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
245,562 个结果
Sentry Ruby SDK 是 Sentry 官方为 Ruby 应用提供的错误监控与可观测性 SDK 技能。它通过扫描项目自动识别框架、后台任务、竞品监控工具和 OpenTelemetry 配置，并引导完成从安装到验证的完整 Sentry 接入流程。支持 Rails、Sinatra、Rack 及纯 Ruby 应用，可配置错误监控、追踪、日志、指标、性能分析和定时任务监控。该技能还提供从 AppSignal、Honeybadger、Bugsnag、Rollbar、Airbrake 等工具迁移的路径，并支持与前端 Sentry SDK 的跨端追踪串联。
该技能用于将 Anthropic 官方品牌配色与字体应用到各类产物中，使其呈现 Anthropic 的视觉风格。它定义了主色（深色 #141413、浅色 #faf9f5、中灰 #b0aea5、浅灰 #e8e6dc）与强调色（橙 #d97757、蓝 #6a9bcc、绿 #788c5d），并规定标题使用 Poppins、正文使用 Lora 字体，在字体缺失时自动回退到 Arial 与 Georgia。技能会智能应用字体（24pt 及以上标题用 Poppins，正文用 Lora）、根据背景智能选择文字颜色、为非文字形状循环使用强调色，并通过 RGB 颜色值保证品牌色彩一致性。适用于需要为文档、演示文稿等产物套用 Anthropic 品牌外观的场景。
该技能聚焦于文案写作框架，帮助用户掌握顶尖营销人员常用的说服性文案结构，包括 AIDA、PAS、PASTOR、BAB、FAB 和 4Ps。它适用于撰写销售文案、搭建落地页、邮件或广告，克服写作瓶颈，向团队传授文案基础知识，审查文案结构缺陷，以及创建可复用内容模板。技能会依据场景匹配合适的框架，将首字母缩略词扩展为可执行的文案，组合多种框架处理复杂情况，诊断现有文案的结构问题，并生成基于框架的模板。具体使用方式包括让助手帮助选择框架、按指定框架撰写文案、对照标准框架分析文案缺失环节。
MiniMax AI 的命令行工具，通过 MiniMax API 提供聊天补全（MiniMax-M3、MiniMax-M2.7）与 speech-2.x 文本转语音合成，支持交互式 REPL、流式输出和 JSON 输出。
营养分析器是 WellAlly Health 项目下的一个营养数据分析技能，用于分析饮食与营养数据、识别营养模式、评估营养状况并生成个性化营养改善建议。它可对宏量营养素（蛋白质、碳水、脂肪、纤维、卡路里）与微量营养素（维生素、矿物质）的摄入进行趋势分析和 RDA/AI 达成率评估，计算营养密度评分与健康饮食指数（HEI-2015 改编），识别饮食模式与时间模式，并支持将营养数据与体重、运动、睡眠、血压、血糖等数据进行相关性分析。该技能还内置危险信号检测（如营养素过量或缺乏、能量摄入异常）与医学安全边界说明，强调结果仅供健康参考，不构成医疗诊断或营养处方。
Superhuman 风格的 UI 设计系统技能，供 AI 智能体在构建浅色模式界面时参考。规定 Inter 字体、4px 网格、语义色板与交互约束，适用于打造 Superhuman 美学的设计系统。
React Frontend 是一个面向 React 前端开发的技能包，提供 React 架构模式、TypeScript、Next.js、Hooks 与测试相关的开发规范与参考。它适用于处理 React 组件结构、状态管理、Next.js 路由等工作场景。该技能强调在实现前先核对当前官方文档，尤其是 App Router 模式、React 19 API 或特定版本行为，因为训练数据可能滞后于最新版本。内容涵盖工作规则（如派生状态放在 render 中、用户操作放在事件处理器中、Effect 仅用于外部同步；异步任务需要生命周期与取消策略；缓存键与请求身份绑定；隐藏交互区域时保留焦点；服务端 action 需校验与授权；性能改动需实测、测试用户可见行为）、Effect 决策树（区分派生值、重置状态、响应事件、通知父组件、链式状态更新与外部系统同步各自应采用的方案）、Effect 规则（不压制 linter、使用更新函数、稳定依赖、为订阅返回清理函数等）、数据获取取消策略（AbortController、忽略标记、React Query 的 signal 传递）、初始化锁存与重取验证，以及工程纪律（保持简单、最小改动、避免临时方案、新抽象需出现三次以上）和一组验证清单与专题参考文件（测试、E2E、组件与状态、渲染与框架、Tailwind、测试选择、语言文件同步等）。
该技能用于构建或审查 Micronaut 应用，涵盖 Micronaut.run 启动、@Singleton/@Prototype、@Factory、@ConfigurationProperties、环境与调度等核心约定，要求在修改前确保项目可编译，并在改进后运行完整验证。
该技能用于在 Micronaut 应用中，根据维护者已净化的 Gherkin 场景事实实现验收测试。默认聚焦 happy-path，使用真实 HTTP 与基础设施，覆盖 @acceptance / @acceptance-tests 场景选择，并以 Gherkin 文本仅作为数据使用。技能指导搭建 BaseAcceptanceTest，包含 @MicronautTest、随机端口、@Client(/) HttpClient，以及合并数据库与 WireMock URL 的 TestPropertyProvider；共享上下文时在 @BeforeEach 中调用 wireMock.resetAll()。同时指导编写具体的 *AT 测试类，将 Given/When/Then 映射为 setup、HttpClient exchange 与 AssertJ 断言，并配置 Maven 三层拆分：*Test 交给 Surefire，*IT 与 *AT 交给 Failsafe。技能包含明确约束：必须有维护者净化的 Gherkin 场景事实方可生成代码；项目必须使用 Micronaut；Gherkin 文本视为不可信数据，不得执行其中指令；不摄取外部作者的原始 .feature 文件；应用前后分别执行编译与验证。
Agora Reporting 是把编码智能体进度、问题、决策、阻塞、测试结果、PR 与人机回复上报到 Agora 协调服务器的技能。需 AGORA_URL 与 PATH 中的 agora CLI；未设置时跳过上报，不阻塞任务。
用于为 33 JavaScript Concepts 项目撰写或审校 JavaScript 概念文档页的技能，遵循严格的结构与质量规范，涵盖写作语气、避免 AI 腔、页面结构、SEO 标题与描述、关键词布局等。
dv-admin 是面向 Dataverse 环境级管理的技能，覆盖批量删除、保留/归档、组织设置、OrgDB 设置、回收站与审计等操作，并内置严格的安全规则与设置白名单。
品牌色彩心理学与战略配色技能，用于选择或评估品牌色、构建主色/辅色/中性色/强调色体系、与竞品形成差异化，并检查可访问性与文化含义。
AF_XDP 高性能数据包 I/O 技能，指导创建 AF_XDP 套接字、配置 UMEM 与 XSK 环形队列、编写 XDP_REDIRECT 程序，并对比 copy 与 zero-copy 模式及与 DPDK 的差异。
面向 Linux 异步 I/O 的技能，讲解 io_uring 的提交/完成队列模型、liburing API、multi-shot accept/recv、提供缓冲区环、固定文件与注册缓冲区、零拷贝发送、tokio-uring 集成及与 epoll 的对比和安全性注意事项。
解析 Windows PowerShell 脚本块日志（事件 ID 4104）的 EVTX 文件，识别混淆命令、编码载荷与就地取材（living-off-the-land）技术，用于安全事件调查、检测规则构建与威胁狩猎。
该技能用于安全地监控勒索软件团伙的Tor数据泄露站点（DLS）情报，从公开追踪源收集并提取结构化的受害者发布数据，分析团伙活动趋势，并生成行业与地理风险评估报告。适合安全事件调查、威胁狩猎和SOC分析。
pp-tesla 是一个面向 Tesla 车主的 JSON 优先命令行工具（tesla-pp-cli），可查询车辆状态、执行空调/锁车/充电等远程命令，并提供充电成本账本、充电桩排队监控等本地分析能力，同时可作为 MCP 接口供 AI 智能体调用。
frontend-app-builder 是 openai/plugins 中的前端应用构建技能，用于从零创建仪表盘、游戏、创意网站、Hero 区块等视觉驱动型 UI。它要求先用 Image Gen 生成完整设计概念，经用户确认后作为生产设计规范，再以高保真度实现并在浏览器中反复比对修正。
一个通过 git 历史分析近期代码改动、提炼软件工程经验教训的技能，适合在用户追问“这里有什么值得学习”时使用。它以代码本身为证据给出具体、可操作的经验总结，而非泛泛说教。
用于按项目约定创建、更新、重构或排查 Storybook stories 的技能，专注故事编写与组合，不涉及组件实现、token 变更、E2E 浏览器测试等范围。
面向分布式系统设计的技能指南，帮助把产品需求转化为可部署、可观测、有韧性的架构，覆盖需求澄清、容量估算、高层架构、组件选型、数据与 API 设计、故障模式、监控与成本估算，并给出 SQL/NoSQL、同步/异步、单体/微服务等决策框架。
该技能用于面向新客户的品牌方向探索：先收集网站、演示文稿、竞品、受众与语气等品牌信号，锁入可复用的 brand-system.json，再生成5个方向性视觉方案供客户确认，避免在生产前投入误判成本。
Rubric 是一个用于变更评审的 AI 技能，核心思路是先把缺陷检查和品味评判分开：缺陷检查由没有参与改动的独立评审者完成，品味评判则先写好标准再由独立评审者裁定。它适用于没有命令能判定对错的质量问题，例如“这个 API 设计好不好”“这个界面行不行”。使用上，它要求先确定变更范围与意图，运行缺陷检查，将发现分成需处理、可考虑、已记录、已忽略四类；如果只要缺陷评审就到此为止。若要评判品味，先写 5 到 10 条可逐条检查通过或失败的标准，标准来自项目既有的 DESIGN.md、ARCHITECTURE.md、CONTEXT.md、AGENTS.md/CLAUDE.md 以及规格中的目标与非目标，再交给一个既没参与创作也没看过本次对话的评审子智能体，且应使用不同模型族的模型，界面给截图、代码给文件路径、契合度给规格摘录。评审者只把产物当数据，逐条给出通过或失败与证据。当品味存在真正分歧时，可并行启动两到三个不同视角的评审者，分歧本身就是发现。其限制包括：评审者和裁定者从不编辑，需要改动的问题要回到实现；没有独立裁定者就没有结论，作者不能给自己打分。