SuperAPI AI 工具集

Skill 广场

找到适合任务的 Agent Skill,阅读介绍并复制安装命令。

更新于 10-31 00:15

全部 Skills

242,130 个结果

specsfy-02-backlog

Specsfy 系列技能中的第二环节,用于将收件箱(specs/inbox/)中的原始记录、机会、问题或已有的 backlog 条目,整理并深化为可进入规范编写(specification)阶段的 backlog 条目。该技能强调先把模糊输入转化为可理解、可测试的 brief,通过提问式互动逐轮澄清问题、受影响的人、预期结果与上下文,搜索重复条目与相关引用,并在必要时推进到接口体验、数据发现等专项领域。适用于项目早期梳理需求、优化 backlog 质量与准备规范输入,不生成 spec、任务或代码。

办公与效率447 次安装

specsfy-mvp-milestone-interviewer

Specsfy MVP Milestone Interviewer 是 Promovaweb/Specsfy 技能体系中的一个编排型技能,用于将 MVP 需求导入为里程碑 1.0,并为可开发的需求创建候选 backlog 与 Draft 规格。它读取项目根目录下的 MVP.md(若为 Git 子模块,则回退读取父项目中的 MVP.md),保留业务背景信息仅存于源文件,只挑选描述可构建软件行为的需求,运行导入脚本生成 specs/milestones/M01.md,并输出一条有序的 backlog 队列。随后它依次调用 specsfy-02-backlog 对每个 backlog 进行自适应访谈,必要时转入 specsfy-data-discovery 补全数据,最后用 specsfy-03-specify 生成 Draft 规格,并通过 specsfy milestones sync 与 specsfy-milestone-governor 校验 M01 的关联与进度。该技能要求先加载 $specsfy-setup,采用编号提问交互模式,遵循 .specsfy/Spec.md 的提问契约,只对缺口、歧义或矛盾发问,不重复已确认内容。不实现代码,不推进 Definition Gate。适用于已有 MVP.md、需将 MVP 拆解为里程碑与规格的项目初始化场景。

智能体与模型447 次安装

syncfusion-blazor-datagrid

Syncfusion Blazor DataGrid(SfGrid<TValue>)是用于在 Blazor 应用中展示和操作表格数据的高性能组件,支持数据绑定、排序、筛选、分组、分页、编辑、选择、聚合、导出、虚拟/无限滚动、模板等功能。该技能面向 Blazor Server、WebAssembly、Web App 与 MAUI,提供从安装配置到各功能模块的参考文档,并强调仅使用官方支持的 API、事件名需核对、事件处理器须定义在 GridEvents 组件内等规则。

前端与建站447 次安装

dotnet-devcert-trust

该技能用于诊断和修复 Linux 上 .NET HTTPS 开发证书的信任问题,覆盖从证书生成到系统 CA 捆绑包收录的完整生命周期。它针对在 Aspire 等场景下出现的 Redis TLS 连接失败、证书链 UntrustedRoot、RemoteCertificateNameMismatch、dotnet dev-certs https --check --trust 返回退出码 7、HTTPS localhost 连接证书校验失败,以及执行 dotnet dev-certs https --clean 后需要恢复信任等问题提供排查与修复流程。

部署与运维446 次安装

skills-index-snippets

skills-index-snippets 是 dotnet-skills 仓库中的一个技能,用于创建和维护 AGENTS.md / CLAUDE.md 片段索引,把任务路由到正确的 dotnet-skills 技能与智能体。它提供可读版与 Vercel 风格压缩版两种片段模板,包含任务到技能/智能体的路由表、轻量质量门禁,以及通过脚本自动更新 README 中压缩索引块的方法。适用于新增、删除或重命名技能/智能体、更新 .claude-plugin/plugin.json、为下游仓库(如 OpenCode、Claude Code)生成可复制片段等场景。

编程与开发446 次安装

Survival Analysis

生存分析(Survival Analysis)是一套用于研究“事件发生时间”的统计方法,能够处理删失数据(即部分研究对象在观察期内尚未发生事件),从而估计生存概率并进行风险预测。该技能涵盖生存时间、删失、风险率、生存曲线、风险比等核心概念,并介绍 Kaplan-Meier 非参数生存曲线、Cox 比例风险半参数回归、Weibull/指数参数模型、Log-rank 检验以及竞争风险等常用模型。资料提供了完整的 Python 实现示例,使用 pandas、numpy、matplotlib、seaborn 和 lifelines 库,演示了从生成模拟生存数据、Kaplan-Meier 估计、分组比较、Log-rank 检验、风险分层、Cox 比例风险建模、模型诊断到新患者生存预测的全流程,并包含比例风险假设检验和汇总统计。该技能适用于临床试验、设备可靠性、客户流失、员工留存、产品寿命等场景,交付物包括生存曲线、生存概率估计、Log-rank 检验结果、Cox 模型系数、风险比、风险分层组、生存预测和模型诊断。

数据与分析446 次安装