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 10-18 00:12
231,394 个结果
fusion-rule-author 是一个内部支撑技能（Skill），为 AI 编程助手的规则编写提供工作流、模板与参考资料，支持 GitHub Copilot、Cursor 和 Claude Code 三种编辑器。它本身不直接面向用户，而是由 fusion-rules 网关代理调用，再由网关路由到特定编辑器的代理来执行这里定义的工作流。技能范围包括：分步编写工作流（步骤 1–7）、各编辑器格式的起始模板（assets/）以及技术栈示例参考（references/），但不提供代理本身。典型使用流程为：评估仓库中已有规则文件、扫描仓库中的文档与配置以提取约定、通过访谈补齐缺口、对约定分类、起草规则文件、评审修改、最后写入仓库。技能强调安全与质量约束，例如不得在规则文件中嵌入密钥、不得编造约定、写入前必须展示草稿并取得批准、需校验 glob 模式、保持指令简洁可执行。
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。
Guidance 是微软研究院开源的一个用于约束大语言模型（LLM）输出的 Python 库，GitHub 星标超过 18000。它允许开发者通过正则表达式、上下文无关文法（CFG）和选择约束来控制模型生成的内容，从而保证输出符合预期的 JSON、XML、代码或特定格式（如日期、邮箱、ID 等）。Guidance 采用 Pythonic 的语法，支持上下文管理器进行对话式交互，并内置 Token Healing 机制以修复提示词与生成内容之间的 token 边界问题。它兼容 OpenAI、Anthropic Claude 等 API 模型，也支持 Transformers 和 llama.cpp 等本地模型。相比传统提示方法，Guidance 能减少延迟、避免无效输出和重试循环，适合构建多步骤工作流、分类、数据提取和 ReAct 智能体等场景。
LitGPT 是 Lightning AI 推出的开源工具，提供 20 多个预训练大语言模型（如 Llama、Gemma、Phi、Qwen、Mistral 等）的清晰可读实现与生产级训练流程。它支持模型下载、文本生成、全量微调、LoRA 微调、从零预训练、模型量化与部署等完整工作流，代码简洁易读，适合学习 LLM 架构、研究实验与原型开发。安装方式为 pip install 'litgpt[extra]'，可通过 Python API 或命令行使用。
Mamba 是一种选择性状态空间模型（Selective State Space Model）架构，用于序列建模，具备 O(n) 线性复杂度，相比 Transformer 的 O(n²) 更高效。据资料介绍，其推理速度约为 Transformer 的 5 倍，支持百万级 token 序列，且无需 KV 缓存。该技能提供 Mamba 与 Mamba-2 的安装、基础用法、语言模型构建、预训练模型加载、性能基准测试等示例，需 Linux、NVIDIA GPU、PyTorch 1.12+ 与 CUDA 11.6+ 环境。
Swiss Design 是一套基于 1950–60 年代瑞士国际主义风格的 Tailwind CSS 设计系统，用于为网页套用统一视觉规范。其核心理念包括：栅格优先、移动优先、留白即结构、以不透明度而非色相建立层级、每个项目只用一种强调色、正文栏宽不超过 60 字符。系统以 IBM Plex Sans 为主字体，配合 Hanken Grotesk、Barlow、Host Grotesk、DM Sans、system-ui 回退链，并规定了从 Display 到 Caption、Mono 的完整字阶。颜色采用 stone 色阶管理明暗两套主题，强调色默认瑞士海报红 #C8102E，另有 Cobalt、Golden、Forest 可选。排印强调细节规范，如使用省略号字符 … 而非三个句点、使用弯引号、数字表格启用 tabular-nums、标题使用 text-balance 等。布局基于 8px 基准单位与 12 列栅格，间距、段落内边距、内容最大宽度都有明确取值。系统支持深色模式、响应式断点策略与触控目标要求，并说明其仅覆盖视觉美学，无障碍与交互质量需参考 Vercel Web Interface Guidelines 等外部规范。
Entity Registry 是一个面向机器可读实体权威的技能，用于审计和维护实体的身份与识别事实，并记录其来源出处。它不负责品牌定位、品牌语气、声明审批或页面文案。该技能以稳定的非个人身份信息（non-PII）实体聚合 ID 为单位，读取实体事件流与投影、叙事与声明投影、已验证来源记录等，并通过脚本写入经授权的实体事件。它评估结构化数据、知识库、NAP+E 一致性、第一方内容、第三方佐证和 AI 识别六大信号类别，记录来源、观察日期与证据类型，区分 Unknown 与 Partial。只有具备宿主能力的 entity-registry 主体才能接受或拒绝提案、更新或转换规范实体状态，其他技能只能追加 propose 操作。该技能还提供知识图谱协调、页面浏览量、GDELT 等辅助连接器，并强调对自然人记录需确认合法依据、最小化字段、使用假名聚合 ID。
claude-skills-troubleshooting 是 daymade/claude-code-skills 中的一个 Claude Code 排障技能，用于诊断和解决 Claude Code 插件与技能安装、启用、激活相关的常见配置问题。当插件显示已安装但不出现在可用技能列表中，或存在启用状态不一致等情况时使用。该技能提供系统化调试流程，包含诊断脚本、常见问题成因说明、修复命令和参考文档，帮助用户排查插件注册、enabledPlugins 配置、市场缓存过期、市场索引错误等场景。
humanizer-ru 是给智能体使用的一款俄语文本质量技能，专门用于校对和清除西里尔（俄语）文本中的「AI 味」痕迹。它的核心承诺有两个：一是去掉俄语文本中暴露神经网络的标记，二是同时不破坏原意、事实和作者的声音，这两点被视为同等重要。它的基本准则是「删减而不添写」——AI 标记通过删除外壳或重组同样的词来消除，不会往文本里叠加原稿中不存在的情绪、评价、玩笑或形象化表达。技能内分多种模式：默认的编辑模式（包括「очеловечь」「полное редактирование」等触发词）、审计模式（只分析不改写）、点状修正模式（只处理指定问题）以及对自己草稿的静默检查。它会通过 scripts/scan.py 脚本（或 uvx ru-humanizer）先对文本打分，再按强制禁令表逐条清理，随后与原文核对事实、数字、日期、因果关系和措辞边界，最后可用独立子代理按 references/review.md 复查。该技能明确表示不绕过 AI 检测器或查重系统、不插入错别字、不替换字母，扫描得分只是脚本规则的反映，不是对作者身份的判定。
这是一个轻量级的 Google Drive 集成技能，使用独立 OAuth 认证，无需依赖 MCP 服务器即可提供完整的读/写权限。它主要用于在 Google Workspace 账户环境中，通过本地脚本对 Google Drive 中的文件和文件夹进行搜索、列出、上传、下载、移动和整理等自动化操作。该技能需要在 Google Workspace 账户下使用，不支持个人 Gmail 账户。使用前需运行认证脚本登录，随后可通过命令行驱动文件搜索（支持全文、标题、URL、ID 等查询格式）、文件夹管理、文件上传下载及复制、重命名、移入回收站等操作。认证令牌通过系统密钥环安全存储，并支持过期自动刷新。需要注意的是，部分依赖的支持脚本未随资料提供，且 Google Docs/Sheets/Slides 类型的文件无法通过此工具直接下载，需改用导出或专用工具。
该技能用于将 Sumsub 移动端 SDK（IdensicMobileSDK / SNSMobileSDK）集成到原生 iOS 或 Android 应用中，覆盖从依赖安装到发起验证流程的完整步骤。技能会先通过三个问题收集启动入口、访问令牌来源和可选模块需求，再自动检测项目平台（iOS 或 Android），并按对应分支文件逐步执行安装、权限配置、集成代码编写与启动接入。支持 CocoaPods 与 SPM 两种 iOS 安装方式，以及 Gradle 依赖的 Android 安装方式；可选模块包括 NFC、VideoIdent、EID 和 Fisherman/Device Intelligence。技能强调只读扫描无需批准、批量变更需一次性确认，并明确禁止在客户端存储 App Token 或密钥、禁止自行添加相机/麦克风权限、禁止以 SDK 回调作为最终验证结论。
Catalyst AppSail 是 Zoho Catalyst 平台上的持久化后端 PaaS 服务，支持托管运行时（Node.js、Java、Python）以及自定义 Docker 容器。它适用于需要长期运行进程、持久化服务器或容器化应用的场景。使用时需先识别运行时类型（托管运行时或自定义 Docker 容器），并加载相关参考文档以获取 PORT 配置、项目结构、Dockerfile 要求、部署命令和环境变量信息。关键规则是始终使用 process.env.X_ZOHO_CATALYST_LISTEN_PORT，不要硬编码 PORT 或 3000。AppSail 与 Catalyst Functions 的取舍取决于代码结构、使用场景、计费方式和依赖管理：AppSail 支持任意框架和格式、完全独立，适合持久服务器、长运行进程和 Docker，按实例运行时间计费，依赖需自行管理；Functions 需要 Catalyst 专用模板，适合 HTTP 处理器、事件、cron 和 Zoho 集成，按 API 调用计费，依赖由 Catalyst 处理。
用于系统排查 GKE 上 HorizontalPodAutoscaler（HPA）失败的技能：指标显示为 unknown、出现 FailedGet* 事件、缺少资源请求、自定义/外部指标管道故障、无法扩缩容、zero 扩缩及大集群反应慢等问题。只做只读诊断，再给出可评审的 GitOps 修正建议。
新西兰商务英语写作风格技能，面向专业沟通场景。该技能强调专业但亲切、温暖而不过度、默认包容的写作方式，采用 EN-NZ 拼写规范（如 colour、organise、centre）。内容涵盖 EN-NZ 拼写规则、新西兰特有词汇、Te Reo Maori 毛利语在商务中的使用、语气分级、落款排序、应避免的外来企业用语和强行新西兰化表达，以及写作原则与示例。适用于需要以新西兰商务英语撰写邮件、提案、报价、跟进等专业沟通的场景。
该内容是一份面向 Drupal 10 模块开发的专家指导型技能，强调以 PHP 8+、面向对象编程和 SOLID 原则为基础编写规范的 Drupal 代码。它规定了核心原则（简洁准确、遵循 SOLID 与 DRY、遵守 Drupal 编码标准、利用服务容器与插件系统）、PHP 标准（PHP 8.1+ 特性、PSR-12、严格类型声明、Drupal 日志错误处理、参数与返回值类型提示），以及 Drupal 最佳实践（使用数据库 API 而非原生 SQL、Repository 模式、依赖注入、缓存 API、Queue API 后台处理、PHPUnit 测试、配置管理、实体与 Field API、规范的 hook 实现、Form API）。代码架构部分覆盖服务、路由、Schema 与更新、事件、表单的约定，安全部分要求对用户输入做清理、实现 CSRF 防护、使用访问控制与输出转义。该技能适用于 Drupal 10 模块与后端开发的编写、审阅和重构场景，可作为编码规范参考。
Web Clone 是一套把「复刻网站」做成可重复流程的方法论技能，适用于用户提出复刻网站、克隆网站、仿站、照着某个站做一个、还原某个网页效果，或复刻某个交互 / WebGL / Canvas / Three.js 效果等需求。其核心铁律是「真源码至上」，不轻信 AI 推测的代码，主张先搜 GitHub 找源码，找不到再用真浏览器侦察，按侦察结果选择镜像、重建模板、API fixtures、路由地图、交互补全或深度逆向等路径。技能提供 init-clone、recon-site、asset-harvest、network-capture、mirror-site、route-crawl、interaction-probe、sourcemap-hunt、compare-recon、visual-diff、audit-clone、od-preview-rewrite、dna-scaffold 等脚本，覆盖工程骨架、侦察、素材落地、对比报告与交付审计。强调字体自托管、图片本地化、颜色照抄计算值、滚动体感一致等硬性保真门槛，并要求浏览器真验证与诚实记录缺口。
Cloudflare Tunnel 相关技能，聚焦通过 Cloudflare Access 服务令牌（Service Token）访问受保护的隧道服务。该技能适用于用户提到“Cloudflare tunnel”“argo tunnel”或安全连接场景。资料主要给出使用 curl 携带 CF-Access-Client-Id 与 CF-Access-Client-Secret 两个请求头进行认证的示例，涵盖基础请求、叠加服务自身认证（Bearer Token、Basic Auth）、POST JSON 请求、下载文件，以及针对自签名证书跳过 SSL 校验（-k）等做法。同时列出所需请求头、常见错误（403、401、连接被拒绝）与对应排查方向，并提示请求头顺序无关、兼容任意 HTTP 方法、可与其他认证方式组合使用、建议定期轮换密钥。文档还提供 Cloudflare Access 服务令牌与 Zero Trust 控制台的官方参考链接。
miles 是一个面向企业级、生产就绪的强化学习（RL）框架，是 slime 的生产分支，专为大规模模型后训练优化，重点解决 MoE 训练稳定性、低精度训练和训练-推理一致性等难题。它适用于需要训练 1TB 以上 MoE 模型（如 DeepSeek V3、Qwen3-MoE）、进行 FP8 或 INT4 量化感知训练、追求训练与推理逐位对齐、以及希望通过投机 RL 获得最大吞吐量的场景。资料显示其核心特性包括统一 FP8 流水线、Rollout Routing Replay（R3）专家路由对齐、投机 RL（可获得 25% 以上 rollout 加速）、零拷贝权重同步、部分 rollout 回收、TIS/MIS 离策略校正以及 FlashAttention-3、DeepGEMM 等内核级优化。它提供 Docker 与源码两种安装方式，配置系统继承自 slime。资料同时指出，若需要研究级原始版本应选择 slime，需要灵活后端切换应选择 verl，需要 PyTorch 原生抽象应选择 torchforge。
torchforge 是 Meta 推出的 PyTorch 原生智能体强化学习（Agentic RL）库，其核心设计理念是将基础设施与算法分离，让研究者专注于算法本身，而分布式训练、推理和权重同步由框架自动处理。该技能提供使用 torchforge 的指导，适用于需要干净 RL 抽象、PyTorch 原生接口（无 Ray 依赖）、快速算法实验（GRPO、DAPO、SAPO 等约百行代码）以及借助 Monarch actor 系统实现可扩展训练的场景。架构上分为应用层、Forge API 层和分布式服务层，集成 TorchTitan（训练）、vLLM（推理）与 TorchStore（同步）。内置 GRPO、DAPO、CISPO、GSPO、SAPO 等损失函数。使用方式包括安装脚本（含 ROCm 版本）、SFT 与 GRPO 训练启动命令、配置文件编写、自定义奖励函数与自定义损失函数、多 GPU 分布式训练配置及 SLURM 提交。适用场景涵盖数学推理等推理模型训练、自定义 RL 算法实现和分布式扩展。需要注意 torchforge 仍处于实验阶段，API 可能变化；若需要生产级稳定性或 Megatron 原生训练，资料建议考虑 miles、verl 或 slime 等替代方案。
architecting-solutions 是一个用于设计技术方案与软件架构的 Claude 技能。它引导 AI 在明确需求、分析现有代码库、识别约束条件的基础上，提出多种候选方案（最小改动、中等改造、全面重构），权衡取舍后生成非 PRD 的技术设计或方案文档，并写入项目的 docs/ 目录。该技能强调从最简单可行的方案出发，避免过度设计，适用于新功能设计、需求分析、功能规格说明、重构或迁移规划等场景。
这是一个面向 Claude 的综合性 PDF 处理工具包技能，覆盖 PDF 文本与表格提取、创建新 PDF、合并与拆分文档以及处理表单等常见操作。该技能以 Python 库（pypdf、pdfplumber、reportlab）和命令行工具（pdftotext、qpdf、pdftk、pdfimages）为主要实现方式，提供可直接使用的代码示例。内容涵盖读取 PDF 页数、提取文本与元数据、旋转页面、合并与拆分、使用 pdfplumber 提取表格并导出为 Excel、用 reportlab 生成单页或多页 PDF，以及通过 OCR 处理扫描版 PDF、添加水印、提取图片和设置密码保护等任务。技能还包含快速参考表，帮助在具体任务下选择合适的工具。
该技能用于让 Caffeine AI 的 Motoko 后端 canister 接收外部入站 HTTP 请求，例如 webhook、curl 的 POST/GET、机器人回调以及数据摄取或健康检查 API。它通过 IC HTTP Gateway 的 http_request（查询）与 http_request_update（更新）方法实现，并借助 mo:caffeineai-http-endpoints 模块提供 Request/Response 类型、路径解析、响应构造与升级辅助函数。使用时需在现有 actor 中接入 MixinHttpEndpoints，保持 MixinAuthorization，查询路径保持无 await、无状态写入，写操作通过 Http.upgrade() 转入更新路径。适用于外部 HTTP 客户端访问后端 canister 的场景，不适用于 canister 主动调用外部 API（应使用 extension-http-outcalls）。
该工具是一个用于梳理单个 Agentforce 智能体“声明式架构快照”的技能。它读取设计时元数据，按 planner → topics → actions → flows → Apex → prompts → NGA plugins 的树状结构展开，并生成人类可读的架构文档。数据来源仅限声明的元数据（如 BotDefinition、GenAiPlanner*、GenAiPlugin*、GenAiFunction*、Flow、ApexClass、GenAiPromptTemplate），不读取运行时审计记录。管道以内联方式运行、不使用子智能体，各阶段均为确定性的文件处理。典型运行预算 30–45 秒，参考夹具硬上限 ≤60 秒；相比顺序基线（90–220 秒）有 3–5 倍提速。产物默认落在 ~/.vibe/data/investigating-agentforce-architecture/<org_id15>/<agent_api_name>__<agent_version>/ 下，主要产物为元数据树 JSON 与架构 Markdown（含内嵌 Mermaid 图）。
Face Swap 是基于 HeyGen API 的视频换脸技能，可将源图片中的人脸替换到目标视频中。使用时通过 POST /v1/workflows/executions 提交 workflow_type 为 FaceswapNode 的任务，指定 source_image_url（要换入的人脸图片）和 target_video_url（被替换的视频），请求需携带 X-Api-Key 头并设置 HEYGEN_API_KEY 环境变量。提交后返回 execution_id，需每 10 秒轮询 GET /v1/workflows/executions/{id} 直至状态为 completed，再从 output.video_url 获取结果视频。该技能支持与头像视频工作流串联，先通过 AvatarInferenceNode 生成头像视频，再换入自定义人脸，适用于视频个性化等场景。