登录
软件下载 帮助文档 新闻资讯

Skill UI

浏览并发现 18671+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 AI ，共找到 1276 条记录
默认排序 最新上传 最多下载

OpenMed MCP服务器工具部署

deploying-openmed-mcp
maziyarpanahi/openmed
235
该技能部署了OpenMed模型上下文协议（MCP）服务器，将临床NLP工具（如命名实体识别、PII提取和去标识化）封装为可调用的工具。它允许AI智能体和聊天客户端通过工具调用来使用OpenMed功能，并在本地设备上安全运行，确保用户数据隐私。
查看详情

智能体工作流审计与评分

eval-agents
FlorianBruniaux/claude-code-ultimate-guide
122
本工具用于系统性地审计和评分定义的AI智能体，确保其功能描述足够精确、工具权限范围安全，并适用于程序化的编排流程。它特别检查描述的歧义性、工具授权的过度宽松性，以及可能导致无头工作流中断的陷阱，适用于新智能体集成或多智能体工作流调试。
查看详情

基于泄漏门的去标识化评估

evaluating-with-leakage-gates
maziyarpanahi/openmed
257
用于评估去标识化和临床命名实体识别模型是否符合严格的隐私保护标准。该功能不依赖于聚合F1分数，而是通过一系列泄漏门控（G1a-G8）检查模型是否存在残留的个人健康信息（PHI）泄露，从而判断模型是“可发布”还是“隔离”，确保模型满足HIPAA合规要求。
查看详情

去标识化泄漏检测门禁

gating-deid-leakage
maziyarpanahi/openmed
279
该技能用于在持续集成 (CI) 环境中为去标识化模型创建强制门禁。它能自动检测模型是否发生了性能退化（召回率下降）或是否泄露了关键的个人身份信息（PHI）。通过失败构建，确保只有满足严格隐私和性能标准的模型才能通过合并，从而防止数据泄露。
查看详情

OpenClaw长期记忆插件配置与部署

openclaw-memory-tencentdb-setup
TencentCloud/TencentDB-Agent-Memory
350
本指南详细指导用户在OpenClaw环境中部署和配置本地长期记忆插件，实现从对话捕获、信息提取到上下文召回的完整生命周期管理。覆盖了环境预检、插件安装、高级参数设置（如召回阈值、向量嵌入）以及故障排查，确保系统具备稳定的长期记忆和知识检索能力。
查看详情

结构化试验资格筛选与匹配

parsing-trial-eligibility
maziyarpanahi/openmed
344
该技能能够将临床试验的非结构化、自由文本入选/排除标准，解析为结构化的、机器可读的规则。接着，它利用OpenMed提取的患者病史、体检数据等信息，对每一个标准进行逐一评估，输出患者是否符合资格的判定结果和详细的推理过程。这是一个用于辅助临床决策的专业工具。
查看详情

设备端隐私信息模型选择

pick-a-pii-model
maziyarpanahi/openmed
215
本指南用于从预定模型库中选择适合在设备端运行的个人身份信息（PII）检测模型。它根据输入语言、所需运行环境（如PyTorch、MLX）和内存预算进行筛选。核心流程包括离线构建候选列表，并强调在部署前必须进行严格的召回率验证和性能基准测试，以确保数据隐私安全。
查看详情

AI学术论文投稿就绪审计

prai-submission
brycewang-stanford/Awesome-Journal-Skills
485
本指南是为提交至高水平《模式识别与人工智能》期刊的原创长文准备的全流程就绪审计手册。它系统性地覆盖了学术论文从格式（中英文摘要、中图分类号）、篇幅控制，到学术规范（查重、一稿多投）等所有关键环节，旨在确保稿件达到国际同行评审的发表标准。
查看详情

严谨证明流程编排器

proof-orchestrator
wanshuiyin/Auto-claude-code-research-in-sleep
65
这是一个用于管理复杂、状态化的学术证明项目的流程编排工具。它将证明工作视为本地优先的管道，涵盖了初稿撰写、严格验证、源材料管理，以及在本地尝试受阻时，有序地将任务升级到外部AI模型（如GPT Pro）或进行深度审计，确保最终输出的高度可追溯性和严谨性。
查看详情

临床上下文状态解析

resolving-clinical-context
maziyarpanahi/openmed
371
该功能用于增强临床实体识别的准确性，通过引入否定、时态和不确定性（ConText）三个维度，判断病历实体是否为当前、已排除、历史或不确定的状态。这确保了原始的文本提及被提升为临床上准确的断言，是构建问题列表和实现精确病历记录的关键步骤。
查看详情

零样本生物医学实体抽取

running-zeroshot-ner
maziyarpanahi/openmed
239
零样本命名实体识别（NER）工具，可从临床或生物医学文本中提取自定义实体类型（如药物、症状），无需预设标签或进行模型微调。它利用GLiNER/GLiNER2模型，用户可以在运行时定义所需标签。通过构建模型索引和运行推理，适用于快速原型开发或标签结构不稳定的场景。
查看详情

临床笔记结构化分段处理

segmenting-clinical-sections
maziyarpanahi/openmed
399
本功能用于将非结构化的临床病历（如主诉、现病史、既往病史等）分割成带有规范标签和LOINC代码的独立片段。这种结构化的分段处理至关重要，它确保了下游的命名实体识别（NER）和去标识化任务能够获取完整的上下文信息。这大大提升了医疗文本处理的准确性和专业性。
查看详情
上一页123...80818283848586...105106107下一页
语言
简体中文
English