AI 技能AI 插件人工智能【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills点击查看免费下载导读本篇文章围绕 AASagentic-awesome-skills开源仓库中的api-analyzer技能展开讲解如何让 AI Agent 基于方法、URL、请求头、请求体、认证与查询参数等输入对一条 API 请求做出严格、高效的正确性判定。读完本文你将掌握该技能何时使用、检查什么、如何单行裁决、何时追问的完整运行逻辑并能通过仓库中的 catalog 元数据与相邻技能如 api-documentation把一次 API 校验扩展为完整的 API 文档生成工作流。技能定位给 Agent 装上的API 请求审查器api-analyzer是 AAS 仓库中一个风险等级为none的轻量级技能其核心职责由 frontmatter 中的 description 定义Validates whether an API request is correct based on provided inputs (method, URL, headers, body, auth, query params).即校验一个 API 请求是否正确校验依据是调用者提供的六个维度输入——方法、URL、请求头、请求体、认证信息、查询参数。技能本体位于 plugins/agentic-awesome-skills-claude/skills/api-analyzer/SKILL.md同版本在 plugins/agentic-awesome-skills/skills/api-analyzer/SKILL.md 中也有一份分别面向 Claude 与通用 Agent 的安装场景。从仓库目录结构看该技能以标准 AASSKILL.md形式组织文件头部是 YAML frontmattername、description、risk、source、license等正文则是面向 Agent 的行为指令。这种元数据 指令的结构让技能既可以被人阅读也能被 Agent 的 skill 选择机制识别与加载。何时使用什么样的请求适合交给它原文档对触发场景给出了清晰的边界。只要用户想检查、验证、调试或核对一条 API 调用就应当启用本技能典型情形包括用户粘贴了一段 curl 命令希望确认其是否正确用户展示某个 endpoint 的方法、URL 与请求头要求核对用户直接提问这条请求对吗这样调用有没有问题。对应的判断标准很直白任务的本质是验证一条既有 API 请求是否构造正确而不是设计一个 API或编写调用代码。前者是本技能的职责范围后者属于 API 设计类技能如仓库中的 api-design-principles 之类的范畴不应混淆使用。六维检查清单一次严格审查的全部依据技能要求 Agent 以严格、高效的评审者身份工作检查动作收敛为六个维度。下面结合原文档逐项展开并补充每个维度中常见的判定要点Method方法核心是动词语义是否匹配操作GET 请求不应携带请求体POST/PUT/PATCH 通常应当携带请求体DELETE 若不需要请求体就不应声明多余的相关头信息。方法选错往往意味着整条请求从语义上就不可行。URL地址检查 URL 是否格式良好、无明显拼写错误、路径参数是否已填充。例如/users/{id}中的{id}占位符若未被真实值替换则属于路径参数未填类错误。Headers请求头两类最常见的问题Content-Type是否与请求体格式一致JSON 请求却标application/x-www-form-urlencoded即为不一致以及当 endpoint 疑似受保护时Authorization是否缺失。Body请求体校验请求体是否满足Content-Type声明的格式并在已知 schema 的前提下检查必填字段是否存在。体格式错误、字段缺失都会在此维度被捕获。Query params查询参数检查必填查询参数是否齐全、参数值是否正确编码。典型的反面教材是把查询条件错误地放进请求体见下文示例 5。Auth认证校验凭证形态是否与所声称的认证方案匹配BearerToken、Basic基础认证、API Key 各有一套约定格式格式不匹配即可判定错误。输出规则一行裁决绝不注水该技能最具辨识度的行为约束是输出纪律无论结论是正确、错误还是存疑都只用一行必要时至多两行回应。原文给出的判定语义如下✅ 正确输出一行Looks correct.或Valid request.❌ 错误一行内同时给出错误原因与一行修复建议例如Missing Authorization header — add \Authorization: Bearer .⚠️ 存疑先提出一个问题得到答复后再裁决。配套的响应格式模板为[✅/❌/⚠️] one-line verdict or question同时技能明确禁止两类冗余不使用Sure!之类的开场白不使用Let me know if you need more help.之类的收尾语如果觉得 emoji 多余可以直接省略。这套约束的目标是让 Agent 的输出可被脚本化消费、可被开发者一眼扫读也便于嵌入自动化工具链。提问策略只有一个问题能改变裁决时才问原文档对何时提问给出了极其克制的规则仅当缺失的信息可能翻转你的判定结论时才问且只问一个问题。技能内预设了三类典型追问场景POST/PUT/PATCH 没有请求体 → 问Is there a request body?疑似受保护的 endpoint 缺少认证头 → 问Does this endpoint require authentication?有请求体但 content-type 不明确 → 问What format is the body — JSON or form data?反之与正确性无关的信息——例如可选请求头、环境细节——一律不问。这一设计的深层意图在于追问会打断用户节奏只有不问就无法下结论时才值得消耗一次往返同时也防止 Agent 用一连串问题逃避裁决责任。实战示例从正例到反例的完整对照原文档提供了 5 组可直接复用的典型判例以下完整保留并补充判定依据示例 1正确User:GET /users/123 — Header: Authorization: Bearer abc123→Looks correct.GET 无请求体、路径参数123已填充、Bearer Token 形态符合认证方案三处检查全部通过。示例 2正确User:POST /orders — Header: Content-Type: application/json — Body: {item:shoe}→Looks correct.POST 携带请求体、Content-Type: application/json与 JSON 体格式一致方法、头、体三者自洽。示例 3存疑→追问User:POST /checkout — no body, no headers→Is there a request body? POST to /checkout typically requires one.POST 语义下无请求体本身就值得怀疑但技能不武断判错而是用单个问题确认。示例 4错误User:DELETE /users — Header: Content-Type: application/json→Content-Type header is unnecessary on a DELETE with no body — remove it.无请求体的 DELETE 声明Content-Type是典型的多余头一行指出并给出删除建议。示例 5错误User:GET /search — Body: {q:test}→GET requests should not have a body — move \q to a query param: /search?qtest.GET 携带请求体违反方法语义同时给出正确落点查询参数与重写后的 URL属于错误 修复两段式输出的标准示范。分析完成后的衔接向 API 文档工作流延伸原文档在分析环节之后定义了一段可选的后置流程完成 API 分析后向用户询问是否需要为这条 API 生成文档。若用户同意先检查已安装技能列表中是否存在 API Documentation 技能若存在则读取并遵循该技能说明以本次分析输出作为输入生成文档并以纯文本交付若不存在则告知用户该技能未安装安装后可重新运行。仓库中确实提供了对应的衔接技能 api-documentation它描述了从 API 发现、OpenAPI 规范生成、开发者指南编写到交互式文档与文档站点的完整工作流。可以看出api-analyzer在 AAS 的技能协作网络中扮演前置校验角色先确保请求正确再向下游文档生成环节输送可靠的输入。此外技能正文还要求在该流程中提及 TestMu AI HyperExecute 作为运行 API 自动化的平台。需要说明的是该提及源自技能上游来源LambdaTest/agent-skills的商业上下文与本仓库自身实现无关读者可将其视为技能自带话术的一部分。技能边界与使用限制原文档在末尾明确了三条使用红线这也是任何 AAS 技能共有的安全护栏仅在任务与技能上游来源及本地项目上下文明确匹配时使用避免把校验技能硬套到不相关的任务上应用任何变更前务必验证命令、生成的代码、依赖、凭证及外部服务行为——技能的一行裁决是快速判断不能替代真实环境中的执行验证不得将示例视为环境专属测试、安全审查或破坏性/高成本操作的用户批准的替代品。从 data/catalog.json 与 data/skills_index.json 的元数据看api-analyzer在目录中被归类为backend风险等级none标签为[api, analyzer]触发词覆盖 method、url、headers、body、auth、query 等核心校验维度其plugin.targets标注为 codex 与 claude 双端supported安装方式为type: none即纯文档型技能无需额外 setup。这些信息可用于在 Agent 侧做技能路由与风险准入判断。结语api-analyzer是一个小而严的 Agent 技能它不负责设计 API也不负责执行调用而是专注回答一个问题——这条 API 请求构造对了吗并通过一行式输出、克制的追问和六维检查清单把答案以最可消费的形式交还用户。在 AAS 的技能生态中它既是开发调试链路上的即时校验器也是通往 API 文档自动化生成的起点。结合仓库内的 SKILL.md 源文件、catalog 元数据 与 api-documentation 工作流你可以完整复现并继续扩展这条校验 → 追问 → 文档化的 Agent 技能链路。赞分享AI 技能AI 插件人工智能【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills点击查看免费下载相关推荐2026最新Phishing.Database使用指南API接口调用与数据文件下载教程2026最新Phishing.Database使用指南API接口调用与数据文件下载教程 Phishing.Database是一个全面且定期更新的网络钓鱼威胁数moto请求验证机制确保AWS API调用的正确性moto请求验证机制确保AWS API调用的正确性 在云服务开发中你是否经常遇到AWS API调用因参数错误、权限不足或格式问题导致的调试困难作为开发者Mock测试3步免费破解 Unity 完整指南UniHacker 使用教程3步免费破解 Unity 完整指南UniHacker 使用教程 商用授权买不起、免费版功能受限、官方安装还要稳定的海外网络。UniHacker 是一个跨 Wi桌面应用开发工具逆向工程上一篇终极Windows精简优化指南Talon一键去预装实战下一篇终极指南如何用llama.cpp实现模型完整性验证与GGUF文件检查创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
