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 11-07 00:13
247,868 个结果
GPTQ（Generative Pre-trained Transformer Quantization）是一种针对大语言模型的训练后量化方法，可将模型权重压缩至 4 位，同时尽量保持精度。它采用分组量化（group-wise quantization），借助 Hessian 信息最小化量化误差，通常能实现约 4 倍显存降低、低于 2% 的精度损失，并带来 3-4 倍于 FP16 的推理加速。适用于在消费级 GPU（如 RTX 4090、3090）上部署 70B、405B 等大模型，或需要显著降低显存占用、提升推理速度的场景。可通过 AutoGPTQ 库安装使用，支持加载 HuggingFace 上预量化模型，也可自行量化模型，并可与 transformers、PEFT（QLoRA 微调）等集成。
用于跨项目、跨会话积累机构知识的技能：捕获洞察、检索既往经验，并把重要模式提升到 CLAUDE.md 永久参考。支持本地、qmd、agent-fs 分层后端。
phase-running 是一个在后台子智能体中原子化执行实施计划单个阶段的技能，自主完成并回报结果，不与用户交互，适合上下文高效的实现流程。
questioning 是一个一次性问答技能，直接、简洁地回答问题，答案本身就是交付物，默认不生成文档。它适用于用户调用 /question 命令、其他技能引用 desplega:questioning，或用户提出不需要完整研究文档的聚焦问题时。工作流程为：分析问题类型（事实/位置、概念/如何、原因/根因、比较、外部库），按需调查（直接读取文件、使用 codebase-locator/analyzer/pattern-finder 子代理、context7 查询库文档或网络搜索），以内联文本形式作答并附文件:行号引用，最后通过 AskUserQuestion 提供后续选项（再问一个问题、保存答案到 thoughts、转入 /brainstorm、转入 /research 或结束）。与 /research 的详尽文档和 /brainstorm 的交互式探索不同，它追求从问题到答案的最快路径，且允许在提问涉及问题时给出改进建议、根因分析和带有观点的判断。
reviewing 是 desplega-ai/ai-toolbox 中的文档评审技能，用于对研究（research）、计划（plan）和头脑风暴（brainstorm）等文档进行结构化批评，识别完整性问题、内容缺口和质量缺陷。它不审查代码差异（代码评审请用 desplega:code-reviewing）。该技能会先对文档进行分类，做结构检查，再按类型应用内容质量标准，找出缺失或隐含假设，并将发现分为 Critical、Important、Minor 三个严重级别，最后按用户选择的方式呈现：追加勘误（errata）段落、自动应用修复，或写成独立评审文件。整个过程支持 Autopilot、Critical、Verbose 三种自主模式，并遵循“评审者不重写文档”的原则。
verifying 是 desplega-ai/ai-toolbox 中的计划实施后验证技能，用于将计划与实际代码改动交叉比对，检查是否有遗漏、过时或与计划不符之处，并生成分类验证报告。
ckBTC 是互联网计算机（Internet Computer）上由 BTC 1:1 支持的链密钥比特币代币，无需跨链桥或第三方托管。本技能介绍通过 minter 完成 BTC 充值、ckBTC 转账、提现回 BTC、子账户派生与 UTXO 处理。
invoice-generation 是 eachlabs/skills 提供的发票生成技能，基于 each::sense AI，通过 API 调用创建专业发票、收据、报价单、贷项通知单和采购订单等财务文档，支持多货币、税额自动计算、公司品牌定制和模板化循环计费。
基于 each::sense AI 生成艺术化、品牌化二维码的技能，可将普通二维码转为带 Logo、主题、渐变或背景图的设计样式，同时保持可扫描，适用于营销物料、名片、菜单等场景。
基于 each::sense AI 的贴纸设计生成技能，可按提示词生成模切贴纸、乙烯基贴纸、卡哇伊、品牌 Logo、表情包、笔记本电脑、保险杠、手帐、全息及贴纸整版等类型的设计图，附带尺寸与背景建议。
基于 each::sense AI 生成 VTuber 虚拟形象与角色设计的技能，可产出动漫风头像、适配 Live2D 的半身像、表情表、全身设定、Q 版吉祥物、三视图、配件道具及多种风格变体，用于直播头像、模型绑定与流媒体素材。
cw-hitchcock 是 compound-writing 中的写作审阅技能，用于发现并强化文本中的悬念与张力，借鉴希区柯克“桌下炸弹”的悬念理念，检查埋没的利害关系、缺失的倒计时、信息差与节奏问题，并给出改写建议。
这是一个用于结构化数据研究的技能，能够从邮件、网页或 API 等来源搜索并提取结构化数据，归档原始来源，维护规范的追踪页面，并进行去重。它通过 YAML 配方（recipe）参数化，同一个七阶段流水线可适用于投资者更新、费用追踪、公司指标等各类从邮件到结构化数据的场景。
面向托管式或后台智能体基础设施的设计技能，涵盖沙箱执行、远程编码环境、预热池、会话快照、多客户端同步与多人协作，强调把环境准备前置到用户提交提示之前，使会话速度仅受模型首字延迟限制。
面向 AI 编程代理的 Spotify 风格 UI 设计约束集，用于构建暗色模式、Inter 字体与 4px 网格的界面，提供颜色语义令牌、排版、间距、圆角、交互与动画等规范。
Eve 平台的智能体应用设计技能：在已有全栈 Eve 应用基础上加入智能体层，涵盖智能体、团队、记忆、事件、聊天与协调等能力设计。
面向 Next.js App Router 的实践技能，覆盖文件约定、RSC 边界、异步 API、数据模式、水合错误、元数据、路由处理器、图片与字体等，并强调以本地安装的 Next 版本文档与项目配置为准。
该技能用于从自然语言中识别未来任务、约会或事件，并实际调用脚本创建提醒与日历事件。支持相对时间与 ISO 绝对时间，需将中文时间转换为英文格式后传给 create-reminder.js，依赖 CCCore 守护进程发送系统通知。
Sharpen 是一个在任务开始前进行“磨刀”式澄清的技能，适用于 /sharpen 场景。它要求在动手前先思考：顶尖专家会如何处理这项任务（其原始资料、真实方法、对结果是否正确的外部校验），用户真正想要的是什么，以及任务究竟是约束过度还是约束不足。其原则包括：像增加有用约束一样，果断放宽不服务于目标的约束；属于用户的选择应保持开放而非代为决定；只吸收能让工作变得更好（而非更大）的内容；始终保留一个检验结果是否正确的外部检查点；不要在过程中叙述这套框架，随后直接开展工作。它明确要求不要返回一个改写后的提示词。该技能的具体安装命令、代码示例、收费与价格、支持平台、使用步骤等细节，资料中暂未提供。
add-excel 是微软 Power Platform 技能库中的一个技能，用于向 Power Apps 代码应用添加 Excel Online (Business) 连接器，以便从 OneDrive 或 SharePoint 读写 Excel 工作簿数据。该技能按照固定工作流执行：先检查 memory-bank.md，再收集工作簿位置（OneDrive 或 SharePoint）、文件名及要访问的表信息，然后通过 /list-connections 查找连接 ID 并添加连接器，随后使用 ExcelOnlineBusinessService 配置数据操作（如 AddRowIntoTable），执行 npm run build 构建，最后更新记忆库。添加数据源时需提供连接 ID、drive 和表名参数；写入行数据时 body 为扁平键值对象，不要包裹 items。
一套软件架构模式与最佳实践参考，涵盖单体、模块化单体、微服务、事件驱动、无服务器、简洁架构、六边形架构、DDD、BFF、绞杀者模式等，并给出选型决策、常见陷阱与测试策略。
gitkit 是一套共享的 git 基础技能层，为其他技能提供 worktree 路径与命名、生命周期、基础分支判定、rebase 与 merge 选择、分支同步、已合并分支清理等原生 git 操作，不依赖厂商 CLI 或 GUI。
X Content Optimizer 是一个用于审计和优化 X（原 Twitter）内容的技能，针对 X 基于 Phoenix/Grok 的推荐算法对推文、X 长文和推文串进行评估并给出优化建议。它适用于用户在发布前审查内容、提升互动表现。工作流程为：接收内容 → 算法审计 → 问题报告 → 事实核查 → 建议修订 → 用户确认 → 最终输出。审计涵盖正向信号潜力（收藏、回复、转发、停留、点击）、负向信号风险（不感兴趣、静音/屏蔽、举报）、学习到的惩罚因素（外部链接、标题党）以及格式与结构。该技能强调在加入任何事实性信息前必须通过 WebSearch 核查，无法验证的内容应删除、改为定性表述或询问用户来源，绝不编造数据。
用于为仪表板编写设计规格的技能，帮助在新建或重构仪表板前明确用途、受众、指标层级、布局与数据需求，避免范围蔓延并减少反复沟通。