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 11-05 00:16

全部 Skills

245,575 个结果

data-engineering-data-driven-feature

该技能面向数据驱动的功能开发流程,围绕数据分析、A/B 测试与持续度量来构建产品功能。它通过分阶段编排多个专业化代理(如数据科学家、业务分析师、后端架构师、数据工程师、前端开发者、ML 工程师、部署工程师、可观测性工程师等),覆盖从探索性数据分析、业务假设与统计实验设计,到功能架构与埋点设计、带埋点的前后端实现、上线前验证、灰度发布、实时监控,再到统计分析与业务影响评估的完整链路。适合需要以数据洞察为依据规划功能、并将实验与度量作为第一等需求的团队;不适用于与数据驱动功能开发无关的任务。

数据与分析305 次安装

error-debugging-error-analysis

该技能是一个错误分析与排查工具,面向分布式系统调试、生产事故分析和可观测性建设。它提供系统化的错误分析流程:收集错误上下文、时间戳与受影响服务,通过针对性实验复现或缩小问题范围,定位根因并用证据验证,最后提出修复方案、测试与预防措施。适用于调查生产事故或反复出现的错误、跨服务根因分析、设计可观测性与错误处理改进。不适用于纯功能开发、无法访问错误报告/日志/链路追踪的场景,以及与系统可靠性无关的问题。该技能是 error-diagnostics-error-analysis 的兼容别名,完整指令与支持文件保留在本地,可离线使用;新引用建议使用 error-diagnostics-error-analysis。使用需提供错误信息、堆栈、日志或失败服务等上下文,详细分析框架见 resources/implementation-playbook.md。安全方面要求未经批准和回滚计划不得在生产环境变更,共享诊断信息需脱敏密钥与个人隐私数据。

部署与运维305 次安装

hunt-regressions

hunt-regressions 是一个用于在复现之前发现潜在回归问题的技能。它适用于从某个固定变更及其调用者出发,寻找可能由该变更引入的回归候选。输入包括封存的准备工作、冻结的 S0/S1、变更上下文和注册表分配;重试时需包含该分配先前的候选 ID 映射。该技能会阅读标准与文件契约,验证准备工作,阅读冻结的变更消息、PR 讨论和安全文档以理解意图与受支持用法,审查整个 diff,并通过调用者追踪变更行为到真实接口。它为每个线索记录变更代码、先前受支持的行为、可达触发条件、拟议的新缺陷、误报检查和所需证明,并通过 registry.py candidate 预留 ID。最终输出封存的 hunt.json,包含 ID、文件映射、覆盖范围和限制。它不用于证明已知候选,发现过程无法确认发现结果。

测试与质量305 次安装

prepare-regression

prepare-regression 是 trailofbits/skills 仓库中的一个技能,用于回归调查前的准备工作:固定变更前后的源码基线(S0/S1),并收集 PR 或提交上下文。它适用于给定 PR URL 或仓库加提交/范围以及注册表分配的场景,会依据项目指引解析目标提交后执行。该技能会读取标准与文件契约,将完整变更固定为 S0/S1(如提交父节点或显式范围基线、未合并 PR 的合并基到冻结头、已合并 PR 的合并首父到合并提交等),冻结提交标题/消息或 PR 标题、正文、讨论、评审与行内评论及其 URL 和收集时间,分页调用 API 并记录限制与生命周期,定位两种状态下的安全/威胁模型文档。随后通过 uv run --no-project 运行 snapshot.py,或使用等效 Git 命令,保留依赖、子模块与 LFS 修订,排除后续历史,保持导出原始并在独立副本中构建。最终写入并封存 prepare.json,包含边界说明、冻结上下文与源码工件;若受阻则保留已收集证据并指明前置条件。报告仅返回状态、记录路径、结果与阻塞项。

测试与质量305 次安装

audio-production

这是一个面向音乐、播客与声音设计的专业音频制作技能指南,覆盖录音、混音、母带处理与声音设计的完整流程。内容包含音频信号链、采样率与位深等基础概念,麦克风类型与指向性、录音电平与最佳实践,EQ、压缩、混响、延迟等核心处理手段,混音中的增益分级、声像与频率平衡,母带处理的响度标准与处理链,播客录制与处理链及导出设置,声音设计方法与合成类型,常见DAW对比、音频文件格式与导出规格,以及最佳实践与质量检查清单。适合在录音、混音、母带或声音设计任务中作为参考。

设计与创作305 次安装

game-demo-feedback-triage

该技能用于把游戏 Demo 与试玩阶段收集到的混杂反馈,整理成一份按优先级排序的修复简报、带权重的证据摘要,以及下一步应产出物建议。它面向需要在下一次构建、试玩、展会或发布节点前快速判断“先修什么”的小型团队,强调从零散笔记、问卷、Bug 列表和社区讨论中识别最高置信度的玩家侧阻碍,区分代表性信号与噪声轶事。技能规定了明确的使用与不使用边界:若核心问题是原始构建或日志失败,应改用 game-build-log-triage;若为性能采集与瓶颈诊断,应改用 game-performance-profiler;若需在玩家反馈出现前审查商店页或发布页,应改用 steam-store-launch-ops。其流程包括标记反馈包、归类到固定桶集合、按频率、严重度、代表性、时间风险四维加权、生成固定结构简报,并在证据不足时索取最小补充材料。输出要求控制在约350至550词,推荐单一后续产出物而非并行多条工作流。

测试与质量304 次安装

alicloud-ai-audio-tts-voice-clone-test

该技能是一个面向阿里云 Model Studio Qwen TTS 语音克隆(Voice Clone)功能的最小化冒烟测试(smoke test)。其目标仅在于验证该语音克隆技能的最小请求路径是否可用:打开目标技能 SKILL.md 并选取一个最小输入示例,发送一次最小请求或运行示例脚本,然后记录请求摘要、响应摘要以及成功或失败原因。若执行失败,要求记录确切的错误细节,而不去猜测参数。测试通过标准为脚本返回 {"ok": true, ...} 并生成 output/ai-audio-tts-voice-clone/request.json。使用前需根据技能说明准备认证与区域(region)设置。该技能属于测试性质,不涉及具体语音合成效果、收费或平台细节,相关资料暂未提供。

测试与质量304 次安装

archon

Archon 是一个远程智能体编程平台,可在隔离的 git worktree 中运行 AI 工作流。本技能用于指导用户运行 Archon 工作流、创建新的工作流与命令,以及管理 Archon 配置。它提供工作流列表查询、意图路由(安装、配置、仓库初始化、工作流编写、命令编写、变量替换、CLI 命令、交互式工作流、最佳实践、故障排查等),并给出运行工作流的核心命令与隔离模式说明。工作流以 YAML 文件形式存放在 .archon/workflows/,采用节点(DAG)格式,支持 command、prompt、bash、script、loop、loop_group、approval、cancel 等节点类型。命令为 .archon/commands/ 下的 Markdown 提示模板。完整文档位于 archon.diy。

编程与开发304 次安装