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 11-01 00:15

全部 Skills

242,668 个结果

migrate-to-rstest

migrate-to-rstest 是一个用于将 Jest、Vitest 或 Playwright Test 迁移到 Rstest 的智能体技能。其目标是在尽量不改变测试行为的前提下,迁移尽可能小且可运行的范围,并保持测试发现、断言、mock、快照和覆盖率等能力。该技能提供了一套工作流程:先检测测试运行器、环境和最小可运行范围,运行依赖安装门禁,记录迁移前的基线信息(命令、Node 与运行器版本、文件/测试/跳过/快照数量、失败情况),再依据对应迁移文档处理 Jest、Vitest 或 Playwright Test 的差异。迁移顺序上,先处理脚本、配置和 setup,再改动测试主体,并优先使用适配器或 Rsbuild/Rspack 修复而非大范围重写测试。该技能还包含性能诊断的兜底路径,以及在正确性和性能验证后清理遗留文件和依赖的步骤。其防护规则要求保持最小范围、不改变生产行为/断言/测试名称/覆盖率阈值、不引入 jest/vi 垫片、不静默丢弃未知配置字段,并在大量测试改动或生产源码改动前上报。

测试与质量424 次安装

nosql-expert

该技能为分布式 NoSQL 数据库(Apache Cassandra、ScyllaDB、Amazon DynamoDB)提供专业的心智模型与设计模式指导。核心思想是“查询优先建模”:与关系型数据库先建模实体不同,这类分布式宽列/键值存储需要先梳理访问模式,再据此设计表结构。内容涵盖分区键与聚类键/排序键的作用、单表设计(邻接表)、反规范化与数据冗余、GSI/LSI 索引、TTL、容量单位等要点,并给出专家检查清单与常见反模式(如热分区、全表扫描、关系式建模)。适用于面向规模设计、技术选型、性能调优(排查热分区与高延迟)以及微服务“每服务一库”等场景。

数据与分析424 次安装

prompt-engineering

这是一个关于提示词工程(Prompt Engineering)的技能文档,旨在帮助用户编写能让大语言模型(LLM)输出可靠、高质量结果的提示词。内容涵盖核心原则(具体明确、以示例代替说教、结构化输出、迭代优化)、常用技术(系统提示词、少样本示例、思维链、结构化输出、约束与护栏)、面向代码的提示模式(代码生成、代码转换、Bug 修复)、常见反模式(过于模糊、过于冗长、自相矛盾、缺少示例、提示词注入风险)以及实用技巧(温度设置、边界用例测试、提示词版本控制、结构化输出、精简提示词)。

编程与开发424 次安装

ai-vibe-slides

AI Vibe Slides 是一个用于生成可直接全屏演示的 HTML 或 React 幻灯片文件的技能。它采用“想法 → 大纲 → 成品幻灯片”三步流程,最终输出单个自包含文件,可在浏览器中全屏播放,支持方向键、空格键或点击翻页,并可通过打印导出为 PDF。该技能会根据演示场景(如创业路演、学术教育、技术演讲、企业报告、创意营销、儿童教育)选择相应设计风格,提供封面、章节分隔、要点列表、双栏、卡片网格、大数字统计、引用、时间线、致谢等多种版式,并强制遵循 16:9 全屏、每页文字精简、大字号、高对比度、风格统一、不使用占位图片、仅淡入动画、打印适配等设计规则。React 版本还可使用 Tailwind CSS、Lucide 图标和 recharts 图表。

办公与效率424 次安装

canary-deployment

Canary Deployment 是一个面向发布流程的实践指南,指导如何将新版本先逐步放量给一小部分用户,同时监控关键指标,再根据预设阈值自动回滚或继续推进。该资料强调低风险渐进发布、基于真实流量的验证、出错自动回滚、降低用户影响,并提及可与 A/B 测试、指标驱动发布以及高流量服务场景结合。文档包含概述、适用场景、快速开始、参考指南和最佳实践等章节,并给出 Istio 与 Kubernetes 相关的示例线索(含名为 canary-deployment-istio.yaml 的配置片段),以及基于指标的 Canary 分析和自动推进等参考内容。具体完整实现、阈值配置、指标清单和操作步骤需参照资料中 references/ 目录下的详细指南。

部署与运维423 次安装

Model Monitoring

Model Monitoring 是一套面向生产环境的机器学习模型监控方案,用于持续跟踪模型表现并检测数据漂移、概念漂移、输出漂移与性能退化。方案在 Python 中提供 ModelMonitoringSystem 类,通过 KS 检验、卡方检验等方法识别漂移,记录准确率、精确率、召回率、F1 等指标,并生成监控报告、Prometheus 指标与 Grafana 仪表板配置。适用于模型已部署、服务真实用户的场景,也用于设置重训练阈值与告警。相关工具包括 Prometheus、Grafana、MLflow、TensorFlow Data Validation、Evidently 和 Great Expectations。

部署与运维423 次安装

prompt-library

Prompt Library 是一个经过筛选的高质量提示词(Prompt)集合,灵感来自 awesome-chatgpt-prompts 与社区最佳实践。它提供可直接使用的提示词模板,涵盖角色扮演类提示(如“扮演 X”)、任务专用模板以及提示词优化技巧。适用场景包括:需要现成提示词模板、想要角色化提示词、寻找提示词示例或灵感、需要特定任务的提示词模式,以及希望改进自身提示词写法。内容按类别组织,包括角色类、任务类、分析类、创意类、转换类提示,以及思维链、少样本学习、人格模式、结构化输出等提示工程技巧,并附有提示词改进检查清单。

写作与研究423 次安装

pytest-skill

pytest-skill 是一个用于生成生产级 Python pytest 测试的技能,覆盖 fixtures、parametrize、markers、mocking 与 conftest 等核心模式。当用户提到 "pytest" 等关键词时可使用。它提供基础测试、异常断言、类测试、fixture 作用域与 teardown、参数化、标记、mock 与断言写法,并给出反模式对照、常用命令速查、pyproject.toml 配置示例,以及更深入的 playbook 参考章节(配置、fixtures、参数化、mocking、异步、异常、标记与插件、类测试、CI/CD、调试、最佳实践)。

测试与质量423 次安装

orca-cli

Orca CLI 是 Orca 编辑器提供的命令行工具,用于操作由 Orca 管理的工作树(worktree)、文件夹上下文、终端、仓库、自动化、构件、技能共享、工作树评论以及 Orca 内置浏览器。它是一个发现入口,会加载与当前会话版本匹配的 Orca 指南。使用前需先解析本次会话应使用的可执行文件:优先读取 ORCA_CLI_COMMAND 环境变量;否则在暴露 ORCA_DEV_REPO_ROOT 的开发检出中使用 orca-dev;否则在非 Orca 管理的 Linux 终端使用 orca-ide(不要直接运行裸 orca,它通常指向 GNOME Orca 屏幕阅读器);其余情况使用 orca。运行前应先执行 ORCA skills get orca-cli 加载版本匹配的指南,命令优先使用 --json;未覆盖的命令或参数用所选可执行文件的 --help 查看。若提示 Orca 未运行,可用 ORCA open --json 启动后重试;若报 runtime_access_denied,说明沙箱阻止了连接,应提升权限重跑,而不是重启 Orca。

编程与开发423 次安装

customer-referrals

Customer Referrals & Partner Sales 是一套面向销售人员的客户推荐与合作伙伴渠道开发技能,旨在帮助销售专业人士系统性地从客户、合作伙伴及人脉网络中获取暖介绍,加速销售管道增长。该技能涵盖推荐时机判断、直接与间接请求话术、结构化请求流程、推荐类型(直接介绍、姓名授权、人脉网络映射、参考电话)、推荐激励计划设计、合作伙伴与渠道推荐、基于 LinkedIn 及过往关系的网络销售、推荐追踪与衡量指标、常见错误及配套邮件模板等内容。核心原则包括:先通过价值交付赢得请求推荐的权利、让推荐过程尽量简单、将推荐请求系统化嵌入销售流程、以及互惠互利。该技能适用于需要从现有客户和合作伙伴处获取新商机的销售场景,帮助建立可重复、可衡量的推荐获取机制。

营销与增长423 次安装

data-and-funnel-analytics

该技能是一套端到端的分析工作流程,覆盖数据埋点设置、数据分析解读、漏斗分析、产品指标衡量、转化路径验证以及 ROI 测算。适用于搭建 GA4/GTM 埋点、解读分析数据、诊断漏斗瓶颈、设计仪表盘、评估营销投放回报等场景。其核心原则是“为决策而追踪,而非为数据而追踪”,强调每一个事件都应服务于后续行动。技能内置了事件命名规范、追踪计划表、UTM 参数规范、隐私合规要求、GA4 与 Search Console 基准值、流量质量矩阵、异常检测规则、北极星指标与留存基准、漏斗评分框架(Hook→Story→Offer)、ROI 三情景分析以及上线前后 QA 清单等结构化内容。该技能为自包含式设计,需在提问前读取品牌与个人等引导上下文,并将产出的学习成果归档回相应文件。缺失事实:具体的执行脚本细节、examples 目录内容、references 完整指南与 ROI 详细公式暂未在资料中提供。

数据与分析423 次安装