Token导航 LogoToken导航TokenDH.com
研究检索敏感数据github未标认证来源可访问许可证需确认审计提醒

nebulanebula 搜索

Agent Skill

nebula 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

212

周安装

9

GitHub Stars

公开资料未说明

下载量

74
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:nebula(nebula 搜索)
来源仓库:https://github.com/nebula-agi/skills
仓库路径:skills/nebula
安装命令:
npx skills add https://github.com/nebula-agi/skills --skill nebula
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/nebula-agi/skills --skill nebula

简介

nebula 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词快速定位候选结果时使用。

  • 适用于大规模信息检索、知识库查询或研究支持等场景。
  • 通过 GitHub 仓库安装,使用 npx skills add 命令添加技能。
  • 安装前需确认权限范围和维护状态,注意可能触发联网或文件读写操作。
  • nebula 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

SKILL.md

Nebula Integration

Nebula is a persistent semantic memory platform for AI applications. It provides SDKs for Python and JavaScript/TypeScript, a REST API, and an MCP server for AI assistants.

Quick Start

Python

pip install nebula-client
from nebula import Nebula

nebula = Nebula(api_key="your-api-key")
# Or set NEBULA_API_KEY env var and call Nebula()

# Create a collection
collection = nebula.create_collection(name="notes", description="My notes")

# Store a memory
memory_id = nebula.store_memory({
    "collection_id": collection.id,
    "content": "Machine learning is transforming healthcare",
    "metadata": {"topic": "AI"}
})

# Search
results = nebula.search(query="healthcare AI", collection_ids=[collection.id])
for r in results:
    print(f"{r.score:.2f}: {r.content}")

JavaScript / TypeScript

npm install @nebula-ai/sdk
import { Nebula } from '@nebula-ai/sdk';

const nebula = new Nebula({ apiKey: 'your-api-key' });
// Or set NEBULA_API_KEY env var and call new Nebula()

const collection = await nebula.createCollection({
  name: 'notes', description: 'My notes'
});

const memoryId = await nebula.storeMemory({
  collection_id: collection.id,
  content: 'Machine learning is transforming healthcare',
  metadata: { topic: 'AI' }
});

const results = await nebula.search({
  query: 'healthcare AI',
  collection_ids: [collection.id]
});

Core Concepts

  • Collections: Organizational containers for memories (like projects/workspaces). Always specify collection_id when storing.
  • Memories: Universal information containers. Three types:

- Document: Entire documents, auto-chunked. Upload text, pre-chunked text, or files (PDF, DOCX, images, audio). - Conversation: Multi-turn chat. Use memory_id to append messages to the same conversation. - Simple: Single pieces of information.

  • Chunks: Individual pieces within a memory (messages in conversations, sections in documents). Each has a unique ID for granular operations.
  • Search: Hybrid semantic + full-text search with metadata filtering. Scores range 0-1.
  • Authority: Score (0-1) to prioritize content in search results. Default 0.5.

Authentication

  • API Key: Get from trynebula.ai -> Settings -> API Keys
  • Environment variable: NEBULA_API_KEY (auto-read by both SDKs)
  • Explicit: Pass api_key (Python) or apiKey (JS) to constructor
  • Base URL: https://api.trynebula.ai (default, configurable via base_url/baseUrl)

Conversation Pattern

Conversations use memory_id to append messages to the same container:

# Python
conv_id = nebula.store_memory({
    "collection_id": "support",
    "content": "Hello!", "role": "assistant"
})
nebula.store_memory({
    "memory_id": conv_id,
    "collection_id": "support",
    "content": "I need help", "role": "user"
})

# Retrieve full conversation
messages = nebula.get_conversation_messages(conv_id)
// JavaScript
const convId = await nebula.storeMemory({
  collection_id: 'support', content: 'Hello!', role: 'assistant'
});
await nebula.storeMemory({
  memory_id: convId, collection_id: 'support',
  content: 'I need help', role: 'user'
});
const messages = await nebula.getConversationMessages(convId);

Search with Filters

results = nebula.search(
    query="bug reports",
    collection_ids=["issues"],
    filters={
        "severity": {"$in": ["critical", "high"]},
        "status": {"$ne": "closed"}
    },
    effort="medium"
)

Operators: $eq, $ne, $gt, $gte, $lt, $lte, $in, $nin, $like, $ilike, $overlap, $contains, $and, $or. Prefix metadata fields with metadata. in REST API.

For full filter reference, see references/search-and-filtering.md.

Reference Files

Load these as needed for detailed API information:

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

36.38%
按下载量换算27

Claude

29.49%
按下载量换算22

Cursor

16.62%
按下载量换算12

Gemini CLI

8.52%
按下载量换算6

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

可疑

权限和风险

敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills