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 10-18 00:12

全部 Skills

231,339 个结果

shift-left-testing

“左移测试”(shift-left-testing)是一套面向研发团队的质量实践技能包,核心主张是把质量活动从开发末期提前到需求梳理、设计与编码阶段。内容涵盖 Dev/QA 结对模式(QA 参与 Sprint 规划、Three Amigos 三方会话、测试先行的结对设计、QA 评审 PR)、TDD 引导(红-绿-重构循环、TDD 与测试后写的选择指南、用失败测试修 Bug 的试金石做法、面向团队学习的 Kata 练习)、以及 QA 视角的 PR 评审清单(含 AI 生成或使用 AI 的变更的额外检查项)。技能还提供需求发现提问、五条核心原则(质量是所有人的责任、越早发现修复越便宜、QA 是嵌入式而非关卡、可测试性是设计关切、小步起步再扩展)和 Definition of Done 模板等落地材料。

测试与质量931 次安装

showcase-video

showcase-video 是一套用于录制和剪辑游戏模组展示视频的命令行工具链,基于 ffmpeg 与 Pillow 构建,可产出适合发布到 X/YouTube 的短视频或片段合集。它通过 um win record 仅捕获游戏窗口画面与游戏自身音频,用 um video contact 生成带时间戳的缩略图网格辅助挑选片段,再用 um video compile 依据 EDL(JSON 编辑清单)完成剪辑,支持转场、字幕卡、水印、背景音乐、变速、裁剪与缩放等。

设计与创作931 次安装

codebase-cleanup-refactor-clean

这是一个面向代码重构与清理的 AI 技能,定位为代码重构专家,专注于整洁代码原则、SOLID 设计模式和现代软件工程最佳实践。它用于分析并重构给定代码,以提升代码质量、可维护性与性能。适用场景包括:清理积累了大量技术债的大型代码库、消除重复并简化模块、为新功能开发做准备、使实现符合整洁代码标准。不适用于仅需微小定点修复、重构被政策或截止日期阻止、以及仅涉及文档的请求。使用方式为通过 $ARGUMENTS 传入需求,技能会识别高价值重构候选与风险、将工作拆分为小型可测试步骤、以可读性和稳定性为重点应用变更,并通过测试和针对性回归检查进行验证;如需详细模式可打开 resources/implementation-playbook.md。安全方面要求避免未经范围约定的大规模重写,保持变更可审查、可回滚。输出格式包含带优先级的清理计划、关键重构目标及理由、预期影响与风险说明、测试/验证计划。限制:仅在任务明确匹配上述范围时使用,输出不能替代特定环境的验证、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。

编程与开发931 次安装

requirements-clarity

requirements-clarity 是一个用于在开发实现之前澄清模糊需求的中文技能工具,属于 softaworks/agent-toolkit 技能集。它通过系统化的交互式提问,将含糊或笼统的功能请求逐步转化为可执行的 PRD(产品需求文档)。该技能内置一套 100 分制的清晰度评分体系,从功能清晰度、技术具体性、实现完整性、业务背景四个维度评估需求完整程度,总分达到 90 分及以上才生成正式 PRD。它会自动识别模糊需求,例如用户只给出“加登录功能”“实现支付”“创建仪表盘”等缺少技术栈、集成点、约束条件、验收标准、成功指标、边界情况说明的请求;当需求涉及明确文件路径、代码片段、已有函数或清晰复现步骤的缺陷修复时则不会触发。整个流程分为初始需求分析、缺口分析、交互式澄清、PRD 生成四个步骤,每轮只针对 2 至 3 个最高价值缺口提问,并持续更新清晰度评分。最终产出的 PRD 文件位于 ./docs/prds/{feature_name}-v{version}-prd.md,包含需求描述、设计决策、验收标准、执行阶段等章节,并以复选框形式给出可勾选的验收条目和带交付物与时间估算的实施阶段。

写作与研究931 次安装

compose-graphics

Compose Graphics 是一套面向 Android Jetpack Compose 的高级视觉效果实践指南,涵盖 Material 3 Expressive 运动物理、AGSL 着色器(Android 13+)、Canvas/DrawScope 生成式绘图以及 graphicsLayer 图形层特效。它提供了决策树帮助开发者针对不同需求选择合适 API,并附带弹簧动画调参配方、形状变形、着色器编写与绑定、性能注意事项及反模式示例。内容以技能文档形式组织,深入细节存放在 references/ 目录下,适合需要在 Compose 中实现英雄动效、像素级着色器、粒子系统与全息/液态玻璃效果的中高级 Android 开发者参考。

设计与创作930 次安装

gsap-utils

gsap-utils 是 GreenSock 官方提供的 GSAP 技能(skill),用于 gsap.utils 工具函数集。它涵盖 clamp、mapRange、normalize、interpolate、random、snap、toArray、wrap、pipe 等纯函数辅助方法,无需注册即可使用,可写在 tween 参数、ScrollTrigger 或 Observer 回调以及任何驱动 GSAP 的 JavaScript 中。这些工具用于动画中的数学计算、数组与集合处理、单位解析和数值映射,例如把滚动位置映射为动画值、随机化、吸附到网格、归一化输入等。它常与 gsap-core、gsap-timeline、gsap-scrolltrigger 搭配使用,CustomEase 等缓动工具则属于 gsap-plugins。官方文档地址为 https://gsap.com/docs/v3/HelperFunctions。

前端与建站930 次安装

tailwind-capacitor

tailwind-capacitor 是一个用于在 Capacitor 应用中安装、配置和使用 Tailwind CSS v4 的技能。它覆盖新装与 v3 升级、CSS-first 配置(@import "tailwindcss"、@theme、@utility、@custom-variant、@source、@plugin),以及移动端安全区域、平台变体、触摸目标、深色模式等实用模式。技能强调 v4 的浏览器支持限制:目标为 Safari 16.4+,而 iOS 15.x–16.3 设备渲染 v4 样式会出问题,因此在 iOS 部署目标低于 16.4 时需先与用户确认是留在 Tailwind 3.4 还是提高最低系统版本。文档还包含 Vite/PostCSS/CLI 的安装命令、验证方法(构建产物中 grep 工具类、npx cap sync 后在旧版 iOS 与 Android 上检查)、常见报错对照表(如 PostCSS 插件迁移、无样式、@apply 未知工具类、透明颜色、dark 变体跟随系统等),以及与 Ionic、Konsta UI、safe-area-handling、capacitor-keyboard 等技能的边界说明。

前端与建站930 次安装

llm-icon-finder

llm-icon-finder 是一个用于查找和获取 AI/LLM 模型品牌图标的技能,图标来源为 lobe-icons 图标库。该库收录 100 多个图标,覆盖模型(如 Claude、GPT、Gemini)、服务提供商(如 OpenAI、Anthropic、Google)以及应用(如 ComfyUI、LobeChat)。支持 SVG、PNG、WEBP 三种格式,并提供 light、dark 主题变体,部分图标还有 color 彩色变体。用户通过构造 CDN URL 即可直接访问图标,图标命名采用小写加连字符规则(如 claude、chatglm、openai、huggingface)。该技能适用于需要图标 URL、下载 AI 品牌 logo 等场景,支持中文查询(如“智谱”对应 chatglm)。

设计与创作930 次安装

fusion-issue-author-task

fusion-issue-author-task 是 equinor/fusion-skills 中的一个技能,现已标记为废弃,官方建议改用 fusion-issue-authoring。该技能此前用于起草和更新任务类(Task)issue,核心特点是以清单优先的方式拆解工作,并进行依赖感知的排序。它适用于规划、研究、规格说明、迁移、测试、文档等使能性工作,不适用于明显属于缺陷、功能或用户故事的需求。使用时需确认路由类型为 Task,针对宽泛请求先给出小而具体的清单,对多 issue 请求先定义逻辑顺序与阻塞项,然后在本地 .tmp/TASK-<context>.md 起草,并按规划、研究、规格、测试、文档、通用等模板变体选择合适模板,同时纳入依赖说明与阻塞映射,最终返回草稿摘要供编排器审查与发布。该技能依赖 fusion-issue-authoring 作为顶层编排器负责分类、共享关卡与发布流程,自身不直接执行变更操作。

办公与效率930 次安装

test-suite-curation

test-suite-curation 是一套面向回归测试套件的审计与重构技能,来自 petrkindlmann/qa-skills。它主张用证据而非直觉来精简测试:通过逐测试覆盖率指纹(per-test coverage fingerprinting)识别每个测试独占了哪些行与分支;通过 AST 近似重复聚类找出复制粘贴式测试;通过挖掘 CI 历史识别从不失败的测试与始终不稳定的测试;并依据变异测试(mutation testing)确认一个测试是否真正被另一个测试所涵盖。该技能将测试划分为冗余、过时、低价值、保留四类,并给出各自不同的处置方式,同时支持把扁平套件拆分为 smoke/core/extended 分层。它强调破坏性安全:删除前先隔离(skip/xfail 或移入 deprecated 套件),经过定义的观察窗口并由具名审批人签字后才分批删除,且每个被删除测试都要在审计记录中登记分类、理由、覆盖率变化、审批人与恢复路径。适用于使用 pytest/coverage.py、Jest/Vitest、Go 或 JUnit 等测试栈的工程团队。

测试与质量930 次安装

planning-with-files

planning-with-files 是一个面向 AI 智能体的工作方法技能,核心理念是像 Manus 一样,用持久化的 Markdown 文件充当“磁盘上的工作记忆”。它把上下文窗口类比为易失且有限的 RAM,把文件系统类比为持久且无限的磁盘,要求把重要信息写入磁盘。该技能规定在项目目录中创建三个规划文件:task_plan.md(阶段、进度、决策)、findings.md(研究、发现)、progress.md(会话日志、测试结果),并配套模板与初始化、完成校验脚本。它强调先建计划、每两次查看/浏览/搜索操作后立即保存关键发现、决策前重读计划、阶段完成后更新状态、记录所有错误、不重复失败动作,并给出三振错误处理协议与读写决策矩阵。适用于多步骤任务、研究任务、项目构建等需要组织性的场景,简单问答或单文件编辑可跳过。

智能体与模型930 次安装

cloudbase-document-database-web-sdk

这是一个面向浏览器与 Web 前端场景的 CloudBase 文档数据库(NoSQL)Web SDK 使用技能,基于 @cloudbase/js-sdk。适用于在网页或 Web 应用中通过 app.database()、db.collection() 等接口对确认的 NoSQL 集合进行查询、新增、更新与删除操作,并涵盖复杂查询、分页、聚合、watch() 实时监听、地理位置查询与安全规则等主题。技能强调浏览器端原生写法、先登录后查询、复用单一 app/db 实例,并区分了应编写 SDK 代码与应使用 MCP 管理工具的场景。不适用于小程序 wx.cloud.database()、服务端或云函数数据库访问、SQL/MySQL 操作,以及明确要求新建到 CloudBase PostgreSQL 业务表的任务。

编程与开发930 次安装

create-phone-number

该技能用于通过 Vapi 公开 API 规划、开通、导入、路由、更新和验证 Vapi 电话号码。默认输出请求载荷或实施方案,仅在用户明确要求实时变更时才执行开通、导入、路由或释放号码操作,并在可能产生费用的操作前要求最终确认。支持 Vapi 托管的美国 PSTN 号码、用户明确要求的 SIP 路径以及自有号码的运营商导入。技能强调安全与来源规则:不在聊天中索取运营商密码、令牌、API 密钥或私钥;优先使用已有 credentialId;不虚构号码、SIP 域、凭证、资源 ID、区号可用性或路由目标。使用前需确认 VAPI_API_KEY 已设置且不打印,路由前需通过公开端点解析助手或团队资源,变更前先查询现有号码以避免重复开通,更新时先 GET 再仅修改请求的可写字段,并针对 400、401/403、404、5xx 等错误精确处理。免费 Vapi 号码限美国国内使用,每账户最多五个,首个无需支付方式,额外号码需绑定支付方式但仍免费,仅支持美国 +1 出站呼叫,不支持国际呼叫。

智能体与模型930 次安装

conversion-optimization

该技能是一种引导式转化优化流程,主要用于将存在流失的转化路径——例如落地页、注册、结账或应用内引导——转化为可测量、可测试的漏斗。它通过编排六个子技能,按七个阶段推进:先用数据定位流失点并确定单一核心指标,研究用户流失原因,优化信息传达与价值主张,增强报价吸引力,布置可信证明,并最终以预先约定的实验验证修复效果。整个旅程可暂停、可恢复,适合需要系统化改善网站或产品转化表现但又希望保持每一步都可追溯和可测试的场景。

营销与增长930 次安装

accessibility-scan

accessibility-scan 是一个面向实时网页的自动化无障碍(a11y)扫描技能,属于 accesslint/skills 技能集。它通过运行 Web 无障碍规则引擎,对指定页面进行机械性检测,定位所有可被自动发现的违规项,并报告每项违规的位置、证据与修复建议。该技能只负责定位问题,不负责修复。使用时传入一个 URL、配置目标名称(如 dev、storybook 等),或留空以审计 accesslint.config.json 中的默认目标;若留空且无配置,则需提供 URL 或建议运行 npx @accesslint/cli init。扫描流程先通过 npx -y @accesslint/chrome@latest ensure 获取端口,再执行 npx -y @accesslint/cli@latest scan 输出 JSON 格式结果,支持 --selector、--wait-for、--include-aaa、--disable 等参数。报告按影响程度统计数量,并逐条列出违规项的位置(选择器及可能的源码 file:line)、证据(如对比度、缺失属性、空名称)和修复方式(机械性修改或标记为 NEEDS HUMAN)。完成后可停止 Chrome 实例。

测试与质量929 次安装

intel-discipline-advisor

Intel Discipline Advisor 是一款面向产品经理的交互式情报分诊技能,用于把桌面上的竞争或市场问题,快速映射到合适的情报收集学科、执行节奏和执行技能。它不做全量覆盖,而是根据具体决策场景,从八个收集学科中挑选两三个真正重要的渠道,并说明选择理由。使用时可描述具体情境,如怀疑竞品动作、需要更新 TAM/SAM/SOM 或战卡、遇到利润结构难题、或想建立长期监控。技能会自适应提出约三个问题,再给出编号建议,每条建议标明学科组合、更新频率、执行技能和产出的工件,并附上选择该项的映射逻辑。它强调已观察到的信号可作为一个学科的背书起点,提醒节奏要匹配证据速度与人力容量,并在问题更适合用客户访谈、赢单/输单分析等内部方法解答时给出诚实的替代路径。目标是通过示范路由逻辑,让用户逐步学会自行分诊。

办公与效率929 次安装

prompt-guard

Prompt Guard 是 Meta 推出的 86M 参数提示注入与越狱检测分类器,用于在 LLM 应用中过滤恶意提示词和第三方数据。它能够区分正常内容(BENIGN)、数据中嵌入的指令(INJECTION)以及直接覆盖尝试(JAILBREAK),并给出对应的概率分数。模型体量轻,GPU 延迟低于 2ms,可在 CPU 上部署。支持英语、法语、德语、西班牙语、葡萄牙语、意大利语、印地语和泰语 8 种语言。资料给出的性能指标为:分布内 TPR 99.7%、FPR 0.6%,分布外 TPR 97.5%、FPR 3.9%。

安全与审计929 次安装

ray-data

Ray Data 是 Ray 项目中的分布式数据处理库,面向机器学习与 AI 工作负载设计。它支持流式执行,可处理超出内存容量的数据集,并提供 CPU/GPU 加速的转换能力。Ray Data 可读取 Parquet、CSV、JSON、图片、NumPy、Pandas 等格式,并能与 Ray Train、PyTorch、TensorFlow、HuggingFace 等框架集成。安装方式为 pip install -U 'ray[data]'。根据资料,它适用于为 ML 训练处理大型数据集(>100GB)、跨集群分布式预处理、构建批量推理流水线、加载多模态数据等场景;对小于 1GB 的单机小数据可考虑 Pandas,表格类与 SQL 类操作可考虑 Dask 或 Spark。

数据与分析929 次安装

testing-in-production

testing-in-production 是 petrkindlmann/qa-skills 中的一套生产环境测试与安全发布实践指南,聚焦在功能上线“过程中”如何安全验证。它以功能开关(feature flags)、渐进式发布、金丝雀分析、护栏指标、生产冒烟测试与合成用户为核心手段,主张生产环境是最终测试环境,通过控制爆炸半径把风险从 100% 用户缩小到 1% 甚至更低。内容涵盖功能开关的开/关测试、开关生命周期与组合测试、过期开关清理、1% 到 100% 分阶段发布与自动晋级/回滚、回滚验证四步检查、部署后关键路径冒烟测试、合成账号规范、只读不写的非破坏性断言,以及错误率、延迟、业务指标等护栏阈值和数据显著性要求。同时给出暗发布(流量影子与并行执行)的对比迁移方法,并列出了无监控测试、无回滚方案、破坏性操作、仅在成功时清理、用生产代替预发、金丝雀无对比、过期开关堆积等反模式及修正建议。

测试与质量929 次安装

android-adb

Android ADB 是一个通过原始 adb 命令控制 Android 设备与模拟器的技能参考。它涵盖设备发现、USB 或 Wi-Fi 连接、应用启动与强制停止、点击/滑动/按键/文本输入、截图与 UI 层级导出、APK 安装卸载等操作。执行时要求多设备场景使用 adb -s <serial> 指定目标,坐标操作前先用 wm size 确认分辨率,缺少必要输入(serial、包名/Activity、坐标、APK 路径)时先询问,失败时展示可操作的 stderr 信息。对中日韩及特殊字符输入,建议在已安装 ADB Keyboard 时使用其广播方式。

测试与质量928 次安装