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 11-04 00:13

全部 Skills

244,639 个结果

suggesting-data-imports

该技能用于识别用户所需数据是否位于 PostHog 之外,并引导用户通过数据仓库(data warehouse)将其导入。PostHog 原生采集产品分析事件、人员、会话和分组,但不采集支付、订阅、CRM 记录、外部支持工单或生产数据库表等外部业务数据。当 HogQL 查询因表不存在而失败、用户询问外部系统(如 Stripe、Hubspot、Salesforce)数据、希望将 PostHog 分析与业务数据关联,或询问如何将某数据导入 PostHog 时,可使用本技能。它会检查已连接的数据源、匹配合适的数据源类型、给出导入建议,并协助完成连接与首次关联查询。

数据与分析382 次安装

syncfusion-blazor-buttons

Syncfusion Blazor 按钮组件技能,围绕 Syncfusion.Blazor.Buttons 与 Syncfusion.Blazor.SplitButtons 两个 NuGet 包,系统讲解在 Blazor 应用中实现按钮类 UI 组件的方法。覆盖 Button、ButtonGroup、CheckBox、RadioButton、ToggleSwitch、DropdownMenu、SplitButton、ProgressButton、FloatingActionButton、SpeedDial、Chip 共 11 个组件,按功能特性、样式定制、高级特性三类参考文档组织,包含安装配置步骤、常用模式(事件处理、CssClass 定制、图标、禁用状态、RTL)、共享主题与 CSS 类、典型使用场景以及各组件快速示例代码,适合需要在 Blazor 项目中集成按钮、选择、标签与浮动操作等交互控件的开发者参考。

前端与建站382 次安装

high_quality_compounder_finder_skill

该技能用于筛选能够在较长周期内持续创造高回报、并通过再投资与资本配置实现复利增长的高质量公司,输出高ROE、高护城河、可长期复利的核心候选股,并给出优先级、估值纪律与持续跟踪重点。适用于长线核心仓选股、复利资产池建设、高质量公司比较等场景。推荐使用万得 wind-mcp-skill 获取底层数据,执行前需检查本地是否已安装该技能。

数据与分析382 次安装

gitnexus-pr-swarm-review

GitNexus PR Swarm Review 是一个用于审查 GitNexus 拉取请求(PR)的技能,通过协调多个审查子代理(reviewer swarm)生成生产就绪性审查报告。它属于交互式、按需触发的审查群体,与 CI 中 gitnexus-review 技能内置的“Swarm lanes”(ci-personas/)不同,后者由 review-agent 工作流在单次审查运行中自动调度。使用时以 /gitnexus-pr-swarm-review <PR URL 或 PR 编号> 触发,由协调者按 pr-swarm-review/orchestration.md 规范执行,包含泳道、依赖、分类、输出结构、发现格式、隐藏 Unicode 检查与行为规则。该技能仅固定 Claude Code 相关细节:以 Swarm 模式运行,通过 Agent 工具将每个泳道作为独立子代理调度,七个 gitnexus-* 项目代理各读取 pr-swarm-review/personas/ 下的规范角色;先运行泳道 1–2,随后并行运行泳道 3–6,最后在草稿上运行泳道 7。泳道 7 是硬性关卡,若综合评审的“发布前必需修正”部分非空,则不得输出最终审查,需修订并重新运行。全程保持只读:调查并报告,绝不编辑、提交或发布。

编程与开发381 次安装

cdo-review

cdo-review 是一个面向数据战略决策的审查技能,命令为 /cs:cdo-review <plan>。它由首席数据官(CDO)视角出发,对任何涉及训练数据、数据架构、数据产品化或数据团队招聘的计划进行压力测试,通过六个关键问题在做出承诺前进行质询。适用于批准使用客户数据的 ML 模型训练、签署多年数据基础设施 SaaS 合同、将客户数据产品化、重大数据团队招聘、并购尽职调查等场景。输出包含决策类型、训练审计、架构建议、资产价值、组织建议、结论(SHIP/SHARPEN/BLOCK)及后续步骤。

数据与分析381 次安装

sast-scanning

该技能用于执行静态应用程序安全测试(SAST),通过在源代码层面进行静态分析,在部署前识别安全漏洞。支持多种主流 SAST 工具,包括 Semgrep、CodeQL、SonarQube,以及针对特定语言的 Bandit(Python)、ESLint Security(JavaScript)和 Brakeman(Ruby)。适用于实施安全 SDLC 实践、在 CI/CD 中增加安全门禁、自动化代码安全审查、在部署前发现漏洞以及满足合规要求等场景。技能提供了各工具的安装命令、基础用法、自定义规则示例、CI 配置(如 GitHub Actions)、质量门禁脚本以及最佳实践建议,并可与其他技能(如 DAST 扫描、依赖扫描)结合使用。

安全与审计381 次安装

weights-and-biases

Weights & Biases(W&B)是一个面向机器学习实验跟踪与 MLOps 的工具。它可以通过自动日志记录跟踪 ML 实验,在实时仪表盘中可视化训练过程,比较不同超参数与配置下的运行结果,使用自动化 sweeps 优化超参数,并通过版本与血缘管理模型注册表。资料显示其用户超过 20 万 ML 从业者,GitHub 星标 10.5k+,集成 100+。安装方式为 pip install wandb,登录使用 wandb login 或设置 WANDB_API_KEY。核心概念包括项目与运行、配置跟踪、指标记录、模型检查点、超参数 sweeps、Artifacts 与模型注册表,并提供 HuggingFace Transformers、PyTorch Lightning、Keras/TensorFlow 等集成示例。

数据与分析381 次安装