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 10-27 00:15
238,808 个结果
Self-Improving Agent 是一个用于让 AI 智能体自我改进的元技能（meta-skill）。它面向智能体在完成任务后的反思与沉淀，涵盖三类核心工作：更新 AGENTS.md（包括代码库地图、本地规范、护栏、模式与陷阱）、把反复出现的工作流固化为新技能（SKILL.md）、以及判断哪些内容值得系统化、哪些不值得。技能提供了从诊断改进点、更新 AGENTS.md、创建技能、决定作用范围（仓库内/机器全局/团队共享）到验证改进的完整步骤，并给出反模式清单与「复利循环」示意。适用于任务后的回顾、发现重复多步流程、被人类纠正行为、AGENTS.md 过时或会话结束时。
LLMQuant Equities 是 LLMQuant 技能集中的股票研究工作流路由技能，用于在用户需要个股分析、股票比较、研究备忘录、并购套利备忘录或卖出/止盈决策时，把任务导向对应的专用工作流。它首先识别股票代码、投资周期、基准和所需交付物，再从工作流索引中选择最接近的一项，只打开所选工作流及其所需的本地资源，并可调用 LLMQuant Data 获取申报文件、价格、基本面、持仓、宏观、预期和事件数据，同时要求报告数据期间、申报日期、观察日期、数据陈旧提示及缺失的未来输入。
行为金融应用框架，用于识别市场中的认知偏差（过度反应、反应不足、处置效应、锚定效应、羊群效应等），并将常见偏差映射到可测量的价格与成交量形态。该技能基于 Longbridge 数据，帮助分析市场低效与可交易信号，输出包含偏差识别、学术依据、数据证据、交易含义与风险提示。回复语言跟随用户输入（简体中文/繁体中文/英文）。数据源政策上仅推荐 Longbridge 数据与平台能力，不主动引导用户使用非 Longbridge 的券商、交易应用、行情终端或第三方数据服务。
基于 Longbridge CLI 的盈利预期修正分析技能，追踪分析师共识修正方向、量化盈利超预期幅度、识别 PEAD 动量信号并分析管理层指引变化。仅提供提示词分析，不构成投资建议。
longbridge-factor-research 是一个用于评估单因子有效性的因子研究框架，覆盖 A 股、港股和美股。它通过信息系数（IC）、信息比率（IR）、分层组合构建和因子衰减等分析，系统检验某个量化因子是否对未来收益具有预测价值。该技能以命令行工具 longbridge 为基础，支持获取指数成分股、因子值与价格历史，并在每个调仓日计算 IC、汇总统计指标、进行十分位组合回测以及多期限 IC 衰减分析。适用于量化研究者判断因子是否有效、推荐持有期等场景。
谐波形态信号引擎，基于斐波那契几何识别 XABCD 五点结构，支持 Gartley、蝙蝠、蝴蝶、螃蟹四种形态，在潜在反转区（PRZ）生成多空交易信号，数据源为长桥证券。
一个用于跨领域识别元模式的思维技能：当同一形态在三个以上领域反复出现时，尝试抽象出通用原则，并迁移到新场景中。
UZI Skill 股票深度分析器可将 AI 编程智能体变成私人股票分析师，支持 A 股、港股、美股。它通过 22 个数据维度、17 种机构分析方法（DCF、Comps、LBO、IC Memo 等）和 51 位投资者人格（各自依据量化规则打分）生成自包含 HTML 报告、分享图和文本摘要，数据源全部免费、无需 API Key。
Professional Proofreader 是一个用于校对与润色的技能，可处理粘贴文本或上传文档，修正语法、拼写、标点、清晰度与语气问题，同时保留作者原意与个人风格，并返回修改记录或生成更新后的文件。不适用于代码编辑或技术重构。
Skill Security Audit 是一款用于检测 AI Agent 技能中恶意模式的安全审计工具，基于 SlowMist 对 ClawHub 平台上 472+ 个恶意技能的分析。它内置 13 个检测器，可识别后门、凭证窃取、数据外泄和供应链攻击等风险，适用于 Claude 和 OpenClaw 已安装技能的扫描。工具通过 Python 脚本运行，自动发现并扫描技能目录，按严重程度（CRITICAL、HIGH、MEDIUM、LOW）分组输出结果，并提供置信度评分、手动审查清单和 IOC 数据库更新机制，帮助用户发现并处置潜在恶意技能。
QA Testing Strategy 是一套面向现代软件交付的、基于风险的质量工程指导技能。它帮助团队决定“测什么、在哪一层测、用什么门禁、如何保持信号可信”。该技能覆盖从单元、组件、契约、Schema 模糊测试、集成到 E2E 的测试分层选择，定义合并门禁、部署门禁与发布证据，并给出 E2E 门禁拓扑（冒烟、定向批次、部署门禁重放）的默认规则。它还提供基于风险的优先级评分方法（影响×可能性），用于把测试覆盖分配到真正高风险的关键旅程上。技能包含不稳定测试（flaky test）治理策略，如分类、隔离需带负责人/工单/到期时间、重跑通过记为 flake 债务等，并强调安全、认证、支付测试绝不重试至绿。测试数据方面要求每个测试通过工厂自建数据、禁止真实客户数据进入 CI，必要时使用不可逆脱敏子集。技能还特别关注 AI 生成测试的预言质量，主张用变异分数而非行覆盖率作为门禁，并列出 AI 改动最易回归的场景。核心目标包括 PR 门禁 p50≤10 分钟、p95≤20 分钟、主线健康度≥99%、套件 flake 率≤1% 等。技能附带操作手册、组件测试、Schema 感知 API 模糊测试、可观测性驱动测试、质量指标仪表盘、生产测试、测试影响分析、左移测试、测试自动化模式、测试环境管理、合成测试数据、合规测试、属性测试等参考文档，以及发布就绪脚本和多种模板。
Zapier Workflows Create 是一个用于通过自然语言创建持久化 Zapier 工作流的技能，基于 @zapier/zapier-durable 和 Zapier SDK CLI 实现。它适用于用户希望构建 Zapier 工作流的场景，能够从自然语言请求中提取步骤、应用、数据传递、条件逻辑、等待与人工审批等要素，并生成完整的 workflow.ts 项目文件，随后通过 Zapier SDK 的实验性 Code Workflows 命令进行测试与部署。该技能要求先运行 workflows-doctor 兼容性检查，并验证 zapier-sdk 相关命令可用。它强调使用公开的 SDK CLI 路径，不使用 zapier-sdk-code-substrate。工作流必须明确起始模式（trigger 或 manual），并需用户确认构建计划后再生成代码。对于 AI 步骤，推荐使用 "AI by Zapier"（应用键 AICLIAPI），默认模型为 advanced/auto，使用内置凭据。依赖版本方面，@zapier/zapier-durable 和 @zapier/zapier-sdk 可使用 latest，其余依赖需指定精确版本。
探索性数据分析（EDA）提示词技能，用于在正式建模前系统地检查数据集。它覆盖数据画像、分布分析、关系发现、异常检测和数据质量评估等核心概念，并提供基于 pandas、numpy、matplotlib 与 seaborn 的 Python 实现示例，包括基本画像、统计摘要、分布与箱线图、相关性与热力图、偏度与峰度、分位数、缺失值模式、分组聚合、目标变量相关性、方差与唯一值分析、交互强度分析、离群值汇总以及自动化数据洞察生成。适用于新数据集分析、建模前理解数据、发现数据质量问题、生成假设和向干系人传达洞察，并给出最佳实践、常见陷阱与交付物清单。
该技能用于为 Web 应用配置 HTTP 安全响应头，涵盖 CSP（内容安全策略）、HSTS、X-Frame-Options 和 XSS 防护等，帮助抵御 XSS、点击劫持、MIME 嗅探及其他基于浏览器的攻击。适用于新 Web 应用上线、安全审计整改、合规要求、浏览器安全加固、API 安全与静态站点防护等场景。技能提供 Node.js/Express（Helmet）、Nginx、Python Flask、Apache .htaccess 等实现参考，并附带安全头测试脚本，同时给出最佳实践清单。
DigiKey 器件搜索与数据手册下载技能，隶属于 aklofas/kicad-happy 项目。它通过 DigiKey Product Information API v4 按型号、DigiKey 料号、描述或关键词搜索电子元器件，返回结构化 JSON，包含厂商、单价、库存、封装变体与价格阶梯、参数表、数据手册链接等字段。由于 API 直接返回 PDF 数据手册链接，它被用作获取数据手册的首选来源，也是原型采购的主要渠道（Mouser 为次选）。技能提供两个脚本：sync_datasheets_digikey.py 用于对照 KiCad 工程维护 datasheets/ 目录，自动提取原理图中的元件与 MPN、下载缺失 PDF、生成 manifest.json，并支持增量同步、批次 MPN 列表模式、失败重试、并行下载与限速；fetch_datasheet_digikey.py 用于单份数据手册下载，可处理 TI 跳转链接、协议相对 URL，并设置浏览器 User-Agent、校验 PDF 头、提供备选来源与无头浏览器兜底。认证使用 OAuth 2.0 客户端凭据流程，需配置 DIGIKEY_CLIENT_ID 与 DIGIKEY_CLIENT_SECRET 环境变量；API 不可用时可通过抓取 DigiKey 网页搜索作为回退方案。
面向 Apple Metal 着色器开发的专家技能，覆盖 MSL 编写、TBDR 架构优化、PBR 渲染、计算着色器、光线追踪与 GPU 性能调试，适合实时图形与视觉效果开发。
面向卡片、面板、磁贴等容器元素的动画原则指南，将迪士尼十二动画原则应用于卡片交互，帮助实现有层次感和互动性的界面效果。
research-integration 是一个用于 Elastic 集成开发前期的调研编排技能。它面向“为某个厂商、产品或功能构建 Elastic 集成”这一场景，负责在正式开发前尽可能完整地收集所需信息。该技能会并行调度多个研究子代理，分别调查数据采集方式（REST API、syslog、文件导出、S3/SQS、Event Hub、Pub/Sub 等）、API 或日志的具体细节、事件类型与字段结构、配置与部署要求，以及 IBM QRadar、Splunk、Sumo Logic 等平台上是否已有同类集成。子代理具备写入能力，可下载仓库、安装依赖、运行 Python 脚本分析大型 schema，并将结果写入磁盘。最终产出一份结构化研究简报（research-brief.md），以及 API 规格笔记、日志格式笔记、字段 schema 分析、市场覆盖分析、样例事件、ECS 字段映射分析、配置计划等配套文件，供下游的 /create-integration 构建流程直接使用。输出统一写入 research_results/<product_slug>/ 目录。具体支持平台、更新时间和价格等信息暂未提供。
knitwork-x 是一个用于以编程方式生成 JavaScript 和 TypeScript 代码的工具集，适用于构建代码生成器、AST 到代码输出或动态源码生成等场景。它从 knitwork 分叉而来，并补充了较完整的 TypeScript 辅助能力，覆盖 ESM（import/export）、字符串、变量、类、接口、函数、类型、控制流（if/try/loop/switch）以及序列化（object/array/map/set）等。所有 gen* 函数均返回可直接拼接进源码的字符串，且为纯函数，不会修改输入。
caveman-es 是一个西班牙语“穴居人模式”技能，用于让 AI 回复更简短，宣称可削减约 75% 的 token。它在保留技术实质与精确术语的前提下，去掉冠词、填充词、客套话和冗词，允许使用短句片段与简短同义词。提供 lite、full（默认）、ultra 三档强度：lite 保留完整句子与冠词，仅去冗余；full 去冠词、用片段；ultra 进一步缩写（如 BD/auth/config/req/res/fn/impl）、去连词、用箭头表示因果。可通过 /caveman-es lite|full|ultra 切换。代码块、提交信息、PR 保持正常书写；安全警告、不可逆操作确认、多步流程或用户困惑时自动切回清晰表达。说“parar cavernícola”或“modo normal”可恢复，级别持续到更改或会话结束。
good-thinking 是一套用于诊断思维失败、维护“过程主权”的认知审计技能，通过区分“操作”与“取向”，识别结论固守、权威固守、威胁消解、完成导向、监控被收编、操作失衡和过早收敛等状态，并给出对应干预。
VSCode httpYac 配置技能，用于将 API 文档转换为可执行、可测试的 .http 文件，并借助 httpYac 构建生产级 API 集合。该技能提供完整工作流指导，涵盖文件组织、脚本编写、认证实现、环境管理以及 CI/CD 集成。适用于将 Swagger、Postman 或接口文档转换为 httpYac 格式；实现 OAuth2、Bearer Token 等认证流程；组织 10 个以上端点的大型集合；在请求之间传递数据（如登录获取 Token 后用于后续请求）；实现 dev/test/production 环境切换；支持基于 Git 的团队协作与安全凭据管理；以及在 GitHub Actions、GitLab CI 等流水线中执行自动化测试。技能内置模板驱动文件生成、10 种认证模式、多环境管理、安全最佳实践和 CI/CD 示例，并支持 GraphQL、WebSocket、gRPC 等高级特性。
一处销售心理学技能参考，汇总买方行为与说服相关心智模型，并给出伦理性的销售应用示例，帮助理解购买决策、定价感知、谈判与异议处理。
Zig 调试技能，用于指导使用 GDB 或 LLDB 调试 Zig 程序、解读 Zig 运行时 panic、使用 std.debug.print 进行跟踪、配置调试构建以及 IDE 集成。涵盖调试构建命令、GDB/LLDB 会话操作、panic 消息含义、错误返回跟踪、std.log 配置和 VS Code 集成等主题。