播、图片、投票、视频）、发布后的互动策略、写作规范以及应避免的反模式。技能还提供发布前检查清单，帮助用户确保帖子真实、简洁、有价值，并能引发真诚互动。

写作与研究645 次安装

sap-btp-cloud-transport-management

SAP Cloud Transport Management 是 SAP BTP 上用于在不同环境账户之间传输软件交付物的服务，支持 Cloud Foundry、Kyma 和 Neo（已弃用）运行时。该技能涵盖传输蓝图搭建、传输节点与路由配置、导入队列管理、跨环境部署 MTA、为部署传输配置目标（destination）、将传输集成到 CI/CD 流程，以及排查 TMS 导入与部署错误。支持的内容类型包括 MTA（.mtar）、BTP ABAP、应用内容（.zip/.rar）和 XSC DU。提供授权配置、服务订阅、角色集合、服务实例与密钥创建、传输节点类型、路由约束、传输蓝图向导等配置指引，并说明导入方式、文件上传限制、调度与自动导入、传输请求状态、故障排查、安全与集成等细节。

部署与运维645 次安装

sap-btp-master-data-integration

SAP BTP Master Data Integration（MDI）是 SAP Business Technology Platform 上的中央主数据枢纽技能，用于配置和集成 MDI 服务。它帮助应用将本地主数据数据库与中央存储库同步，支持通过 SAP One Domain Model 复制 34 种主数据类型，并提供过滤控制数据分发范围、自定义字段扩展等能力。该技能适用于设置 MDI 租户、连接 SAP 应用、配置分发模型、选择 MDI 服务计划、集成业务伙伴 SOAP API、处理 One Domain Model 版本以及排查主数据复制问题。MDI 不负责数据合并、数据质量控制、中央治理工作流和引用完整性校验，这些需使用 SAP Master Data Governance 等工具。

数据与分析645 次安装

syncfusion-react-splitter

Syncfusion React Splitter 是 Syncfusion 提供的 React UI 组件，用于构建可灵活调整大小的面板布局。它通过 SplitterComponent 容器与 PanesDirective、PaneDirective 定义多个面板，用户可拖动分隔条动态调整面板尺寸。组件支持水平、垂直及嵌套布局方向，面板尺寸支持像素与百分比，并可设置最小、最大尺寸约束。面板可配置初始折叠状态、是否允许用户折叠、是否允许调整大小，并支持 HTML、React 组件、CSS 选择器等多种内容类型。组件提供 addPane、removePane、collapse、expand、destroy 等方法，以及 created、beforeCollapse/collapsed、beforeExpand/expanded、resizeStart/resizing/resizeStop 等事件，便于运行时动态增删面板与控制状态。还支持状态持久化、HTML 净化、无障碍与 RTL、主题定制。安装命令为 npm install @syncfusion/ej2-react-layouts --save。适用于文件浏览器与编辑器、仪表盘、聊天界面、代码编辑器、邮件客户端等多面板界面。

前端与建站645 次安装

aws-agentic-ai

AWS Bedrock AgentCore 是一个用于大规模部署和管理 AI 智能体的平台，包含九项核心服务。本技能（aws-agentic-ai）面向使用 AgentCore 各项服务的场景，覆盖服务选择、部署模式与集成工作流，并基于 AWS CLI 操作。技能强调在回答前先阅读对应服务的 README，并通过 MCP 文档工具核实 AWS 事实。可用服务包括 Gateway（将 REST API 转换为 MCP 工具）、Runtime（部署与扩展智能体）、Memory（管理对话状态）、Identity（凭证与访问管理）、Code Interpreter（沙箱内安全执行代码）、Browser（Web 自动化与抓取）、Observability（追踪与监控）、Agent Registry（编目、发现与治理智能体/工具，预览版）、Evaluations（基于 LLM-as-a-Judge 的自动化质量评估）。技能还提供常见工作流、跨服务资源说明、深度参考文档以及可运行的脚本模板。

智能体与模型645 次安装

instrument-designer

Instrument Designer 是一个用于设计数据采集工具的技能，面向 MEL/SRHR（监测评估与性健康生殖健康权利）领域，目标是产出符合 IPPF/UNFPA 出版标准的问卷、调查工具、KII/IDI 访谈指南、焦点小组（FGD）指南等。它强调指标与工具之间的对应关系：指标定义“测什么”，工具负责“如何产出数据”。该技能适用于结构化问卷、半结构化关键知情人或深度访谈指南、焦点小组讨论指南、观察清单或主题指南的设计；不用于指标定义（应使用 indicator-designer），也不用于已收集数据的分析。使用前需提供测量目标（指标集或研究问题）与模式及人群（定量调查、定性访谈/FGD 或观察，以及受访者年龄、背景、语言）两项必需输入，可选提供项目背景、使用语言、敏感内容标记、需适配的现有工具。其方法包括选择工具类型、将每个条目映射到构念、按标准设计、通过构造实现分拆、嵌入敏感内容的伦理要求、规划翻译与预测试、标记数据缺口。输出包含工具类型与理由、条目-指标映射表、完整工具、分拆模块、同意/赞同/转介内容、翻译与预测试说明及数据缺口，并可导出为 IPPF 品牌 Word 文档或 KOBO/ODK 可部署的 XLSForm。

数据与分析644 次安装

research

这是一个面向技术决策、SOTA（最先进水平）分析与代码库调查的研究技能，强调以可追溯证据回答问题并在需要时给出建议。它要求先界定问题与目标系统，交替进行调查与临时综合，根据已获信息选择下一步检查，并保持结论可修订。该技能对外部研究与内部调查并重：对现有系统应检查已安装版本、实际接口、部署拓扑或迁移约束。它对不同问题形态给出对应做法，如直接查阅权威登记处、发布说明或本地接口，比较技术选项的能力、运营成本、失败模式与采用/退出成本，审视性能声称的方法论并在可行时进行基准测试。它要求把证据与论断匹配，如已安装行为用版本固定代码、本地帮助与可复现用例，产品行为用官方带版本文档，最新发布用官方发布列表或包注册表并注明访问日期。研究结果需记录来源身份、日期或版本与支持段落，区分观察与解释，避免把重复转载当作独立证据。对基准测试结果，需检查基准版本、任务群体、排除项、模型与工具、推理预算、尝试次数、指标与失败方差、可能的训练测试重叠及工件发布情况。它还要求并行处理独立问题时只委派有界问题，出现矛盾时对照工件解决，并在决策覆盖后停止。

写作与研究644 次安装