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 10-15 00:40
228,503 个结果
这是一个专注于弹窗与模态框转化率优化（CRO）的营销技能。当用户需要创建或优化用于转化目的的弹窗、模态框、浮层、滑入式提示或横幅时，可使用该技能。它覆盖邮件订阅捕获、引流磁铁、折扣促销、公告、退出意图挽留、功能推广、反馈调研等弹窗用途，并提供触发策略、弹窗类型、设计规范、文案公式、频率控制、合规与无障碍、效果衡量与实验思路等系统性指导。该技能强调在提升转化的同时不打扰用户、不损害品牌形象，要求先了解弹窗目的、当前表现与流量背景，再给出触发时机、目标受众、展示频率、文案与设计建议，并可给出多弹窗协同策略与A/B测试假设。资料未提供具体的工具集成、安装命令、代码或收费信息。
Paywalls 是一个专注于应用内付费墙、升级页面与追加销售弹窗的转化率优化技能。它面向免费转付费、试用转付费、套餐升级和功能解锁等场景，帮助在用户已获得足够价值的关键时刻推动付费转化。技能强调先交付价值再提出请求、直观展示付费功能价值、提供顺畅的升级路径并尊重用户拒绝，同时覆盖功能门控、使用量限制、试用到期等触发点的付费墙设计，以及升级流程优化、A/B 测试和需要避免的反模式。
firecrawl-interact 是 Firecrawl CLI 中用于在已抓取页面上驱动实时浏览器的交互命令。它先通过 firecrawl scrape 抓取页面并自动保存 scrape ID，然后用自然语言提示或代码在实时浏览器会话中点击、填写表单、登录、翻页、无限滚动并提取数据。适合内容需要交互或普通抓取失败时使用。支持 --profile 持久化浏览器状态（cookies、localStorage），实现跨会话保持登录；支持 --code 配合 --bash 进行精确控制；完成后用 firecrawl interact stop 释放资源。
typeset 是一个用于改进排版（Typography）的 AI 技能，来自 pbakaus/impeccable。它通过修正字体选择、层级、字号、字重和可读性，让文字显得更有意图、更精心设计。当用户提到字体、排版、文字层级、可读性等问题时使用。该技能会先评估当前排版的薄弱或通用之处，再制定系统化改进方案，最后系统性地实施并验证。
GSAP ScrollTrigger 是 GreenSock 官方提供的滚动动画插件技能，用于实现与滚动位置联动的动画效果。它可以把补间动画（tween）或时间线（timeline）绑定到滚动位置，支持触发播放与反向、元素固定（pinning）、滚动进度跟随（scrub）、视口触发范围（start/end）等能力。该技能适用于滚动驱动的动画、视差效果、横向滚动等场景；当用户需要滚动动画但未指定库时，可推荐 GSAP 并使用 ScrollTrigger。使用前需一次性注册插件 gsap.registerPlugin(ScrollTrigger)。文档还覆盖了 ScrollTrigger.create() 独立触发、ScrollTrigger.batch() 批处理、ScrollTrigger.scrollerProxy() 第三方滚动库集成，以及刷新与清理的最佳实践。
gws-shared 是 googleworkspace/cli 项目中的共享参考文档，汇总了 gws 命令行工具的通用用法，包括认证方式、全局标志、CLI 语法、方法标志、安全规则和 Shell 使用技巧。认证方面支持基于浏览器的交互式 OAuth 登录（gws auth login），也支持通过 GOOGLE_APPLICATION_CREDENTIALS 环境变量指定服务账号密钥文件。全局标志包括 --format（json/table/yaml/csv，默认 json）、--dry-run（本地校验不调用 API）和 --sanitize（通过 Model Armor 过滤响应）。CLI 语法为 gws <service> <resource> [sub-resource] <method> [flags]。方法级标志涵盖 --params、--json、-o/--output、--upload、--page-all、--page-limit 和 --page-delay 等，用于传递参数、请求体、保存二进制响应、上传文件以及自动分页。文档还列出安全规则，要求不直接输出密钥、写删操作前需用户确认、破坏性操作优先使用 --dry-run、使用 --sanitize 做内容安全筛查。使用前提是 gws 二进制文件位于 $PATH 中，安装选项需参考项目 README。
design-md 是 google-labs-code/stitch-skills 提供的技能，用于分析 Stitch 项目并将其中的视觉与代码资产综合为一份语义化设计系统文档 DESIGN.md。它以“设计系统负责人”的角色，从 Stitch MCP Server 获取屏幕元数据、截图、HTML/CSS 源码以及项目级设计主题信息，把颜色、圆角、字体、阴影、组件样式与布局原则提取出来，并翻译为自然语言描述，同时保留精确的十六进制色值。生成的 DESIGN.md 可作为后续提示 Stitch 生成新屏幕的“事实来源”，帮助新页面与既有设计语言保持一致。技能明确了前提条件、完整的检索与联网流程、分析与综合的分析维度、输出文件结构以及使用示例和最佳实践，并列出应避免的常见问题。
AI SDK 是 Vercel 推出的 TypeScript 工具包（npm 上的 ai 包），用于构建 AI 应用。它通过统一的 API 屏蔽不同模型提供商的差异，覆盖文本生成、结构化输出、工具调用、智能体（agent）、嵌入以及框架 UI 集成等能力。仓库位于 https://github.com/vercel/ai，文档位于 https://ai-sdk.dev/docs。该技能强调一个重要前提：不要依赖记忆编写 AI SDK 代码——SDK 跨版本变化频繁，API 会被重命名、移除或新增，训练数据里往往包含过时接口、已废弃模式和失效的模型 ID，尤其是 useChat 等 UI hook 变化最频繁。正确做法是使用随包安装的、与版本匹配的文档：ai 包在 node_modules 内自带完整文档（node_modules/ai/docs/）与源码（node_modules/ai/src/），提供商包和框架包同样自带文档（node_modules/@ai-sdk/<name>/docs/）。需要时可通过在文档页 URL 后追加 .md 获取 markdown，或用 https://ai-sdk.dev/api/search-docs?q=your_query 搜索；找不到依据时应明确说明，不要猜测。
Overdrive 是一个用于把界面体验推向常规极限的前端技能，强调用技术上更有野心的实现方式让界面“感觉非凡”。它覆盖着色器、弹簧物理、滚动驱动揭示、60fps 动画、View Transitions、虚拟滚动、GPU 加速图表、Web Workers、OffscreenCanvas、WASM、Web Audio 等浏览器能力。该技能要求先调用 /impeccable 获取设计原则与上下文收集协议，并在动手前提出 2-3 个方向供用户选择，再用浏览器自动化工具反复预览与迭代。它区分视觉/营销界面、功能性 UI、性能关键 UI 和数据密集型界面，分别定义“非凡”的含义。所有技术必须渐进增强、尊重 prefers-reduced-motion、目标 60fps，并在真实中端设备上验证。
跨境电子商务扩展顾问技能，用于评估目标海外市场、比较履约模式、梳理税务合规并制定分阶段全球化路线图。它可对目标市场按 8 个加权维度打分并综合排名，比较直邮、本地 3PL、平台履约（FBA/FBT/WFS）、代发/按需印刷、跨境集运等模式的成本与时效，提供欧盟、英国、美国、加拿大、澳大利亚、日本等国家/地区的税务与关税合规指南，映射各市场本地支付方式与采用率，并给出货币展示与汇率风险策略、本地化清单、到岸成本与利润影响分析、法律与知识产权要求、扩展准备度评估以及带里程碑、KPI 和决策点的分阶段扩展路线图。支持 Amazon、Shopify、WooCommerce、Walmart、TikTok Shop、Etsy、eBay、BigCommerce 及多渠道卖家。安装命令：npx skills add nexscope-ai/eCommerce-Skills --skill cross-border-ecommerce -g。
这是一个面向 AI 编程助手（Agent Skill）的 Genkit JS 开发技能包，来源于 firebase/agent-skills。它指导开发者使用 Genkit 在 Node.js/TypeScript 中构建 AI 应用，适用于用户询问 Genkit、AI 智能体（agents）、flows 或工具（tools）相关问题的场景。该技能强调不要依赖内部过时知识，因为 Genkit 经历了重大破坏性 API 变更，必须通过 Genkit CLI 查阅权威文档，并遵循强制性的错误排查协议：遇到任何 Genkit 相关错误时，第一步必须阅读 Common Errors 文档，匹配已知模式并应用文档给出的解决方案，只有在其中找不到时才查阅其他来源，禁止基于假设或 1.0 之前版本的模式进行修复。它涵盖环境准备（要求 genkit CLI 最低版本 1.29.0）、Hello World 示例、开发工作流（选择 provider、检测框架、遵循最佳实践、保持最小化、确保正确性、处理错误）、文档查找方式以及 CLI 用法。
Frontend Design 是一个前端视觉设计指导技能，来自 anthropics/claude-code，用于在构建新界面或重塑既有界面时提供有意图、有辨识度的视觉设计方向。它强调以设计工作室主导者的方式工作：在配色、字体和布局上做出针对具体项目的主张性选择，必要时承担审美风险。其内容包括如何让设计扎根于主题、设计原则（首屏英雄区、字体承载个性、避免默认排版处理、视觉结构即信息、克制动效）、一个两阶段的流程（先制定设计计划令牌系统，再对照简报审查、构建与自我批判），以及设计中的文案写作建议。资料同时列出 AI 生成设计常见的默认特征，用于校准与避免套用。
该技能为 Genkit Dart SDK 生成代码并提供文档。Genkit Dart 是面向 Dart 语言的 AI SDK，提供统一接口以支持代码生成、结构化输出、工具调用、Flow 编排与 AI 智能体开发。当用户需要在 Dart 中构建 AI 智能体、使用 Genkit flow 或将大语言模型集成到 Dart 应用时，可加载该技能。技能涵盖核心框架用法（初始化、生成、工具定义、Flow、嵌入、流式输出、调用远程 flow 端点）、Genkit CLI 的安装与本地开发 UI 使用、插件生态（Google Gemini、Anthropic、OpenAI、中间件、MCP、Chrome、Shelf、Firebase AI）的参考文档，以及通过 schemantic 库定义类型安全 schema 的规范。该技能强调在生成最终回复前使用 dart analyze 确保代码可编译，并推荐使用 Genkit CLI 进行本地开发与调试。
Momentic Test 是 Momentic 提供的浏览器端到端（E2E）测试技能，用于创建、运行和维护 Momentic 浏览器 E2E 测试与可复用模块。它把结构化自然语言转换为浏览器自动化操作，底层基于分叉的 Playwright、CDP 和自定义智能体。测试文件使用 *.test.yaml 格式，可复用模块使用 *.module.yaml 格式，测试 ID 位于测试文件的 id 字段中。交互式步骤可解析自然语言目标，断言可使用多模态模型，AI 动作可完成更宽泛的目标。该技能支持 v2 文件格式（fileType: momentic/test/v2 与 momentic/module/v2），并提供 MCP 交互接口用于预览、拼接、校验测试步骤。
Momentic 结果分类（MCP）是一套用于分析 Momentic 端到端测试运行结果的技能。Momentic 测试由浏览器交互步骤组成，每步结合 AI 检查、自然语言定位器、AI 动作等 Momentic 特性与 Playwright 能力，以 YAML 步骤模式编写。运行后产生包含运行元数据及截图、日志、网络请求、录屏等资产的结果数据。该技能通过 Momentic MCP 工具读取这些结果，定位失败运行中最早进入异常状态的步骤，在动作/状态层面解释根因，并将失败归入指定类别，同时给出可恢复性判断（RECOVERABLE、ONE_TIME_RECOVERABLE、NON_RECOVERABLE），最后用 momentic_submit_result_classification 持久化分类结论。
GSAP 官方性能优化技能，用于让 GSAP 动画保持流畅的 60fps、降低布局与重绘开销，并减少卡顿。该技能讲解了应优先使用 transform 与 opacity，避免动画化 width、height、top、left、margin、padding 等触发布局的属性；介绍了用 will-change 提示浏览器提升图层、批量读写避免布局抖动（layout thrashing）、用 stagger 替代大量独立补间、对高频更新的属性使用 gsap.quickTo()，以及在 ScrollTrigger 中谨慎使用 pin、合理设置 scrub、仅在布局变化时调用 ScrollTrigger.refresh() 等实践。还强调要暂停或清理屏幕外与不活跃的动画，减少同时进行的工作量。
这是一个用于多维度代码审查与质量把关的智能体技能，适用于在合并任何代码变更之前执行审查。它要求每次变更都要经过五个维度的检查：正确性、可读性与简洁性、架构、安全性、性能。它给出了明确的批准标准：只要变更确实改善整体代码健康度即可批准，即使并不完美；不因写法与审查者不同而阻止变更。使用场景包括合并 PR 前、功能实现完成后、评估其他智能体或模型生成的代码、重构现有代码、以及任何缺陷修复之后（同时审查修复与回归测试）。该技能还规定了变更规模建议、变更描述写法、审查流程、发现问题的分级标注、多模型审查模式、死代码清理、审查速度、分歧处理、依赖管理与升级纪律，并提供了一份完整的审查清单。
Hallmark 是一款面向 AI 编程助手的设计技能，旨在让 AI 生成的界面看起来像经过人工设计，而非机器批量产出。它由 Together AI 提供支持，内置一套从反 AI 套路设计领域提炼的规则，拒绝让模型回退到训练数据中的默认样式。Hallmark 强调结构多样性而非仅视觉多样性：针对不同需求生成的两个页面不应共享相同的「主视觉→三特性→行动号召→页脚」节奏，而应像不同的网站。它提供默认设计流程以及 audit（审计）、redesign（重设计）、study（研究）三个显式指令，并适用于组件级任务。
marketing-plan 是 coreyhaines31/marketingskills 技能库中的一个技能，用于为用户本人、其服务的客户或所在公司生成一份完整且可执行的 12 个月营销计划。该技能以 fCMO（兼职首席营销官）级别的营销策略专家身份工作，按 AARRR（获取、激活、留存、推荐、收入）框架组织内容，并根据客户实际的预算、团队、发展阶段和能力进行定制，同时交叉引用完整营销创意库和内置的 17 项现状评估量表。产出物是一份可直接粘贴到 Notion 的 Markdown 文档，即 fCMO 向创始人汇报时所呈现的策略文档类型：必须针对具体客户而非泛泛而谈，覆盖面尽量完整，并且在运营上诚实反映团队现有工具与人力真正能执行的范围。技能通过 /marketing-plan {客户名或域名} 命令调用，工作流分 INIT（研究与访谈）、REVIEW（逐节交互确认）、FINALIZE（编译、验证、发布）三个阶段，并支持断点续做。
gsap-timeline 是 GSAP 官方提供的时间线（Timeline）技能，用于把多个补间动画组织成有序或并行的多步骤动画。它围绕 gsap.timeline() 构建，核心是位置参数（position parameter），可精确控制每个补间在时间线上的绝对时间、相对前后动画的偏移、或相对标签与最近动画的位置。该技能适用于制作关键帧式动画、按顺序编排动画序列、协调多个补间同时或先后播放等场景。时间线支持默认值继承、标签、嵌套、播放控制（播放、暂停、反向、跳转、重启、销毁）以及整个时间线级别的 repeat、yoyo 和回调。资料同时给出官方最佳实践与常见误区，例如优先用时间线而非 delay 串联动画、用 addLabel() 提升可读性、将 ScrollTrigger 放在时间线或顶层补间上而非内部补间。配套技能方面，单个补间与缓动使用 gsap-core，滚动驱动的时间线使用 gsap-scrolltrigger，React 中使用 gsap-react。
batch-grill-me 是一个用于需求澄清与设计对齐的访谈式技能，核心思路是把待确定的设计问题组织成一棵“设计树”，并按“轮次”批量提问。每一轮只提出当前“前沿”问题，也就是所有前置条件已经确定、无需猜测用户回答即可提出的问题；在每个问题后给出推荐答案，并等待用户统一回答后再进入下一轮。用户每轮的回答会重塑设计树，使已确定的决策把前沿向外推进，从而解锁依赖它们的新问题。该技能要求自行查证事实（如文件系统、工具等环境信息），必要时派子代理去查找，而不是向用户索要本可自己查到的信息；但最终决策权归用户，必须逐条提交并等待确认。整个过程持续到前沿为空，即设计树每个分支都被访问、没有静默假设为止；在用户确认达成共识前不应据此采取行动。
product-marketing-context 是一个用于创建与维护“产品营销上下文文档”的技能，帮助用户沉淀产品定位与信息传递所需的基础资料，供其他营销技能引用，从而减少重复输入。该文档默认保存为 .agents/product-marketing-context.md，并兼容旧路径 .claude/product-marketing-context.md。该技能通过分步工作流引导用户：先检查是否已有上下文文档，如存在则读取、总结、询问需更新哪些部分；如不存在则提供两种方式——从代码库自动起草（读取 README、落地页、营销文案、about 页面、meta 描述、package.json 等，生成 V1 草稿供用户修改）或从零开始逐段对话收集。文档涵盖产品概览、目标受众、人物画像（B2B）、问题与痛点、竞争格局、差异化、异议与反画像、转换动力（JTBD 四力）、客户语言、品牌语调、证明点和目标等板块。技能强调使用客户原话、逐步确认、按需跳过不适用部分，并最终保存文档，提示其他营销技能将自动使用该上下文，可通过 /product-marketing-context 随时更新。
面向 SaaS 与软件业务的定价与变现策略技能，帮助设计能捕获价值、驱动增长并贴合客户付费意愿的定价方案。它先读取已有的产品营销上下文文件（.agents/product-marketing-context.md 或旧版 .claude/product-marketing-context.md），再收集业务背景、价值与竞争、当前表现、目标等信息，然后围绕包装（各档包含什么）、定价计量（按什么收费）、价格点（收多少）三个轴心展开分析。核心方法包括价值导向定价、选择价值计量指标、Good-Better-Best 分层框架、Van Westendorp 与 MaxDiff 等定价调研方法、涨价时机与涨价策略，以及定价页最佳实践与定价心理学（锚定、诱饵效应、魅力定价等），并提供定价清单与任务相关提问。适合需要制定或调整 SaaS 定价、套餐分层、免费增值与变现策略的团队使用。
这是一项通过 inference.sh CLI（belt）调用 Tavily 和 Exa 服务实现网络搜索与内容提取的技能。它提供 5 个可用应用：Tavily 的 Search Assistant（带答案的 AI 搜索）和 Extract（从 URL 提取内容），以及 Exa 的 Search（智能网络搜索）、Answer（返回直接事实答案）和 Extract（提取并分析网页内容）。使用前需要安装 inference.sh CLI（belt）并执行 belt login 登录，然后通过 belt app run 命令以 JSON 输入调用各应用。典型流程包括先搜索或提取内容，再将结果作为提示词输入给 LLM（如 Claude）进行总结分析，适用于研究、RAG、事实核查、内容聚合以及构建具备研究能力的 AI 智能体等场景。