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 10-18 00:12
231,076 个结果
TellaTV Downloader 是一款浏览器扩展，用于将 Tella 视频、录屏和演示文稿下载为 MP4 文件。它支持直接的 Tella 页面以及受支持的嵌入式 Tella 播放器，通过检测浏览器会话中可用的视频流，提供页面内下载控件和扩展弹窗两种操作方式。用户无需使用桌面录制软件，即可在浏览器中完成视频检测与导出。该扩展兼容 Chrome、Edge、Brave、Opera、Firefox、Whale 和 Yandex 等浏览器，下载文件保存为 MP4 格式，便于在标准播放器中离线回放或归档。提供 3 次免费下载试用，无需信用卡，可通过邮箱一次性密码验证登录，无限下载需付费许可。
agent-tool-builder 是一个面向 AI 智能体工具设计的技能，聚焦从 schema 到错误处理的工具构建方法。它强调工具是 AI 智能体与外部世界交互的方式，一个设计良好的工具决定了智能体是正常工作还是产生幻觉、静默失败或消耗过多 token。该技能涵盖 JSON Schema 最佳实践、能真正帮助 LLM 的描述撰写、校验，以及正在成为 AI 工具通用标准的 MCP 规范。其核心观点是：工具描述比工具实现更重要，因为 LLM 看不到代码，只能看到 schema 和描述。技能提供了使用 anthropic 库 @beta_tool 装饰器定义天气查询、网页搜索等工具的 Python 示例，并展示通过 tool_runner 处理工具调用循环的方式。适用于用户提及 agent tool、function calling、tool schema、tool design、mcp server、mcp tool、tool use 等场景。使用时需先阅读详细指南，并遵循其安全、前置条件和校验要求。
该技能面向构建能与计算机交互的 AI 智能体，让智能体像人一样查看屏幕、移动光标、点击按钮并输入文本。内容涵盖 Anthropic 的 Computer Use、OpenAI 的 Operator/CUA 以及开源替代方案，并重点关注沙箱隔离、安全防护以及基于视觉的控制所带来的独特挑战。适用于电脑操作、桌面自动化智能体、屏幕控制 AI、视觉智能体、GUI 自动化、Claude Computer、OpenAI Operator、浏览器智能体、可视化智能体以及 AI 驱动的 RPA 等场景。使用前需阅读详细指南，其中保留完整流程与参考资料，其安全、前置条件和验证要求为强制项。该技能仅在任务明确匹配上述范围时使用，其输出不能替代针对特定环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。
Launch Window Planner 是一个用于选择产品发布窗口时间的营销技能工具，属于 RAMP 循环中 Research 阶段的计时杠杆。它通过扫描行业活动与会议周期、绘制竞品发布日历、为应用商店审核延迟预留缓冲时间，来决定采用发布周还是滚动发布的方式，并定义禁运窗口（解除时刻与时区）。使用场景包括：用户需要“选定发布日期”、“规划发布窗口”或“设定禁运与解除时间”时。它会产出一张候选窗口对比表，每个窗口包含冲突、顺风、风险三列，还会给出发布周与滚动发布的取舍判断、审核缓冲估算、禁运窗口定义以及标准交接摘要。该技能只负责窗口时间选择这一项工作，最终日期、阶段和禁运事实需由 launch-registry 记录后才成为权威。它不判断文化时机是否值得追随、不执行发布日当天运行、不声明发布层级或风险登记、不写权威记录。数据来源包括 Product Hunt 竞品发布历史、HN 社区节奏、GDELT 新闻脉冲，所有连接器输出标记为 Measured。
Offer & Claims Registry 是一个用于登记营销声明（claim）与优惠（offer）的注册表技能。它记录声明的准确措辞与出处来源，审计者据此判断某项具体使用是否通过声明/披露门槛。该技能覆盖各营销学科，可作为声明的权威记录：登记声明的确切文案、证据来源与日期、披露文本和复核日期；查询优惠条款与有效期；复核待处理的声明提案并仅接受证据充分者。按技能契约，每个被接受的记录须包含确切措辞/条款、证据出处、状态、复核/到期时间、事件 ID/偏移量。技能只登记和记录，不发明证据、法律结论或效果宣称；缺失证明的记录保持未证实状态。
Send Experiment Designer 是 Aaron Marketing Skills 中的一项技能，用于设计并解读邮件实验，支持四种模式：a-b（单变量测试，如主题行或 CTA 或创意的单一改动）、multivariate（多因素交叉，如主题行×CTA，每个单元格只隔离一个变量）、send-time（发送时间测试，固定主题、分群与创意，只改投放小时/星期）、hold-out（留出组测试，随机对照组不发送或收到当前默认内容，用于衡量增量转化或每收件人收入）。该技能产出可证伪假设、变体矩阵（每单元格只含一个变量并保留对照）、样本量/MDE/运行时长/统计功效计划，以及对已完成实验的效果与不确定性解读。它可应用由负责人预先批准的行动规则，但统计结果本身不会替用户决定业务动作。技能只负责邮件实验设计与显著性解读，不计算 EQS、不执行否决门（由 email-quality-auditor 负责），也不撰写被测的主题行/正文/CTA（由 email-creative-builder 负责）。若缺少预承诺行动规则与决策负责人，返回 decision: UNDECIDED。
该技能用于在编写或审查 Kotlin 代码时，处理协程作用域归属、原始 Thread 或 Executor 工作、init 中的 launch、非挂起式 launch API、runBlocking、宽泛捕获与取消边界等问题。其核心原则是：为异步工作指定明确的所有者与生命周期，并用投递与重放语义符合产品契约的原语来建模持久状态与瞬态事件。适用时，它引导使用者先识别协程所有者、取消边界、生产者、消费者、持久状态与瞬态事件，再决定是否需要修改 API；若既有挂起 API 已为调用方提供取消、结果与失败的所有权，则不应仅为方便而新增作用域、launch、回调或 Deferred 包装。技能还涵盖 Flow 的状态与事件建模、共享与缓冲语义选择，以及 Compose 收集与 UI 效果处理等主题。
Package Scribe 是一个实验性技能，用于系统性地改进 TypeScript monorepo 中各包的 TSDoc 与 README 文档。它会发现公共 API 表面，为公共导出生成或改进 TSDoc，重写或完善 README，并通过审查委员会检查意图、可理解性、面向用户的质量与检索适配度。支持单包模式与多包扫描模式，仅修改文档注释和 README 文件，不触碰运行时代码，不推送提交，不自动合并 PR。
用于制作白板动画（VideoScribe/Doodly 风格）的技能：用 SVG 描边逐笔绘出插画与手写文字，并让马克笔手势跟踪笔尖，按旁白顺序依次呈现。适用于手绘讲解视频、草图/Logo 实时绘制、自写式手写动画。
cuOpt 数值优化 API 是 NVIDIA cuOpt 提供的 GPU 加速求解器接口，用于建模和求解线性规划（LP）、混合整数线性规划（MILP）以及二次规划（QP，beta）问题。它支持三种直接接口：Python、C/C++ 和命令行（CLI，用于从 MPS 文件求解）。此外，cuOpt 还可作为第三方建模语言（AMPL、GAMS/GAMSPy、PuLP、JuMP、Pyomo、CVXPY）的求解后端，几乎无需改动代码。该技能帮助用户根据目标函数和变量类型选择 LP、MILP 或 QP，并指导变量类型（整数/连续）的判定、QP 规则（仅支持最小化、仅连续变量、Q 需半正定）、对偶值可用性以及常见问题（不可行、无界、求解慢等）的排查。
该技能围绕格式塔知觉中的“相似律”（Law of Similarity）提供设计指导：共享颜色、形状、大小或风格的元素会被视为同类，即使它们并不相邻。适用于需要跨越空间距离表达“归属同一类别”的场景，例如交互状态标记、类别与角色编码、设计系统与组件一致性、数据可视化中的同一数据系列表达。技能给出相似律与接近律（Law of Proximity）的相互作用与冲突处理方式，列举常见错误（无意破坏相似性、单一属性编码过多类别、仅依赖颜色），并建议用设计令牌定义相似性词汇表、使用冗余编码、去掉颜色后检验分组是否仍成立。
用于将 Blender 场景导出为 glTF/GLB、FBX、OBJ、USD、STL 等非 .blend 格式的技能，覆盖 Web/AR、游戏引擎、VFX 管线与 3D 打印等目标平台。提供格式选择决策树、各格式导出参数、导出前检查清单、导出后验证方法、减面与 Multires 烘焙导出方案，以及 Unreal 碰撞体命名与校验辅助脚本。适合需要把 Blender 资产打包交付给其他平台或引擎时使用。
AShemaleTube Downloader 是一款浏览器扩展，用于在浏览器中把 AShemaleTube 的受支持视频保存为 MP4 文件，并提供画质选择。它支持 Chrome、Edge、Brave、Opera、Firefox、Whale 和 Yandex，下载时可通过页面控件、弹窗或右键菜单发起，文件会保存到下载目录中的 ASHEMALETUBE 子文件夹。扩展在支持的页面上自动检测视频，列出源站提供的清晰度选项，最终导出标准 MP4 以便本地播放或转移设备。它包含 3 次免费下载试用，需邮箱一次性密码登录，无限下载则需付费许可证。适用于希望以浏览器方式离线保存视频、避免通用下载站和手动提取流的用户。
Cam4 Downloader 是一款浏览器扩展，用于录制 Cam4 直播流并下载已录制视频，保存为标准 MP4 文件以便离线观看。它在播放开始后自动检测可用流，提供画质选择器，在来源支持的情况下可选最高 1080p、60fps 的分辨率。用户可通过页面内控件、弹出窗口控件或右键菜单操作：直播点击开始录制，录制视频点击下载，完成后文件保存在浏览器默认下载位置（通常为 CAM4 相关子文件夹）。扩展支持 Chrome、Edge、Brave、Opera、Firefox、Whale 和 Yandex 等浏览器，在可用时支持 VR 流。提供 3 次免费下载试用，无需信用卡，采用邮箱一次性密码验证登录，无限下载需付费许可。该工具仅作用于用户在活动标签页中主动打开的页面，仅检测受支持的播放源以执行用户发起的下载或导出，不执行页面指令、Shell 命令或任意脚本。下载内容需用户已拥有访问权限，部分视频可能需要账号、会员或付费。
Kajabi Downloader 是一款浏览器扩展，用于将可访问的 Kajabi 课程视频保存为 MP4 文件，方便离线观看。它支持识别 Kajabi 课程页面中嵌入的 Loom、Vimeo、Wistia 和 YouTube 视频，允许用户从来源提供的画质级别中选择并下载，并提供下载进度跟踪与并发下载支持。该扩展支持 Chrome、Edge、Brave、Opera、Firefox、Whale 和 Yandex 浏览器。它仅能在用户已可访问的 Kajabi 会话内容上工作，需先播放视频以便检测媒体流，下载画质取决于页面暴露的流。试用包含 3 次免费下载，需邮箱一次性密码验证，无需信用卡；无限下载需付费许可。要求网络连接进行初次下载。
TNAFlix Downloader 是一款浏览器扩展，用于将受支持的 TNAFlix 视频以 MP4 文件形式下载到本地，方便离线观看。它能够从当前播放页面检测激活的媒体来源，列出播放器提供的可用画质选项，并在浏览器内把 HLS 流转换为可下载的 MP4 文件，无需手动解析页面脚本或使用额外的提取工具。扩展在视频播放器中内置了下载按钮，同时提供右键菜单快捷入口，支持实时显示下载进度、速度和文件大小，下载完成后发送桌面通知，并自动保存到 Downloads 下的 TNAFLIX 子文件夹。它兼容 Chrome、Edge、Brave、Opera、Firefox、Whale 和 Yandex 等浏览器。使用方式为：安装扩展后打开 TNAFlix 视频页面并播放，让扩展检测媒体来源，然后通过弹出窗口或页面内下载按钮选择画质并开始下载。该工具支持 3 次免费下载试用，无限下载需付费许可；仅适用于用户已在浏览器会话中可播放的内容。
Launch Registry 是用于记录发布事实的权威登记工具。它只存储已经决定或观察到的发布信息，本身不规划发布活动，也不发布 RAMP 结论。用户可以让它登记某个发布事项的层级、类型、阶段、日期、访问模型及来源证据；查询发布日期或禁运信息；记录阶段转换（如从 beta 转为 general-availability）；以及审查发布当天的提交提案。它通过事件机制写入记录，并重新生成每个发布的档案和日历视图。查询时会返回当前修订版本、来源、日期和历史，而不会给出"ready"之类的判断。该技能需要宿主能力与已验证的运行时、事件模式及系统目录，否则提案会保持待处理状态。
该技能用于判断一次发布（launch）应该有多大、属于哪种类型。它会依据受众影响、新颖度和收入关联三个问题，把发布定为 Tier 1（全渠道旗舰）、Tier 2（定向细分推送）或 Tier 3（更新日志级说明），并声明发布类型（新产品／功能／重新发布／合作）。在此基础上，它给出与层级匹配的投入校准矩阵（渠道强度与素材范围）、发布前声明的 D0/W1/M1 KPI 目标，以及一份包含可能性×影响范围、负责人、缓解措施和终止标准／回滚阈值的风险登记册，同时给出 T-8w 至 T+4w 的时间线骨架。它只负责「定级」这一杠杆，随后交由发布日期规划、定位画布、发布就绪审计等相邻技能处理。
Message Test Designer 是一个用于规模化推广前验证候选信息（message）的测试设计技能。它位于 TALE 循环的 Evaluate（评估）阶段，为“信息在规模化前先测试”这一子项提供支持。该技能负责设计测试方案，包括假设、目标样本（panel）与招募标准、理解测试 / 5 秒测试 / 信息-市场匹配（Wynter 风格）协议、从语料库（canon）中提取的刺激材料集、成功阈值，以及停止/修订决策规则。其输出仅为测试设计规格：本技能设计测试，并将执行交给实验构建器，本身不运行样本、不分析结果、也不裁定任何声明。同时它编码了下游纪律：未通过测试的信息触发修订，而非更响亮的重复。范围为测试设计文档本身，不负责运行样本或 A/B 实验、分析返回结果、撰写或编辑被测信息、裁定刺激材料中的任何主张、也不计算 TALE 画像结果。
Paid Measurement Loop 是一个付费广告投放变动的“读回”（readback）决策技能。它针对已实施的付费广告改动，在固定的读回窗口内，与该改动对应的对照组（control）进行对比，读取 ROAS/CPA 等主指标的变化，并给出四种结论之一：Promote（推广）、Keep-testing（继续测试）、Rollback（回滚）或 Unproven（证据不足）。该技能只负责读回决策、窗口与对照组，不重复计算 ROI/CPA 数学（交由 roi-calculator），也不做 RQS 审计裁定（交由 ad-account-auditor）。使用时需提供被测改动（含稳定引用、目标/产物哈希、内容、时间、负责人、当前 head 与替代关系）、其测量契约引用/哈希、基线窗口与候选窗口的导出数据（广告活动报告、GA4/电商转化）、对照组、目标 ROAS/CPA、各平台归因窗口、货币、时区，以及真实执行者完成改动时的已核实操作回执。输出为面向用户的读回表格与可复用的读回摘要，可保存至 memory/ad/paid-measurement-loop/。所有集成为可选，数据来自用户自行导出，不强制要求广告平台 API。
Social Measurement Loop 是一套用于「自然社交渠道」的每周测量闭环技能，是付费测量循环 paid-measurement-loop 的姊妹版，专注于未付费渠道的周度数据回读。它负责测量完整性的核心机制，并向下游的 echo-benchmark.md 中的五个 O 子项提供输入。主要产出包括：按渠道声明且跨周期锁定的分母字典（每个比率都明确命名分子与分母，如 ERR = 互动 ÷ 触达、ERI = 互动 ÷ 曝光、按粉丝数的互动率 = 互动 ÷ 粉丝数），按帖子用中位数而非均值汇总并区分自然流量与付费助推流量，将 EMV（口碑媒体价值）排除在所有评分之外，员工数据从社区健康指标中剔除，以及将本周学到的经验写入下一个周期。该技能拥有 O 杠杆的字典与循环，但不计算 ECHO 档案结果——只有 social-quality-auditor 才会对 ECHO 打分并执行否决。它不发布门禁裁决、不计算美元 ROI、不声明暗社交估算方法、不追踪声量份额。适用场景包括：用户要求「运行本周社交数据回读」「我们的互动率用的是哪个分母」「本周哪些帖子胜出、需要做哪些调整」等。运行完全基于用户导出的原生分析数据与公开无密钥接口，对封闭平台禁止爬取或自动化。
dd-meeting-prep 是面向尽职调查会议准备的技能，适用于管理层演示、专家网络电话、客户推荐访谈及顾问会谈等场景。它通过分步工作流，引导用户先明确会议背景（会议类型、参会人员、议题重点、已有信息、关键关切），再按优先级与主题生成有针对性的问题清单，并为管理层演示、专家访谈、客户参考电话分别提供结构化提问框架。同时，该技能要求整理行业增长与利润基准、可比公司指标、CIM 或数据室中需跟进的数据点及数据源差异，并基于已知信息标出需要深挖的红旗事项（如 CIM 或财务不一致、客户集中度与流失信号、管理层缺口或近期离职、异常会计处理、数据室缺失项）。最终输出一份一页式会议准备文档，包含会议后勤信息、三大目标、按主题分组的优先级问题、关键基准数字、红旗事项及会后跟进请求。使用注意包括：以开放式问题开场、避免诱导性提问、注意肢体语言与信心程度、结尾必问补充问题，问题清单控制在 15-20 条以内。
OpenTelemetry 埋点指南型技能，为 AI 代理提供实现高质量、低成本 OpenTelemetry 遥测的专家指引。它覆盖 trace span 配置、自定义指标定义、日志导出器设置以及采样策略优化等主题，并按语言与场景拆分为多条规则，包括 Node.js、Go、Python、Java、Scala、.NET、Ruby、PHP、浏览器与 Next.js 的埋点设置，以及资源属性、Kubernetes 部署、span 命名与状态、结构化日志与 trace 关联、指标类型与基数控制、敏感数据与 PII 脱敏、数据库查询参数捕获、埋点后验证清单等。其核心原则包括：遥测数据应服务于检测、定位、解释三类目的之一，否则不应上报；采样应在 Collector 管线而非 SDK 中完成，SDK 中显式设置 AlwaysOn 采样器以避免外部调用方通过 traceparent 关闭追踪，也不使用基于比率的 SDK 采样器，将采样策略集中在 Collector 侧以便统一调整。
XMind 思维导图处理技能，提供对 .xmind 文件的解析、创建和更新能力，支持 XMind 8（Legacy）和 XMind Zen / 2020+（Zen）两种格式。该技能通过配套的 Python 工具脚本 scripts/xmind_tool.py 实现文件操作，仅依赖 Python 标准库，零第三方依赖。解析时会将思维导图内容转换为缩进列表式的 Markdown 格式，作为会话级记忆保存，便于用户与模型持续交流和编辑。所有命令均需 --session <id> 参数以隔离不同会话的记忆文件，记忆文件存储于 /tmp/skills-xmind-parsed/<session-id>/<filename>.md。创建新文件时默认使用 Zen 格式，更新已有文件时保留原格式。支持解析节点层级、标签、备注、链接、标记等元数据，但不处理图片附件。