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 10-24 00:15
236,188 个结果
Syncfusion React Accordion 是 Syncfusion 提供的 React UI 组件技能指南，用于在 React 应用中实现可折叠内容面板。该组件以堆叠面板形式呈现内容，每个面板包含可点击切换的标题和内容区域，支持单展开模式（一次仅一个面板展开）与多展开模式（可同时展开多个面板），内置平滑的展开/折叠动画，并提供完整的键盘导航与无障碍支持。技能文档涵盖从安装配置、初始化方式、展开模式控制、动画效果定制、动态内容加载、事件与生命周期处理，到样式定制和嵌套手风琴等高级功能的完整参考，适合用于构建 FAQ、多步骤表单、导航菜单、设置面板和数据仪表盘等场景。
将一道解析几何题生成自包含交互教学网页的技能：三栏结构含题面与动态控制台、KaTeX 分步解析、2D Canvas 动态画板，支持椭圆/双曲线/抛物线/圆与动直线、动点、向量及画笔涂鸦，配合 sympy 精确求解。
面向中文家庭的“家庭医生式”育儿与儿童健康管理技能：用崔玉涛/育学园参考内容，帮助家长建立宝宝档案、结构化问诊、区分正常与需就医情形、给出非诊断性照护方案与升级阈值，并归档病例。非执业医生，不作诊断、开药或替代急诊。
Tech Debt Tracker 是一个用于识别、分析、排序和跟踪代码库技术债的技能，属于工程流程自动化类别。它提供三个相互衔接的工具：Debt Scanner 自动扫描代码库中的技术债信号；Debt Prioritizer 使用成本延迟、WSJF、RICE 等框架对债务项进行优先级排序；Debt Dashboard 通过带日期的快照跟踪债务趋势并生成面向管理层的报告。该技能将技术债视为涵盖架构捷径、缺失测试、过时依赖、文档缺口和基础设施妥协的综合问题，帮助工程团队以数据驱动的方式在功能开发与维护工作之间做出平衡决策。
terraform-patterns 是面向 Claude Code、Codex、Gemini CLI、Cursor、OpenClaw 等 AI 编程助手的 Terraform 基础设施即代码技能与插件。它提供一套有明确主张的 Terraform 工作流，把零散的 HCL 整理为结构清晰、安全、可用于生产的基础设施代码，涵盖模块设计、状态管理、Provider 配置、安全加固与 CI/CD 集成。该技能提供 /terraform:review、/terraform:module、/terraform:security 三个斜杠命令，分别用于代码审查、模块设计重构与安全审计；并附带 tf_module_analyzer.py 和 tf_security_scanner.py 两个 Python 脚本，支持文本与 JSON 输出。资料还给出扁平模块、嵌套模块、Terragrunt 单仓三种设计模式，状态管理决策树，CI/CD 与漂移检测示例，多云端配置，OpenTofu 兼容说明以及 Infracost 成本集成。
fto-triage 是一个自由实施（FTO）初步筛查技能，对可能构成阻碍的专利做结构化初查，而非出具 FTO 法律意见。适用于产品、工艺或功能即将上市时，先用权利要求对照表排查风险，结论必须交由专利律师审阅。
为概念、界面位置或笔记挑选真实存在的 Lucide 图标名，通过本地脚本搜索并校验 Lucide 图标库，返回带标签的候选图标与最终推荐。
该技能根据 git 提交记录、PR 标题与 issue 引用生成 changelog 和发布说明，按影响类型分组，识别破坏性变更并推荐语义化版本号，遵循 Keep a Changelog 格式。
介绍 JavaScript 原型模式（Prototype Pattern）的技能：讲解如何通过原型链在同类型对象间共享属性与方法，涵盖 ES6 class、Object.create、__proto__、extends 继承及原型上的共享属性等核心概念。
Pippit.ai 的端到端技能，用于海外 AI 创意生成与编辑、素材下载、社交视频发布、定时任务与数据分析。包含本地 nest 与 publish 两套脚本，无需外部 Pippit 技能目录。
该技能专注于 Java 数据持久化，覆盖 JPA 实体设计、Hibernate 性能优化、Spring Data 仓库、查询策略与缓存。核心目标是防止 N+1 查询并构建高性能持久层。内容包括实体映射注解、关系类型（1:1、1:N、N:M）、继承策略、生命周期回调与审计；查询优化方面涉及 JOIN FETCH 与 EntityGraph、批量抓取、投影与 DTO；事务方面涵盖 @Transactional 配置、传播与隔离级别、乐观与悲观锁、死锁预防；缓存方面包括一级与二级缓存、查询缓存、缓存失效及 Redis 集成。技能还提供 Hibernate 配置示例（如关闭 open-in-view、JDBC 批处理、连接池参数）以及常见问题排查表（N+1、LazyInitException、慢查询、连接泄漏）和调试属性与检查清单。适用于设计实体关系、优化数据库查询、配置 Hibernate 性能、实现缓存策略及调试持久化问题的场景。
设计冲刺第二日（周二）技能，用于组织闪电演示与四步独立方案草图流程：上午每人展示3个参考案例并提炼可复用模式，下午按笔记、想法、Crazy 8s、方案草图四步各自静默作画，产出带四部分的打包产物。
rc-price-changes 是 RevenueCat 官方 AI 工具包中的一个技能，用于在 Android 平台上为现有订阅产品推出新价格时，借助 RevenueCat 自动管理用户分组（cohort）与用户同意（consent）流程。该技能区分两类价格变更：一是 opt out 变更（通常是降价，或涨幅在 Google 阈值内的小幅涨价），新价格在下次续订时自动生效，无需用户操作；二是 opt in 变更（较大幅度涨价），由 Google Play 弹出应用内同意对话框，用户同意则按新价续订，拒绝则订阅在当期结束时取消。RevenueCat 在后端处理 SUBSCRIPTION_PRICE_CHANGE_UPDATED 及相关 RTDN，并在订阅者的分组或同意状态变化时更新 CustomerInfo，应用仍按原有方式读取权益。大多数价格变更场景下，应用端和后端无需任何代码改动，主要工作在 Play Console 和 RevenueCat 后台完成。
该技能提供使用 Zafiro.Avalonia 构建现代 Avalonia UI 布局的指南，强调共享样式、通用组件与语义化容器，帮助减少 XAML 冗余、避免深层嵌套和硬编码属性。内容按主题分为主题组织、语义容器、图标使用、交互行为、通用组件等文件，并给出整洁布局的检查清单与反模式示例。适用于需要整理或优化 Avalonia 界面结构、统一主题样式、以行为替代转换器的开发场景。
用于起草社交媒体回复、评论和私信的中文技能说明，帮助品牌以真实、符合人设的方式提升互动与社群关系。资料强调人工发布、禁止自动化和虚假互动。
用户研究分析（User Research Analysis）是一个用于分析用户研究数据的技能，目标是挖掘洞察、识别模式，并为设计决策提供依据。它支持将定性与定量研究综合起来，适用于用户访谈与问卷的综合分析、主题与模式识别、设计假设验证、用户需求优先级排序、向利益相关者传达洞察，以及为设计决策提供信息。资料中给出了一个最小工作示例，定义了一个 ResearchAnalysis 类，其中 synthesize_interviews 方法可从访谈中提取主题与洞察，返回内容包括：分析的访谈数量、方法论、主题、关键引语、痛点与机会；identify_themes 方法用于寻找访谈中的反复出现的模式，并通过分类语句统计主题频次后按频次排序。完整实现需参考资料中的 references/ 目录，其中包含研究综合方法、亲和图映射、洞察文档化、研究验证矩阵等参考指南。资料还列出了最佳实践，包括使用多种研究方法、跨来源三角验证、记录引语与证据、寻找模式与频次、将发现与解释分开、与用户验证发现、在团队内分享洞察、连接到设计决策、记录方法论、根据学习迭代研究方法；同时列出了不应做的事情，例如对小样本过度解读、忽略冲突数据、基于单一数据点做决策、跳过文档化、挑选用以支持假设的引语、无支撑证据地呈现、忘记注明局限性、不涉及参与者进行分析、创建没有可操作建议的洞察、让研究闲置不用。
面向程序化SEO的技能：用模板与数据规模化生成以排名、提供价值并避免薄内容惩罚为目标的SEO页面，涵盖机会评估、12种页面套路、URL模式生成、模板设计、内链与索引策略及上线前后检查。
Character Arc 是一个面向写作者的智能体技能，用于设计角色的内在转变弧线，并诊断角色转变为何不成立。它围绕“谎言—欲望—需求—真相”等核心要素，帮助区分正面转变弧、负面转变弧（悲剧）与扁平弧三种类型，并提供从铺垫、催化事件、中点、黑暗时刻到高潮与结局的弧线节拍映射。该技能还给出常见诊断问题，如角色没有转变、转变来得不劳而获、转变过于突兀、谎言不清晰、欲望与需求重合、缺少挣扎等，并针对每种问题提供修复方向。它同时列出需要避免的反模式，例如仅靠叙述告知转变、导师直接给出真相、把创伤等同于转变、完美主角、瞬间顿悟等。使用方式上，该技能会先确认输出保存位置，再将弧线类型、弧线要素、催化与转折点、反模式警告等主要产出写入文件，以便跨会话保留；澄清性问题与讨论则留在对话中。文件命名格式为 {character-name}-arc-{date}.md。该技能可与 story-sense、story-idea-generator、dialogue、scene-sequencing、endings、cliche-transcendence、worldbuilding、underdog-unit、sensitivity-check 等技能配合使用。
Skill-Builder 是一个用于创建新智能体技能（agent skills）的元技能（meta-skill）。它帮助用户按照既定模式设计技能、生成脚手架并验证完整性。其核心理念是：技能是带有工具的诊断框架，而非功能清单——技能诊断问题空间、识别状态并提供干预手段，脚本负责随机化与结构化，LLM 负责判断。它定义了技能的目录结构（SKILL.md、scripts、data、references）、SKILL.md 的章节结构、四种技能类型（诊断型、生成型、工具型、编排型）、必填与可选元数据、状态命名约定、集成图要求、执行智能要求、反模式要求，以及 24 分制的成熟度评分体系（完整性 11 分、质量 5 分、可用性 4 分、执行智能 4 分），并给出 Deno TypeScript 脚本模板、参数解析模式、数据加载与输出模式、数据文件模式等。
Vercel React Best Practices 是由 Vercel 工程团队维护的 React 与 Next.js 性能优化指南，包含 8 个类别、共 45 条规则，并按影响程度划分优先级，用于指导自动化重构与代码生成。它适用于编写新的 React 组件或 Next.js 页面、实现客户端或服务端数据获取、审查代码性能问题、重构现有 React/Next.js 代码，以及优化打包体积或加载时间等场景。规则类别按优先级依次为：消除瀑布流（CRITICAL，async-）、打包体积优化（CRITICAL，bundle-）、服务端性能（HIGH，server-）、客户端数据获取（MEDIUM-HIGH，client-）、重渲染优化（MEDIUM，rerender-）、渲染性能（MEDIUM，rendering-）、JavaScript 性能（LOW-MEDIUM，js-）以及高级模式（LOW，advanced-）。每条规则文件包含规则重要性说明、错误代码示例及解释、正确代码示例及解释，以及额外上下文与参考。完整指南可参见 AGENTS.md。
pp-linear 是一个面向智能体（agent）的 Linear 命令行工具（CLI），由 Printing Press 库提供，核心二进制为 linear-pp-cli。它支持离线使用，通过 SQLite 本地同步数据，并提供 FTS5 全文搜索、跨周期对比、项目燃尽预测、里程碑风险识别等能力。该工具专为智能体设计，支持 --agent 紧凑 JSON 输出、非交互模式与确认安全脚本，同时提供严格的信任模式（--trust-mode strict）以避免误改真实工作区数据。它适合需要跨 issue、周期、项目、里程碑进行联合查询的场景，例如工程经理准备周报、冲刺规划、重复工单检查以及智能体通过 MCP 驱动 Linear。安装方式包括 npx 安装器或 Go 直接安装，使用前需确保二进制目录在 PATH 中。
面向制造业系统、工业4.0、生产优化、质量控制与智能工厂的专家级技能，涵盖MES、ERP、PLC、IIoT、数字孪生、预测性维护及SPC、Cpk、Gage R&R等质量方法，并提供相关标准与协议参考。
Obsidian Notes Creator 是一款用于创建、改进和审查 Obsidian 学习笔记的技能。它可以从讲座、PDF、教科书以及已有笔记中生成学习笔记，支持单篇笔记和整个学科文件夹的处理。其核心目标是让笔记准确、易懂、并能帮助解决不熟悉的问题，强调深度要匹配学习者和请求范围，而非追求装饰和篇幅。使用流程包括先检查和选择模式（创建、改进或审查），理解材料后再扩展内容，解释并演示概念，选用合适的表达方式（包括表格、ASCII、Mermaid、SVG、LaTeX 公式等），最后诚实核验和报告。适用于课程学习、复习备考等场景。
该技能提供使用 tinybird-sdk 包在 Python 中定义 Tinybird 资源的指导，涵盖数据源、管道与端点的声明方式，以及客户端创建、数据摄取与查询、CLI 开发构建部署命令、连接配置、物化视图与 copy/sink 管道等主题。适用于使用 Python 版 Tinybird 项目、从旧版 .datasource/.pipe 文件迁移到 Python，以及搭建 Kafka、S3、GCS 连接等场景。安装命令为 pip install tinybird-sdk，初始化使用 tinybird init，并支持 dev、build、deploy、preview、migrate 等命令。注意该 SDK 仅限服务端使用，令牌不得暴露在浏览器中。