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
237,442 个结果
k2f-cv 是一个面向学术与资深专业人士的简历（CV）构建技能，基于 K2F 体系运行。它指导 AI 智能体先生成 content_and_design.md 蓝图，规划身份信息、教育背景、任职经历、出版物、经费、教学、受邀报告、服务与领导、奖项、技能方法、指导与培养等学术章节，并定义设计意图（语气、层级、密度、列表节奏与配色）。该技能强调真实性：所有学位、职称、论文、经费与数字都必须来自用户输入或明确标注为待补充，禁止编造 DOI、页码、作者列表或期刊信息。它支持将 Scholar、BibTeX、旧 Word 等导出内容合并为统一结构，并在列表超过约 15–20 项或用户有页数限制时区分“精选”与“完整”列表。适用于教职、博士后、博士、临床科学家、资深技术研究员等学术或研究型 CV 的构建与更新，而非一页式行业简历（后者应转向 k2f-resume）。使用前需先安装核心技能：npx skills add suzheng/k2f --skill k2f。
“能力圈”（Circle of Competence）是一个思维技能，用于在做出具体断言前检查证据边界。它把“能力”视为证据边界而非自我形象：只有当断言有本次会话中可引用的来源（读过或运行过）或属于稳定的通用知识时才直接回答；否则先获取证据、标注不确定性或明确弃答，绝不编造。适用于即将断言具体事实（API、路径、数字、配置、版本行为）却无可引用来源、涉及未读代码库或系统、模式重构听起来完整但未确认、以及错误自信答案代价较高（安全、数据、不可逆操作、信任）的场景。不适用于已有本次会话来源或稳定通用知识、错误代价低且可逆并会标注未验证、只需一次低成本获取即可验证、或用户明确要求标注为头脑风暴或假设的情况。
在代码中实现 /to-spec 和 /to-tickets 的产出。基于 spec 与关联 tickets，在单个 integration branch 上并行实现整个 spec（使用 implementer/merger/exploration subagents），最后进行 code review 并解决 tickets。
用于审计 Reddit Ads 投放的 Claude 技能，覆盖衡量指标、广告结构、社区与兴趣定位、原生创意匹配、目录广告、预算、品牌安全等，输出结构化发现与建议。
arrange 是用于改进界面布局与间距系统的技能，帮助把平淡、拥挤或结构薄弱的空间排布整理成有意、有节奏的构图，主要通过判断间距、分组、视觉层级、网格与密度来重构页面。
Antithesis Setup 是一个用于搭建 Antithesis 测试环境的技能（Skill）。它的核心用途是通过 docker-compose 脚手架化 antithesis/ 工作目录，让被测系统（SUT）能以基本空闲、就绪的状态在 Antithesis 平台中启动。具体来说，它会初始化或合并工作目录，生成带有 build 指令的 Dockerfile 与 docker-compose.yaml，把相关 Antithesis SDK 安装进 SUT 依赖图中，并植入至少一个最小化的引导属性（bootstrap property），以便在首次 Antithesis 运行中验证。成功标准包括 antithesis/config/docker-compose.yaml 存在且引用了所需 SUT 镜像、snouty validate 在校验目录时通过等。该技能属于基础设施与就绪准备阶段，不负责定义实际工作负载，测试模板与断言留给 antithesis-workload 技能。使用前要求先完成 antithesis-research 研究，产出 scratchbook（至少包含 sut-analysis.md 和 deployment-topology.md），并已安装 snouty。若用户要求提交或启动运行，应使用 antithesis-launch 技能。
RSS Agent Viewer 是一个面向 AI 智能体的命令行 RSS/Atom 订阅阅读工具，内置订阅源发现、缓存与全文搜索能力。它通过 npx 即可运行，支持初始化配置与数据库、从网站自动发现订阅源、添加与移除订阅、读取文章、跨订阅搜索、通过网页搜索发现新订阅源，以及 OPML 导入导出和失效/重复订阅清理。工具提供本地数据库搜索与基于 Exa API 的网页搜索两种方式，并可通过环境变量或配置文件调整超时、结果数量等参数。适合需要在终端或自动化流程中管理、阅读和检索 RSS 订阅的场景。
Copilot 是一个用于 Claude Code 的模式切换技能，通过共享模式控制器将工作模式设为 copilot（人类主导、Claude 辅助）。该模式会放宽 worktree 强制要求，并允许在 main 分支上提交。它本质上是 /autonomous 控制器的一个别名，激活后打印当前模式、放宽项、工作流与 TTL 信息，任务完成后可用 /autonomous 恢复。
validate 是 camacho/ai-skills 技能集合中的一个项目校验技能，用于对项目执行完整验证流程。该技能依次运行类型检查（typecheck）、代码检查（lint）、格式化检查（format）、测试（test），并可选运行构建（build）。它通过执行 pnpm validate 命令来触发整套验证。如果其中任何一步失败，技能会清晰地报告失败情况，并给出确切的错误输出，帮助用户快速定位问题。适合在提交代码前或持续集成流程中作为质量把关环节使用。
Seaborn 是一个用于创建出版级统计图形的 Python 可视化库。它面向数据集进行绘图，支持多变量分析、自动统计估计，并能以极少的代码生成复杂的多面板图形。其核心设计理念包括：面向数据集，直接使用 DataFrame 和具名变量而非抽象坐标；语义映射，自动将数据值翻译为颜色、大小、样式等视觉属性；具备统计感知能力，内置聚合、误差估计和置信区间；提供出版级主题和调色板；并与 matplotlib 完全兼容。该技能涵盖关系图（scatterplot、lineplot、relplot）、分布图（histplot、kdeplot、ecdfplot、jointplot、pairplot）、分类图（stripplot、swarmplot、boxplot、violinplot、barplot、catplot）、回归图（regplot、lmplot、residplot）、矩阵图（heatmap、clustermap）以及 FacetGrid、PairGrid、JointGrid 等多面板网格。用户可通过函数式接口或声明式的 objects 接口进行绘图，并利用 hue、size、style、col、row 等参数实现语义映射与分面。适用于探索性数据分析、相关性分析、分布比较和出版级图表制作等场景。
该技能用于为旅行预订、酒店与民宿、旅游平台及度假规划类产品设计动画。它把迪士尼十二动画原则映射到旅行与酒店场景，例如预订按钮的按压反馈、地图图钉落点弹跳、飞机图标的飞行拉伸、搜索结果卡片错落进入、地图标记落地后弹出信息、预订成功的庆祝动画等，并给出行业常用的动画时长与缓动参考（如图片过渡400ms、地图动画500ms、预订步骤300ms、搜索结果250ms、确认600ms自定义弹跳）。核心目标是让动画在用户实际出行前先带来向往感与沉浸体验，同时保持预订流程的清晰与可信。
用于为动态设计（motion）项目生成可辩护报价的技能，帮助选择计价模型、按日费率核算成本、考虑真实成本驱动因素，并输出客户可批准的逐项估算。适用于报价、核实现有数字、设定日费率或向客户解释价格。
replica-brand 是一个为应用克隆项目改名与重新品牌化的技能，帮助克隆应用摆脱原产品身份，生成名称候选并给出商标、域名、应用商店与社交账号等检查清单，同时替换配色、标志与文案。
ljg-is 是把一个名词或概念讲成可用理解的技能：先说明它是什么、与相邻概念差别在哪，再讲它怎样运作、会改写什么判断，最后给出面对它时的行动抓手。适合技术概念、制度、产品、角色、方法与规范的解读，不适用于只要形式化定义或证明的任务。
基于长桥证券（Longbridge）数据的 K 线形态识别技能，支持港股、美股、A 股、新加坡股票，可识别 15 种经典蜡烛图形态并给出看多/看空/中性的综合信号与逐条解释。
Agentic Workflow 是一个面向实现类任务的标准多智能体流水线模式。它把开发工作拆分为研究、规划、校验、实现、审查五个阶段，每个阶段由独立的子智能体在后台执行，并通过文件进行阶段之间的结果传递。该模式强调主对话只做编排协调，不承担繁重工作，同时要求实现阶段采用 TDD 方式，先写失败测试再实现，并在审查阶段确认测试通过。适合需要把复杂实现任务流水线化、上下文隔离化的开发场景。
modular-code 是一份关于模块化代码组织的技能文档，主要面向编写 Python 代码的场景，帮助开发者把文件控制在便于维护和 AI 辅助开发的规模内。它给出了按行数划分的文件规模参考：150-500 行为最佳区间，500-1000 行属于偏大、应寻找自然拆分点，1000-2000 行过大、需重构为聚焦模块，2000 行以上属于严重情况、必须拆分。文档还列出了应当拆分的判断条件（如超过 500 行、同一文件包含多个不相关关注点、查找函数需要大量滚动、测试难以组织、AI 工具截断或丢失上下文），并给出按领域概念、抽象层、数据类型、I/O 边界等自然拆分点，以及一种 feature 包结构示例（__init__.py、core.py、models.py、handlers.py、utils.py）。它包含 DO/DON'T 清单和拆分大型文件的步骤（识别函数簇、增量抽取、更新导入、跑测试、更新文档），并点名 patterns.py、memory_backfill.py 等候选文件。
面向编程智能体的非官方 Kaggle 技能，通过单一命令脚本统一处理竞赛研究、状态与提交、数据集与模型、Notebook、讨论与方案文章、基准与徽章等操作，支持文本与 JSON 输出，并对改账号操作强制先干跑确认。
UI 视觉验证专家技能，专注于通过严格的视觉分析来验证界面改动、设计系统合规性与无障碍实现。它强调以视觉证据为唯一判断依据，默认假设改动目标尚未达成，直到有明确证据证明为止。技能覆盖截图分析、视觉差异检测、跨浏览器与跨设备一致性、响应式断点、深色模式、动画与交互状态、加载与错误状态等验证，并涉及 Chromatic、Percy、Applitools、BackstopJS、Playwright、Cypress 等视觉测试工具，以及 WCAG 2.1/2.2 对比度、焦点指示、文本缩放等无障碍检查。适用于 UI 测试、设计系统校验与无障碍验证场景。
Five Whys Plus 是一种结构化根因分析方法，用于在故障已定位、直接原因已知但系统性根因尚未明确时，构建一条以证据为链接的因果链。它通过连续追问“为什么”，为每一步引用日志、代码、配置、指标或证人等证据，并排除其他可能原因；在深入之前先分支，保留所有有证据支持的独立路径，形成因果集合而非强行归结为单一根因。随后对每条路径和整个集合进行反事实检验：移除该原因能否阻断该路径，移除全部保留根因能否阻断观察到的故障。每个分支只有在原因有证据、可控、可行动、能防止复发、非归咎于人且反事实成立时才停止。最终为每个保留根因给出系统性对策、可执行动作和验证方式，优先消除使直接原因成为可能的条件，而非仅修补症状。
OODA 循环思维技能，用于时间紧迫且情况仍在变化、必须在完全确定之前采取行动的场景。核心规则是：在时间压力下，对可逆动作以约 70% 的置信度行动，然后立即重新观察。循环速度要快于情况恶化的速度，因为迟到的完美计划会输给快速的循环。该技能给出 Observe（观察）→ Orient（定向）→ Decide（决策）→ Act（行动）的完整流程，并明确适用与不适用场景、输出格式与验证方式。
Testcontainers 是一个用于 .NET 集成测试的技能，指导开发者在测试中启动真实的依赖服务（如数据库、缓存、消息队列），而不是使用模拟对象。该技能强调用真实基础设施替代 Mock，覆盖数据访问层、消息队列集成、Redis 缓存行为、数据库迁移与架构变更等场景。核心原则包括：真实基础设施优先、测试隔离、自动清理、快速启动、CI/CD 兼容以及端口随机化以避免冲突。技能提供了 SQL Server、PostgreSQL、MySQL 等数据库容器的使用示例，并列出所需的 NuGet 包，如 Testcontainers、xunit、Microsoft.Data.SqlClient、Npgsql、MySqlConnector、StackExchange.Redis、RabbitMQ.Client 等。使用方式上，通过 IAsyncLifetime 实现异步初始化与销毁，配合 WaitStrategy 等待端口可用，让 Testcontainers 自动管理容器生命周期。适用场景包括编写需要真实基础设施的集成测试、验证数据访问层、测试消息队列与缓存集成、确保测试贴近生产环境。限制方面，资料未提供具体性能数据、收费信息或平台兼容性细节。
ads-snapchat 是 agricidaniel/claude-ads 技能库中的一个 Snapchat 广告审计技能。它用于对 Snapchat Ads 账户进行系统性审查，覆盖衡量体系（Snap Pixel 与 Conversions API）、移动与应用广告系列、创意、AR 与商品目录格式、受众、预算、报告与品牌安全等维度。该技能遵循统一的广告运营契约与思考框架，先收集业务目标、账户年龄、日期窗口、时区、货币、花费、转化定义及可用导出或已认证读取等输入，再依据 Snapchat 审计参考文档与共享的衡量、基准、创意、政策、评分参考进行规范化处理并保留数据来源血缘。评估仅针对适用的控制项，缺失输入、不可用功能与过期来源会被明确标注，可选或不符合条件的功能不计分。最终通过通用 JSON 契约返回平台健康度、证据覆盖、合规风险、观察、诊断、优先级建议、机会、矛盾点与缺失输入，不在提示内计算分数或写入共享报告文件，平台报告仅从已验证的运行包渲染。所有账户变更在主变更门通过前保持草稿状态。
该技能用于将 iOS 与 Android 应用发布到 App Store 和 Google Play，覆盖代码签名、版本管理、构建配置、提交流程与发布管理。提供快速上手示例及 iOS 部署、Android 部署、版本管理、GitHub Actions 自动化 CI/CD、发布前检查清单等参考指南，并给出应做与不应做的最佳实践，例如使用签名证书、提交前在真机测试、保持版本号一致、不将签名材料提交至 git、不跳过设备测试等。