拓冰网站定制 
AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载本文以 awesome-claude-skills 仓库中的 GroqCloud Automation 技能文档 为主体讲解如何通过 Composio 的 Rube MCP 集成用 Claude 技能自动完成 GroqCloud 的模型发现、Chat 补全、模型详情查询、音频翻译与 TTS 音色管理。读完本文你将掌握五个GROQCLOUD_*工具的参数细节、典型调用顺序与已知陷阱能够直接在 Claude.ai 或 Claude Code 中落地一套可复用的 AI 推理自动化流程。背景Skill 是什么GroqCloud Skill 解决什么本仓库是一个 Claude Skills 的精选集合。所谓 Skill是一份带 YAML 前置元数据name、description、requires.mcp的SKILL.md文档Claude 客户端加载后即可按文档指示调用对应工具。GroqCloud 技能的前置元数据明确声明其依赖 Rube MCP 服务器name: GroqCloud Automation description: Automate AI inference, chat completions, audio translation, and TTS voice management through GroqClouds high-performance API via Composio requires: mcp: - rube从 README 的说明看仓库为 78 个 SaaS 应用预置了基于 Rube MCPComposio的工作流技能每个技能都包含工具序列、参数指引、已知陷阱和快速参考表且全部使用从 Composio API 发现的真实工具 slug参见 README.md。GroqCloud 技能正是这一体系中的一员其价值在于把 GroqCloud 的 REST API 操作封装为语义化工具GROQCLOUD_LIST_MODELS等让 Agent 无需手写 HTTP 调用即可完成推理编排。环境准备连接 Rube MCP 与 GroqCloud 账户技能文档给出的 Setup 只有三步SKILL.md在 MCP 客户端中把https://rube.app/mcp添加为 MCP 服务器将 GroqCloud 账户连接到该 Composio MCP 服务器若当前没有活跃连接Agent 会返回一个认证链接由用户点击完成授权连接成功后所有GROQCLOUD_*工具即可被调用。仓库中同族的 Composio Automation 技能 对这一模式给出了更细的补充Rube MCP 无需 API Key只需添加端点即可工作连接管理走RUBE_MANAGE_CONNECTIONStoolkit 传composio连接状态必须为ACTIVE才能执行工具在运行工作流之前先调用RUBE_SEARCH_TOOLS获取最新的工具 schema 与推荐执行计划。这套先搜索、再连接、后执行的三步范式同样适用于 GroqCloud 技能的初始化——尤其是在工具 schema 可能变更的情况下先发现再调用能显著降低硬编码导致的失败率。安装方式上参照 README 的 Getting Started在 Claude Code 中把技能目录复制到~/.config/claude-code/skills/然后启动claude技能会自动加载并在相关任务出现时激活在 Claude.ai 中则通过聊天界面的技能图标添加技能。核心工作流一发现可用模型GROQCLOUD_LIST_MODELS在发起任何推理调用之前先用该工具枚举 GroqCloud 上全部可用模型工具GROQCLOUD_LIST_MODELS参数无需任何参数返回所有可用模型及其元数据。文档明确要求把这一步作为 Chat 补全的前置步骤以确保引用的 model ID 有效且未被弃用SKILL.md。注意其响应结构并非简单的扁平数组详见下文已知陷阱中关于嵌套data.data的说明。核心工作流二运行 Chat 补全GROQCLOUD_GROQ_CREATE_CHAT_COMPLETION用指定模型对对话式提示生成 AI 响应是该技能最常用的推理入口SKILL.md。完整参数如下参数类型必填说明modelstring是模型 ID取自GROQCLOUD_LIST_MODELS的返回值messagesarray是有序的{role, content}对象列表role 支持system、user、assistanttemperaturenumber否采样温度 0–2默认 1max_completion_tokensinteger否生成的最大 token 数top_pnumber否Nucleus 采样取值 0–1默认 1stopstring/array否最多 4 个停止序列streamboolean否是否启用 SSE 流式输出默认 false实战要点messages是标准 OpenAI 兼容格式的对话历史Agent 应在调用前组织好 system 指令、历史轮次与当前用户输入temperature与top_p二者一般不同时大幅调整以 temperature 为主时 top_p 保持默认即可需要实时逐 token 输出时打开stream: true否则保持默认的整段返回以简化解析。核心工作流三查询模型详情GROQCLOUD_GROQ_RETRIEVE_MODEL需要获取某个模型的上下文窗口、能力特性等元数据时使用该工具SKILL.md参数类型必填说明modelstring是模型标识符例如groq-1-large典型场景包括在选择模型前对比上下文窗口大小、确认模型是否支持指定能力、或用于 Agent 的动态路由决策。注意文档强调这些元数据会随模型更新而变化不应长期缓存当作静态事实见已知陷阱。核心工作流四音频翻译为英文GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION使用 Whisper 模型将非英文音频转写并翻译为英文文本SKILL.md参数类型必填说明file_pathstring是音频来源本地路径、HTTP(S) URL 或 base64 data URLmodelstring否模型 ID默认whisper-large-v3注意whisper-large-v3-turbo可能不支持翻译response_formatstring否json、verbose_json或text默认jsontemperaturenumber否采样温度 0–1默认 0实战要点file_path的三态支持让该工具既能处理本地文件也能消费远程音频链接verbose_json格式适合需要分段时间戳的下游处理默认温度 0 意味着确定性输出适合字幕/翻译这类需要稳定结果的任务。调用前务必先做音频格式校验因为工具对无效或不支持的格式会静默拒绝见已知陷阱。核心工作流五列出 TTS 音色GROQCLOUD_LIST_VOICES为 Groq PlayAI 模型的文本转语音能力枚举可用音色用于驱动音色选择类 UI 或流程SKILL.md工具GROQCLOUD_LIST_VOICES参数无需参数返回受支持的 TTS 音色集合。文档特别注明这是一个手动维护的静态列表音色集合可能随时间缩减或改名因此消费方应做容错处理遇到不存在的音色时优雅降级而非直接报错。已知陷阱与规避策略原文档用一张表汇总了五个高频坑SKILL.md这是实战中最有价值的部分逐一解读如下陷阱细节与规避嵌套模型列表GROQCLOUD_LIST_MODELS的响应可能嵌套在response[data][data]不要假定顶层就是扁平数组。解析时先探测层级再统一取值硬编码模型 ID 会失效始终通过GROQCLOUD_LIST_MODELS动态获取模型 ID模型弃用或改名后硬编码的名字会直接导致调用失败音频格式静默拒绝GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION对无效或不支持的音频格式会静默拒绝。调用前先校验格式扩展名/MIME/实际编码避免无响应的空等模型元数据漂移GROQCLOUD_GROQ_RETRIEVE_MODEL返回的上下文窗口、能力特性会随模型升级而变化不要当作静态配置缓存TTS 音色变化GROQCLOUD_LIST_VOICES返回的音色可能减少或重命名选择音色时需处理缺失场景从源码结构看这些陷阱共同指向一个设计哲学GroqCloud 侧的模型与音色清单都属于动态数据Agent 的正确姿势是每次执行前先发现、再调用而不是把清单固化在提示词里。这也与仓库同族技能如 Composio Automation反复强调的Always search first原则一脉相承。快速参考五个工具的用途速查工具 Slug用途GROQCLOUD_LIST_MODELS列出所有可用模型及其元数据GROQCLOUD_GROQ_CREATE_CHAT_COMPLETION基于对话生成 AI 补全GROQCLOUD_GROQ_RETRIEVE_MODEL获取指定模型的详细信息GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION将非英文音频翻译为英文文本GROQCLOUD_LIST_VOICES获取 PlayAI 可用的 TTS 音色推荐调用顺序端到端示例流程结合五个工作流一个完整的 GroqCloud 自动化流程可以这样编排确认 Rube MCP 已连接、GroqCloud 账户状态为 ACTIVE必要时通过RUBE_MANAGE_CONNECTIONS触发授权链接调用GROQCLOUD_LIST_MODELS从响应中解析出有效 model ID注意嵌套层级调用GROQCLOUD_GROQ_RETRIEVE_MODEL校验候选模型的上下文窗口与能力完成模型选型以选定的 model ID 调用GROQCLOUD_GROQ_CREATE_CHAT_COMPLETION完成对话推理需要流式时开启stream若涉及多语言音频内容调用GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION转写为英文需要语音播报时先GROQCLOUD_LIST_VOICES取音色再交给 PlayAI TTS 链路音色缺失时容错降级。小结GroqCloud Automation 技能把 GroqCloud 的高性能推理 API 封装成了五个语义清晰的 Agent 可调用工具覆盖模型发现 → 对话推理 → 模型选型 → 音频翻译 → 语音播报的完整链路。它的实战价值不仅在于省去手写 HTTP 调用更在于文档预先标明了嵌套响应、硬编码 ID、静默拒绝、元数据漂移等真实世界的坑位。配合仓库 README 提供的 技能安装方式 与 Rube MCP 的连接范式你可以在几分钟内让 Claude 具备编排 GroqCloud 推理工作流的能力。赞分享AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载相关推荐使用 Rube MCP 自动化 Kaggle 工作流awesome-claude-skills 中 kaggle-automation Skill 完整实战指南使用 Rube MCP 自动化 Kaggle 工作流awesome claude skills 中 kaggle automation Skill 完整实战指AI 技能AI 插件人工智能工作流自动化使用 Rube MCP 自动化 Apipie AI 操作awesome-claude-skills 中 apipie-ai-automation Skill 实战指南使用 Rube MCP 自动化 Apipie AI 操作awesome claude skills 中 apipie ai automation SkillAI 技能AI 插件人工智能工作流自动化Chatfai 自动化实战基于 Rube MCP 在 awesome-claude-skills 中编排 Claude Skill 工作流Chatfai 自动化实战基于 Rube MCP 在 awesome claude skills 中编排 Claude Skill 工作流 本文以仓库内 chAI 技能AI 插件人工智能工作流自动化上一篇Node.js 10.7.0 (Current) 版本发布深度解析console.timeLog、N-API BigInt 与 libuv 1.22.0 新特性全览下一篇基于 MCP 的学术论文检索服务器 mcp-scholarly在 Claude 等 AI 客户端中集成 arXiv 与 Google Scholar 搜索创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 使用 awesome-claude-skills 的 GroqCloud Automation Skill 编排 Groq 高性能 AI 推理工作流
AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载本文以 awesome-claude-skills 仓库中的 GroqCloud Automation 技能文档 为主体讲解如何通过 Composio 的 Rube MCP 集成用 Claude 技能自动完成 GroqCloud 的模型发现、Chat 补全、模型详情查询、音频翻译与 TTS 音色管理。读完本文你将掌握五个GROQCLOUD_*工具的参数细节、典型调用顺序与已知陷阱能够直接在 Claude.ai 或 Claude Code 中落地一套可复用的 AI 推理自动化流程。背景Skill 是什么GroqCloud Skill 解决什么本仓库是一个 Claude Skills 的精选集合。所谓 Skill是一份带 YAML 前置元数据name、description、requires.mcp的SKILL.md文档Claude 客户端加载后即可按文档指示调用对应工具。GroqCloud 技能的前置元数据明确声明其依赖 Rube MCP 服务器name: GroqCloud Automation description: Automate AI inference, chat completions, audio translation, and TTS voice management through GroqClouds high-performance API via Composio requires: mcp: - rube从 README 的说明看仓库为 78 个 SaaS 应用预置了基于 Rube MCPComposio的工作流技能每个技能都包含工具序列、参数指引、已知陷阱和快速参考表且全部使用从 Composio API 发现的真实工具 slug参见 README.md。GroqCloud 技能正是这一体系中的一员其价值在于把 GroqCloud 的 REST API 操作封装为语义化工具GROQCLOUD_LIST_MODELS等让 Agent 无需手写 HTTP 调用即可完成推理编排。环境准备连接 Rube MCP 与 GroqCloud 账户技能文档给出的 Setup 只有三步SKILL.md在 MCP 客户端中把https://rube.app/mcp添加为 MCP 服务器将 GroqCloud 账户连接到该 Composio MCP 服务器若当前没有活跃连接Agent 会返回一个认证链接由用户点击完成授权连接成功后所有GROQCLOUD_*工具即可被调用。仓库中同族的 Composio Automation 技能 对这一模式给出了更细的补充Rube MCP 无需 API Key只需添加端点即可工作连接管理走RUBE_MANAGE_CONNECTIONStoolkit 传composio连接状态必须为ACTIVE才能执行工具在运行工作流之前先调用RUBE_SEARCH_TOOLS获取最新的工具 schema 与推荐执行计划。这套先搜索、再连接、后执行的三步范式同样适用于 GroqCloud 技能的初始化——尤其是在工具 schema 可能变更的情况下先发现再调用能显著降低硬编码导致的失败率。安装方式上参照 README 的 Getting Started在 Claude Code 中把技能目录复制到~/.config/claude-code/skills/然后启动claude技能会自动加载并在相关任务出现时激活在 Claude.ai 中则通过聊天界面的技能图标添加技能。核心工作流一发现可用模型GROQCLOUD_LIST_MODELS在发起任何推理调用之前先用该工具枚举 GroqCloud 上全部可用模型工具GROQCLOUD_LIST_MODELS参数无需任何参数返回所有可用模型及其元数据。文档明确要求把这一步作为 Chat 补全的前置步骤以确保引用的 model ID 有效且未被弃用SKILL.md。注意其响应结构并非简单的扁平数组详见下文已知陷阱中关于嵌套data.data的说明。核心工作流二运行 Chat 补全GROQCLOUD_GROQ_CREATE_CHAT_COMPLETION用指定模型对对话式提示生成 AI 响应是该技能最常用的推理入口SKILL.md。完整参数如下参数类型必填说明modelstring是模型 ID取自GROQCLOUD_LIST_MODELS的返回值messagesarray是有序的{role, content}对象列表role 支持system、user、assistanttemperaturenumber否采样温度 0–2默认 1max_completion_tokensinteger否生成的最大 token 数top_pnumber否Nucleus 采样取值 0–1默认 1stopstring/array否最多 4 个停止序列streamboolean否是否启用 SSE 流式输出默认 false实战要点messages是标准 OpenAI 兼容格式的对话历史Agent 应在调用前组织好 system 指令、历史轮次与当前用户输入temperature与top_p二者一般不同时大幅调整以 temperature 为主时 top_p 保持默认即可需要实时逐 token 输出时打开stream: true否则保持默认的整段返回以简化解析。核心工作流三查询模型详情GROQCLOUD_GROQ_RETRIEVE_MODEL需要获取某个模型的上下文窗口、能力特性等元数据时使用该工具SKILL.md参数类型必填说明modelstring是模型标识符例如groq-1-large典型场景包括在选择模型前对比上下文窗口大小、确认模型是否支持指定能力、或用于 Agent 的动态路由决策。注意文档强调这些元数据会随模型更新而变化不应长期缓存当作静态事实见已知陷阱。核心工作流四音频翻译为英文GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION使用 Whisper 模型将非英文音频转写并翻译为英文文本SKILL.md参数类型必填说明file_pathstring是音频来源本地路径、HTTP(S) URL 或 base64 data URLmodelstring否模型 ID默认whisper-large-v3注意whisper-large-v3-turbo可能不支持翻译response_formatstring否json、verbose_json或text默认jsontemperaturenumber否采样温度 0–1默认 0实战要点file_path的三态支持让该工具既能处理本地文件也能消费远程音频链接verbose_json格式适合需要分段时间戳的下游处理默认温度 0 意味着确定性输出适合字幕/翻译这类需要稳定结果的任务。调用前务必先做音频格式校验因为工具对无效或不支持的格式会静默拒绝见已知陷阱。核心工作流五列出 TTS 音色GROQCLOUD_LIST_VOICES为 Groq PlayAI 模型的文本转语音能力枚举可用音色用于驱动音色选择类 UI 或流程SKILL.md工具GROQCLOUD_LIST_VOICES参数无需参数返回受支持的 TTS 音色集合。文档特别注明这是一个手动维护的静态列表音色集合可能随时间缩减或改名因此消费方应做容错处理遇到不存在的音色时优雅降级而非直接报错。已知陷阱与规避策略原文档用一张表汇总了五个高频坑SKILL.md这是实战中最有价值的部分逐一解读如下陷阱细节与规避嵌套模型列表GROQCLOUD_LIST_MODELS的响应可能嵌套在response[data][data]不要假定顶层就是扁平数组。解析时先探测层级再统一取值硬编码模型 ID 会失效始终通过GROQCLOUD_LIST_MODELS动态获取模型 ID模型弃用或改名后硬编码的名字会直接导致调用失败音频格式静默拒绝GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION对无效或不支持的音频格式会静默拒绝。调用前先校验格式扩展名/MIME/实际编码避免无响应的空等模型元数据漂移GROQCLOUD_GROQ_RETRIEVE_MODEL返回的上下文窗口、能力特性会随模型升级而变化不要当作静态配置缓存TTS 音色变化GROQCLOUD_LIST_VOICES返回的音色可能减少或重命名选择音色时需处理缺失场景从源码结构看这些陷阱共同指向一个设计哲学GroqCloud 侧的模型与音色清单都属于动态数据Agent 的正确姿势是每次执行前先发现、再调用而不是把清单固化在提示词里。这也与仓库同族技能如 Composio Automation反复强调的Always search first原则一脉相承。快速参考五个工具的用途速查工具 Slug用途GROQCLOUD_LIST_MODELS列出所有可用模型及其元数据GROQCLOUD_GROQ_CREATE_CHAT_COMPLETION基于对话生成 AI 补全GROQCLOUD_GROQ_RETRIEVE_MODEL获取指定模型的详细信息GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION将非英文音频翻译为英文文本GROQCLOUD_LIST_VOICES获取 PlayAI 可用的 TTS 音色推荐调用顺序端到端示例流程结合五个工作流一个完整的 GroqCloud 自动化流程可以这样编排确认 Rube MCP 已连接、GroqCloud 账户状态为 ACTIVE必要时通过RUBE_MANAGE_CONNECTIONS触发授权链接调用GROQCLOUD_LIST_MODELS从响应中解析出有效 model ID注意嵌套层级调用GROQCLOUD_GROQ_RETRIEVE_MODEL校验候选模型的上下文窗口与能力完成模型选型以选定的 model ID 调用GROQCLOUD_GROQ_CREATE_CHAT_COMPLETION完成对话推理需要流式时开启stream若涉及多语言音频内容调用GROQCLOUD_GROQ_CREATE_AUDIO_TRANSLATION转写为英文需要语音播报时先GROQCLOUD_LIST_VOICES取音色再交给 PlayAI TTS 链路音色缺失时容错降级。小结GroqCloud Automation 技能把 GroqCloud 的高性能推理 API 封装成了五个语义清晰的 Agent 可调用工具覆盖模型发现 → 对话推理 → 模型选型 → 音频翻译 → 语音播报的完整链路。它的实战价值不仅在于省去手写 HTTP 调用更在于文档预先标明了嵌套响应、硬编码 ID、静默拒绝、元数据漂移等真实世界的坑位。配合仓库 README 提供的 技能安装方式 与 Rube MCP 的连接范式你可以在几分钟内让 Claude 具备编排 GroqCloud 推理工作流的能力。赞分享AI 技能AI 插件人工智能工作流自动化【免费下载链接】awesome-claude-skillsA curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows项目地址https://gitcode.com/GitHub_Trending/aw/awesome-claude-skills点击查看免费下载相关推荐使用 Rube MCP 自动化 Kaggle 工作流awesome-claude-skills 中 kaggle-automation Skill 完整实战指南使用 Rube MCP 自动化 Kaggle 工作流awesome claude skills 中 kaggle automation Skill 完整实战指AI 技能AI 插件人工智能工作流自动化使用 Rube MCP 自动化 Apipie AI 操作awesome-claude-skills 中 apipie-ai-automation Skill 实战指南使用 Rube MCP 自动化 Apipie AI 操作awesome claude skills 中 apipie ai automation SkillAI 技能AI 插件人工智能工作流自动化Chatfai 自动化实战基于 Rube MCP 在 awesome-claude-skills 中编排 Claude Skill 工作流Chatfai 自动化实战基于 Rube MCP 在 awesome claude skills 中编排 Claude Skill 工作流 本文以仓库内 chAI 技能AI 插件人工智能工作流自动化上一篇Node.js 10.7.0 (Current) 版本发布深度解析console.timeLog、N-API BigInt 与 libuv 1.22.0 新特性全览下一篇基于 MCP 的学术论文检索服务器 mcp-scholarly在 Claude 等 AI 客户端中集成 arXiv 与 Google Scholar 搜索创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考