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 11-05 00:16
245,533 个结果
eBPF Observability 是一项利用 eBPF 技术在 Linux 内核中运行沙箱程序以实现深度可观测性的技能，无需修改内核源码或加载内核模块。它可追踪系统调用、网络流、DNS 查询、应用程序行为等，支持 Cilium、Tetragon 等工具。主要能力包括：内核级性能调试、无 sidecar 的网络可观测性、内核边界安全监控、生产环境持续性能分析、以 Cilium 替代或增强服务网格。需要内核版本 4.19 以上（部分特性要求更高），提供 bpftrace 一行命令、Tetragon 安全策略示例以及 Prometheus 集成方案。适用于云原生基础设施的深层性能与安全分析，但不推荐用于内核版本过低或托管平台限制 BPF 能力的场景。
GCP Cloud Functions 技能面向在 Google Cloud Functions 平台上部署无服务器函数的场景，覆盖 Gen1 与 Gen2 两代产品。资料显示该技能可用于处理 Webhook、API 端点、轻量 HTTP 后端，响应 Pub/Sub、Cloud Storage、Firestore 或 Eventarc 事件，运行定时任务，构建由文件上传触发的数据处理管道，以及在正式选用 Cloud Run 或 GKE 之前快速验证微服务原型。技能同时提供部署 HTTP 函数、Pub/Sub 触发函数、Cloud Storage 触发函数和定时函数的命令行示例，包含 Python 与 Node.js 代码示例、gcloud 管理命令、Terraform 配置以及常见故障排查表。资料未提供该技能本身的收费、价格或平台支持范围等信息。
do-work 是一个统一的任务捕获与处理技能，用于把用户请求记录为队列项并后续执行。它通过 do、work、verify、cleanup、version 等动作路由输入，强调捕获与执行严格分离。
该技能用于将异步测试中随意设定的固定延时替换为条件轮询，从而消除因时序猜测导致的测试不稳定问题。其核心原则是等待真正关心的条件成立，而不是猜测需要等待多久。适用于测试中存在 setTimeout、sleep、time.sleep() 等任意延迟、测试偶发失败或在负载下失败、并行运行时超时、以及需要等待异步操作完成的场景；不适用于测试真实时序行为（如防抖、节流间隔），若必须使用任意超时则应记录原因。技能提供通用轮询函数 waitFor，支持等待事件、状态、数量、文件及复合条件，并附带领域专用辅助函数与详细模式文档。
该技能用于照片内容识别、智能筛选与质量过滤，涵盖人脸与宠物聚类、感知哈希去重、连拍选优、截图与表情包过滤、NSFW检测及美学评分，适合整理上万张照片库。
Cursor 插件技能 add-voice：在现有应用中接入 Grok 实时语音（Speech to Speech），通过 /add-voice 或 Voice Mode 触发，可替换 STT-LLM-TTS 级联或 OpenAI Realtime，建立双向音频通路。
面向 AWS 无服务器应用开发的专用技能，覆盖 Lambda 函数、API Gateway、DynamoDB、SQS/SNS 事件驱动模式等生产级实践。提供 Lambda Handler 结构、API Gateway 集成、SQS 事件驱动等代码模板与 SAM 配置示例，并列出反模式与常见陷阱，帮助构建可扩展、可维护的无服务器应用。
CLIP（Contrastive Language-Image Pre-Training）是 OpenAI 推出的连接视觉与语言的模型，通过自然语言理解图像。它支持零样本图像分类（无需训练数据）、图文相似度匹配、语义图像搜索、内容审核（如检测 NSFW、暴力内容）、视觉问答以及跨模态检索（图→文、文→图）。模型在 4 亿对图文数据上训练，零样本性能在 ImageNet 上可媲美 ResNet-50，采用 MIT 许可证，GitHub 星标超过 25,300。提供 RN50、RN101、ViT-B/32、ViT-B/16、ViT-L/14 等多种模型，可通过 pip 安装并配合 PyTorch 使用。
Datadog CLI 是一款面向 AI 智能体的命令行工具，用于通过 Datadog 的日志与指标进行调试和故障排查。它支持搜索日志、实时流式查看日志、按分布式追踪 ID 关联日志、获取时间戳前后上下文、对相似日志消息分组、比较不同时段的日志数量、并行执行多个查询、按 facet 聚合日志，以及查询时序指标、生成按服务或类型划分的错误摘要、列出有日志活动的服务、管理仪表盘和仪表盘列表。使用前需配置 DD_API_KEY 与 DD_APP_KEY 环境变量，通过 npx @leoflores/datadog-cli 运行，非美国站点可用 --site 指定。适用于生产问题调试、事件分诊等场景。
Notion Meeting Intelligence 是一个用于会前准备的技能，通过拉取 Notion 中的上下文信息、选择合适的会议模板、撰写议程与预读材料，并结合 Codex 研究进行补充，从而为参会者定制会议材料。它适用于需要收集背景、起草议程和预读、以及针对参会人调整内容的场景。使用时先确认会议目标、参会人、时间与所需决策，再用 Notion 搜索与抓取工具收集过往笔记、规格、OKR 和决策记录，随后根据会议类型选择模板，并在 Notion 中创建或更新页面。当计划变化时，可更新页面并保留简要变更记录。
Speculative Decoding 是一个用于加速大语言模型（LLM）推理的技能，涵盖三种主要技术：草稿模型投机解码、Medusa 多头解码和 Lookahead 前瞻解码。该技能适用于需要将推理速度提升 1.5-3.6 倍且不损失质量的场景，例如降低聊天机器人、代码生成等实时应用的延迟，优化高并发服务的吞吐量，以及在受限硬件上高效部署。其核心思路是用小模型或额外预测头生成候选 token，再由大模型并行验证，从而减少串行解码步数。文档提供了 transformers、Medusa、LookaheadDecoding 及 vLLM 的安装方式，并给出各方法的快速开始代码、算法原理、超参数调优建议与生产部署示例。资料显示三种方法均无质量损失，其中 Medusa 需要少量训练（仅训练预测头），Lookahead 则无需草稿模型或训练即可开箱使用。
web-artifacts-builder 是 Anthropic 提供的工具套件，用于使用现代前端技术栈（React、Tailwind CSS、shadcn/ui）创建结构复杂、多组件的 claude.ai HTML artifact。它通过初始化脚本搭建 React 项目，开发完成后利用打包脚本将全部 JavaScript、CSS 和依赖内联为单个自包含的 HTML 文件，从而可直接在 Claude 对话中作为 artifact 分享。项目内置 40 多个 shadcn/ui 组件和完整的 Radix UI 依赖，并预置路径别名、Tailwind 主题系统与 Parcel 打包配置，同时兼容 Node 18 及以上环境。该工具还提供设计与风格指南，提醒避免过度居中布局、紫色渐变、统一圆角和 Inter 字体等常见 AI 生成风格。适合需要构建较完整交互式前端界面并作为单个 HTML 交付的场景。
open-review 中的代码审查技能：按 mission、architecture、implementation、craft、security、performance 六个环节依次审查变更，并综合给出结论。
paper-polish 是一个用于审阅和润色 LaTeX 研究论文的 AI 技能，聚焦写作清晰度、语法、LaTeX 最佳实践与文档结构。它帮助智能体从审稿人视角检查论文，强调引言应传达新意与影响力，要求表达简洁、时态正确，并给出语法规范（如标题大小写一致、避免被动语态与名词化、正确使用 which/that、区分 fewer/less、正确使用冠词等）。在 LaTeX 方面，建议使用 LuaLaTeX、BibLaTeX、siunitx、hyperref 等现代工具，规范变量斜体、大数字与交叉引用写法。文档结构上，main.tex 为入口，src/ 存放章节，tables/ 存放表格，figures/ 或 fig/ 存放图，code/ 存放代码清单。
Nature-Style Academic Polishing 是一项用于学术写作润色的技能，目标是把科研文本润色、重排或翻译为偏 Nature 风格的英文。它强调语言服务于论证：在改句子之前，先修理论文类型、章节职责、段落逻辑以及主张、证据与边界的对应关系，避免出现句子通顺但推理断裂的情况。技能内置写作策略、已发表文章模式、章节句步、学术短语库与风格护栏等参考文件，并提供写作记忆的选读机制。默认不使用破折号作散文标点，减少冒号滥用，控制句长与段落单一核心观点。适用于研究论文、方法论文、假设驱动工作及算法或器件工作。技能明确要求不编造数据、参考文献、机制或新颖性主张，不替作者从零撰写核心科学论证，并给出 AI 使用红黄绿边界及引用、伦理与校读检查要点。
accelint-react-best-practices 是一个面向 React 性能优化与最佳实践的 AI 技能，来源为 gohypergiant/agent-skills。它主要帮助 AI 代理和 LLM 在编写、重构 React 代码时避免反模式，例如不要在组件内部定义组件、不要在 useEffect 中使用对象或数组依赖、不要用 useState + useEffect 同步派生状态、不要在 SSR 组件中直接使用仅客户端状态、避免在 memoized 组件上内联回调或对象 props、不要在 useEffect 中放入用户交互逻辑等。该技能还强调在提出 memo/useMemo/useCallback 优化前，先判断项目是否使用 React Compiler，以及是否真的存在性能问题。它采用渐进式披露结构，先阅读 AGENTS.md 概览，再按需加载具体规则文件，涵盖重渲染优化、渲染性能、高级模式等内容，并提供审计报告模板和检测反模式的辅助脚本。
基于 Primer3 与本地 BLAST 的 PCR/RT-qPCR 引物设计与审计技能，输出候选引物、热力学评估和脱靶扩增筛查报告，强调可追溯的模板、化学条件与搜索范围。
用于核查 33 JavaScript Concepts 项目概念文档技术准确性的技能，通过验证代码示例、MDN/ECMAScript 规范符合性和外部资源，防止传播 JavaScript 错误信息。
在 R 中运行工具变量（IV）、双重差分（DiD）和断点回归（RDD）等计量分析的技能，生成含诊断检验与稳健标准误的代码，并使用 fixest、modelsummary 等包输出可发表结果。
本技能用于审计和修复 Three.js 与 React Three Fiber (R3F) 应用，重点关注帧循环性能、GPU 内存泄漏、场景图正确性，以及 z-fighting 等可见视觉缺陷。其核心原则是按渲染循环判断严重程度：运行在 useFrame 或 requestAnimationFrame 中的代码每秒执行 60 次，因此其中的小低效比设置面板中的大低效更值得优先修复。工作流包括侦察技术栈与热路径、用 React Doctor 只读扫描收集结构化证据、按帧循环杠杆重新分级并寻找 Three.js 专属问题、进行视觉审计（通过截图或帧捕获取证）、按严重程度修复、最后验证分数不回退且视觉与行为正常。技能还列出了扫描器常遗漏的检查项，如命令式创建 GPU 资源的 dispose() 覆盖、指针移动时对全场景的射线检测、颜色空间配置等。
rde-eval 是 React Doctor Evals（RDE）中的一个本地规则评估技能，用于针对尚未提交（uncommitted）的规则改动运行有界的本地评估循环。它适合在聚焦的规则测试通过后、检查真实开源项目命中情况时使用。该技能通过读取 React Doctor 的未提交改动，在本地运行 RDE 命令，对目标规则进行采样、摘要与命中检查，帮助区分真阳性、假阳性与不支持的情况，并为假阳性补充回归测试和模糊回归语料。
GPU 内存模型技能，用于 SIMT 执行与内存层次分析。适用场景：warp 分歧、内存合并、共享内存 bank 冲突、L1/L2 缓存行为、原子操作内存序、占用率与延迟隐藏权衡。
用于 Linux 内核并发与同步的技能，指导在自旋锁、互斥锁、信号量、RCU、顺序锁、completion 与内存屏障之间做出选择，适用于驱动开发与子系统补丁。
输入你的优质客户，基于公司画像、技术栈、增长信号与相似度评分，查找100家以上相似公司并生成排序目标客户名单的Claude技能。