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 10-26 00:15
237,422 个结果
claude-real-video（crv-pro）是一个本机运行的影片分析工具，用于在 Claude 无法直接读取影片的情况下，先把影片拆解成可读的结构化资料再交给 AI 分析。它支持 YouTube、IG、TikTok 等网络影片链接以及本机影片档，输出内容包括关键帧、逐字稿、运镜节奏，以及声音、语气、手势等感知时间轴。工具提供 watch、creator、full 三种分析模式，可针对摘要、创作者拆解或完整分析场景选用，并支持 --why、--senses、--lens、--max-frames 等参数细化输出。整体在本机执行，不上传资料，适合需要摘要影片内容、拆解对标影片或研究影片节奏与表达方式的场景。
帮助智能体在设计、评审、实现或修改 UI/UX 与前端工作时落实无障碍与包容性设计，把无障碍当作产品质量而非事后 QA 或法律勾选项。适用于表单、导航、菜单、媒体、动态加载等场景，涵盖键盘交互、焦点管理、屏幕阅读器、语义 HTML、ARIA、对比度与响应式设计。
replica-launch 是位于 jakeschincariol/replica-skill 中的一项技能，用于为应用克隆撰写发布材料：落地页、定价、商店列表与发布计划。它读取 replica/fixes.md、brand.md、brand.json，并生成 replica/launch/ 下的 landing.md、pricing.md、listing.json、launch-plan.md，可用 python3 listing.py 校验列表文案。
该技能为 SwiftUI 动画与 Metal 着色器集成提供全面指导，涵盖动画曲线、弹簧动画、转场、matchedGeometryEffect 英雄动画、PhaseAnimator、KeyframeAnimator 以及 GPU 加速着色器效果。内容包括运动设计原则、无障碍与平台适配、动画 API 用法、视图转场、Metal 着色器修饰符、性能优化与常见问题排查，并附带可复用的代码示例与最佳实践。
用于通过 Keil MDK 命令行编译嵌入式工程的技能：自动探测 Keil 环境、解析 .uvprojx/.uvproj 工程、执行构建并定位 AXF/HEX/BIN 固件产物，需在 Windows 上使用。
Notion Knowledge Capture 是一个用于将对话与讨论转化为 Notion 结构化文档页面的技能。它从聊天上下文中提取关键信息，包括概念定义、决策及理由、操作步骤、重要洞察、问答对以及示例用例，然后按内容类型进行归类并套用相应模板，最终保存到 Notion 工作区的合适位置。该技能通过 Notion:notion-search 查找目标 wiki 页面或数据库，使用 Notion:notion-create-pages 创建页面，并借助 Notion:notion-update-page 从相关枢纽页、项目页或分类页添加链接，使新知识可被检索和发现，避免内容孤立。它支持概念、操作指南、决策记录、FAQ、会议纪要、复盘学习和参考文档等多种内容类型，并提供对应的结构模板与目标位置模式。
用于创建或配置 Solidity 智能合约项目并集成 OpenZeppelin Contracts 的技能，支持 Hardhat 与 Foundry 框架，包含可升级合约变体的安装与导入约定。
Logistics Expert 是一个面向供应链管理、物流优化、仓库管理系统（WMS）与车队管理的专家级技能。它围绕供应链管理、库存管理与需求预测、仓储与运输管理系统、订单履行与末端配送、路径与装载优化、库存优化、网络设计与成本最小化、配送调度等核心概念展开，并涉及 RFID 与条码扫描、GPS 追踪、IoT 传感器、预测分析、自动化仓库、无人机配送等技术。内容包含多段可参考的 Python 代码：仓库管理系统的收货、最优库位选择、拣货路线优化与库存检查；基于 OR-Tools 的车辆路径优化；车队车辆分配、实时追踪与维护调度；以及基于随机森林与 EOQ 公式的需求预测与订货量计算。该技能适用于用户提及供应链、仓库、物流优化、运输规划或车队管理等场景，并给出最佳实践（实时追踪、预测分析、库存优化、自动化、多式联运、质量控制、KPI 跟踪、精益原则、逆向物流、安全协议）与反模式清单及若干外部学习资源链接。
用于 Roblox 客户端与服务器通信的技能，讲解 RemoteEvent、RemoteFunction 与 UnreliableRemoteEvent 的选择、存放位置、触发方式，以及服务端校验与防作弊要点。
这是一个用于在智能体长任务中、于阶段边界处生成“已验证检查点”的技能，帮助在压缩上下文前保留可恢复任务所需的关键信息。它适用于探索已完成、测试里程碑已落地，或长对话中充满重复与过时推理的场景；不建议在未完成的工具调用、未记录的审批决定或证据尚未捕获的失败中途压缩。技能提供检查点模板，涵盖目标与完成条件、约束与授权边界、源码版本与本地改动、已完成结果及验证、未完成工作与已知失败、运行中的进程/工具标识、所需产物路径、下一步动作与回退方案，并附带一个无状态提醒脚本，仅根据调用方传入的工具调用次数打印提醒，不存储计数、不估算 token、不执行压缩。
该技能专注于 schema.org 结构化数据的设计、验证与优化，核心目标是提升 Google 富媒体搜索结果（rich results）的资格、准确性与可衡量的 SEO 影响。它要求先计算「Schema 资格与影响指数」（0–100 分），从内容与 Schema 一致性、富结果资格、数据完整性与准确性、技术正确性、可维护性、垃圾/政策风险六个维度评分，并据此给出「强候选」「有效但有限」「高风险」「不建议实施」四档结论。技能强调准确性优先于野心、Google 优先于 schema.org、最小化且有目的的标记、持续验证，并列出 Organization、WebSite、Article、Product、FAQPage、HowTo、BreadcrumbList、LocalBusiness、Review、Event 等常见类型的适用条件，以及 JSON-LD 实现、放置说明和验证清单。
这是一个面向 Godot 引擎 GDScript 脚本编写的专家级技能，聚焦于性能与可维护性，而非通用风格指南。它通过“决策树 + 强制脚本”的方式，帮助开发者规避 GDScript 中的常见陷阱，覆盖静态类型与性能优化、信号架构（signal-up/call-down）、节点访问与生命周期安全（@onready、%UniqueName）、Callable 的 bind/unbind、await 异步序列、类型化集合以及安全的 Dictionary 迭代等主题。适用于代码审查、热点路径重构或制定项目编码规范。触发关键词包括 static_typing、signal_architecture、unique_nodes、@onready、class_name、signal_up_call_down、Callable.bind、typed_collections、await_sequence。
Copywriting Skills（文案技巧）是小 red 书内容创作技能，用于撰写帖子正文、产品描述、品牌语气、教学或教程内容以及情感或个人故事。其核心是使用对话式语气、情感连接和清晰结构来提升互动与行动，主张用"姐妹们"等称呼、emoji、短句和真实体验细节替代正式、泛泛的赞美。内容按教程、测评、个人分享、技巧四类给出语气、结构与长度建议，并提供开头钩子→故事/背景→价值传递→情感连接→行动号召五要素与分步写作方法。适用于小 red 书平台的内容创作者与品牌运营场景，不适用于标题撰写与脚本创作，后者应使用 title-writing 和 script-writing 技能。
React Native 移动端开发技能，聚焦 React Native 的工程实践与跨平台代码组织方式。内容涵盖推荐的项目目录结构（如将纯业务逻辑放入 core、按功能拆分 components 与 screens、集中管理 navigation、hooks、store 与 utils），组件编写规范（仅使用函数式组件、将逻辑抽取到自定义 Hook、始终显式声明 Props 接口），状态管理策略（优先 useState 局部状态，必要时使用 Zustand 管理全局状态，使用 React Query 管理服务端状态），测试方法（基于 React Native Testing Library 的组件测试与 Hook 测试示例），以及平台特定代码的处理方式（谨慎使用 Platform.select，复杂差异时使用 .ios.tsx / .android.tsx 分离文件）。同时列出了应避免的反模式，如内联样式、渲染中写逻辑、过深组件嵌套、Props 中使用匿名函数、列表使用索引作为 key、直接修改 state、业务逻辑与 UI 混杂、忽略 TypeScript 错误以及组件过大。适用于采用 React Native 进行 iOS 与 Android 跨平台应用开发、并希望统一代码结构与测试规范的团队或开发者。
该技能用于通过 Astro CLI 管理 Astronomer 生产部署。适用于用户需要登录认证、切换工作区、创建/更新/删除部署，以及将代码部署到生产环境等场景。技能涵盖认证、工作区管理、部署的列出与检查、创建、更新、删除、代码部署（完整部署、仅 DAG 部署、仅镜像部署、强制部署）、部署 API 令牌管理，以及常见工作流（首次生产部署、迭代式 DAG 开发、从预发到生产的代码晋升）和配置管理。
StyleSeed 是一个用于构建、改进和检查 UI 的技能与工作流集合，强调保留项目已批准的设计选择。它提供 22 个工作流，覆盖构建与重设计界面、首次设置与设计锁定、创意方向探索、参考图使用、UX 审查、设计规则合规评审、评分与证据门禁、渲染结果与间距核验、单一设计维度调整、美学风格应用、品牌色与语义调色板及设计令牌、动画与动效、页面脚手架、可复用组件生成、UI 模式组合、无障碍审计与修复、设计快检、导航与用户流、UX 微文案、加载/空/成功/错误状态，以及安装更新与规则编译和本地健康检查。使用方式上，用户根据目标选择一个首个工作流，技能只读取该工作流及其所需引用，不并行执行全部工作流。项目可通过 .styleseed/project.json 与 .styleseed/artifacts/index.json 建立注册表边界，优先解析指定构件；注册表部分或无效视为错误，不回退到旧的全局包。审计、评分、验证与状态请求不授权修改。学习功能为可选扩展，需单独安装 ss-learn，缺失时应报告依赖而不自动安装。
API Design Patterns 是一套面向 API 设计实践的知识与技能内容，主题覆盖 REST、GraphQL、gRPC 三种主流 API 风格，以及版本管理、认证授权、分页、限流、幂等、缓存、Webhook 与 API 文档等现代 API 最佳实践。内容以“速查表 + 参考深入”的形式组织，先给出 API 风格选择建议（REST 适合资源型 CRUD、HTTP 原生缓存与广泛平台兼容；GraphQL 适合客户端驱动查询、复杂数据图与实时订阅；gRPC 适合微服务间高性能 RPC、强类型与流式通信），再逐个展开关键模式，例如 URI/请求头/内容协商三种版本策略、offset/cursor/keyset 三种分页方式、OAuth2 与 JWT 与 API Key 的适用场景、令牌桶与滑动窗口限流、幂等键与条件请求实现安全重试。此外还包含 HTTP 状态码与统一错误响应格式、ETag 与 Cache-Control 缓存校验、Webhook 签名验证与重试退避策略，以及 OpenAPI 文档示例。该技能适合需要设计或评审后端 API 的开发者、架构师与技术团队参考使用。具体安装方式、价格与平台支持情况暂未提供。
基于 each::sense AI 的游戏美术资产生成技能，可生成 2D 精灵、角色精灵表、无缝纹理、UI 元素、图标、图块集、加载画面、游戏 Logo 与概念图，面向独立开发者、工作室与游戏开发流程。
research-ideation 是 claude-scholar 技能集中面向科研项目启动阶段的技能，用于把模糊的研究兴趣逐步转化为可追溯的研究契约。它围绕研究问题、假设、证据需求、可证伪标准、方法选择与下一步行动展开。核心能力包括：用 5W1H 框架系统梳理研究想法；系统检索、分析和综合相关文献；识别文献、方法、应用、跨学科和时间等类型的研究空白；基于 SMART 原则定义研究问题；比较与选择研究方法；制定包含时间线、里程碑、风险与资源的研究计划。该技能会生成研究问题卡片（Research Question Card），并记录证据、支持标准与可证伪标准；在证据充分时可生成文献综述与研究提案。它还通过 Zotero MCP 集成实现文献管理：从搜索结果提取 DOI 或 arXiv ID，优先导入论文，建立主题合集并自动附加开放获取 PDF。典型流程为：研究兴趣 → 想法梳理 → 研究问题卡片 → 证据记录 → 空白分析 → 提案就绪门槛 → 方法或实验选择 → 决策。
用于动态/动画自由职业项目的修订与范围管理技能：在SOW中定义“一轮修订”、设定轮次上限、区分修订与新需求，并把模糊反馈转化为可执行的具体修改，超出范围的工作以变更单形式礼貌报价。
replica-architect 是复刻应用流程中的架构规划技能：它读取 replica-recon 产出的侦察图，规划技术栈、数据库 schema 与 API，并输出架构文档与 SQL，结束时提示下一步运行 /replica-design。
Wireframing 是一个关于线框图设计的技能，涵盖低保真与高保真线框图、用户流程、信息架构、原型技术和设计迭代流程。它帮助团队在产品开发早期可视化需求、探索布局、梳理导航层级，并在详细设计前对齐利益相关者。技能内容包含线框图类型（纸面草图、低保真、中保真、高保真、交互原型）、信息架构（站点地图、内容层级、卡片分类）、用户流程（任务流、用户旅程、流程图、线框流）、线框元素、标注与规格说明、工具技术、迭代流程和最佳实践。适用于产品发现、设计过程、协作沟通和迭代优化等阶段。
用于评审那些通过屏蔽报错、诊断信息或故障表象来“修复”问题的方案，帮助判断是否属于规避性修补，并推动改正真正的根因。适用于怀疑存在 workaround 或缺陷来自外部不可控依赖的场景。
llm-wiki-skill 是一个面向 Claude Code、Codex 和 OpenClaw 等智能体平台的知识库构建技能，基于 Karpathy 的 llm-wiki 方法论：知识只编译一次并持续维护，而不是每次查询都从原始文档重新推导。它可以从 URL、PDF、Markdown 文件和纯文本中摄取内容，自动为每种来源类型选择最合适的提取工具，生成带 [[双向链接]] 的结构化 wiki 页面，包括实体页、主题页、来源摘要和对比分析，并输出兼容 Obsidian 的本地 Markdown 文件。技能还提供健康检查，可检测孤立页面、失效链接和内容矛盾。安装方式支持让智能体自动安装，或手动克隆仓库后按平台运行安装脚本（claude、codex、openclaw 或 auto）。使用前需满足若干前置条件，如 Chrome 调试模式、uv、bun 或 npm。