软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16598+ 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

搜索可追溯性，共找到 20 条记录

默认排序最新上传最多下载

智能体知识记忆管理

agent-memory-mcp

sickn33/antigravity-awesome-skills

本技能提供了一个持久化、可检索的混合内存系统，专为AI智能体设计。它作为一个知识管理中心，用于存储和检索项目中的长期记忆，包括系统架构、最佳实践模式和关键决策记录。这确保了重要的知识不会丢失，能够随时被智能体调用，极大地增强了系统的可追溯性和一致性。

GCP生产代码示例生成器

gcp-examples-expert

jeremylongshore/claude-code-plugins-plus-skills

该技能能生成完整的、生产级别的Google Cloud Platform（GCP）代码示例和基础设施模板。它覆盖了包括ADK代理、Genkit RAG流程和使用Vertex AI/Gemini的多模态分析等多种前沿AI模式。输出内容包括可运行代码、部署配置（如Terraform/IaC）、安全最佳实践（IAM，VPC-SC）和监控设置，确保了企业级的可靠性、可追溯性和成本优化。

智能体治理与安全模式

agent-governance

github/awesome-copilot

提供一套完整的AI智能体安全和治理模式。本技能指导用户如何为AI智能体系统添加治理层，包括工具调用白名单/黑名单、内容过滤、速率限制和人工审核机制。特别适用于需要与外部API、数据库交互、以及部署在生产环境中的复杂多智能体工作流，确保系统的安全性和可追溯性。

Arize LLM评估与监控

arize-evaluator

github/awesome-copilot

本技能用于在Arize平台上设置和运行LLM判官评估。用户可以定义评估器（包括提示词模板、分类选项和模型），并将评估器应用于项目或实验数据。支持对幻觉、忠实度、正确性等关键指标进行打分，并实现持续监控，确保LLM性能的完整追溯。

AI智能体语义记忆库

sickn33/antigravity-awesome-skills

这是一个为AI智能体设计的自托管语义记忆服务。它能帮助智能体将工作日志、决策和笔记等知识沉淀，并通过语义（而非关键词）进行检索。用户可按项目或角色划分空间，确保知识库的持久性、结构化和可追溯性。

目标通过评分记忆循环求解

sickn33/antigravity-awesome-skills

本技能指导用户通过AI的评分记忆循环（scored-memory loop）来解决复杂目标。它提供了一个结构化的工作流，用于处理中间的“大脑框架”（brain_frame）结果，进行系统性的推理和持续的提案提交。适用于需要高度结构化、可追溯、多步骤决策的复杂问题解决场景。

AI驱动的开发规范循环

sickn33/antigravity-awesome-skills

该技能为AI代理提供了一个受控、有界限的开发生命周期流程。它强制执行“规范-构建-评审”三阶段工作流，确保开发过程具备可追溯性、可验证性。适用于从零开始构建复杂功能、处理需求模糊或高风险的场景，并通过明确的审批门控来保证代码符合规范。

动态多智能体工作流编排

sickn33/antigravity-awesome-skills

适用于需要复杂、多步骤、多智能体协作的流程任务。它首先生成任务图和详细计划，然后通过本地守护进程（daemon）进行并行执行和对抗性验证。当用户提出的任务范围广、涉及多个文件或需要明确的“工作流”概念时使用，确保执行过程结构化、可靠且可追溯。

智能任务模型路由选择

intelligence-route

这是一个智能化的任务规划系统，用于根据任务描述自动选择最佳的AI代理和模型级别（如Haiku, Sonnet, Opus）。它通过结合学习到的历史模式、预测和三层路由机制，取代了手动决策，确保了任务执行的效率和流程的完全可追溯性。

大语言模型可复现性指南

colm-reproducibility

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了大语言模型（LLM）论文的科学可复现性标准。它提出了分层验证体系（精确、预算、漂移），指导作者如何处理开源模型、专有API模型，并规范了计算资源和实验失败模式的书面披露，确保研究结果的严谨性和可追溯性。

FAccT可问责性文档和产物评估

facct-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了在AI研究领域，为提升论文的透明度和问责性所必须准备的配套文档和产物。核心包括数据集说明书（Datasheet）、模型卡（Model Card）、数据陈述和影响评估等，确保研究成果在伦理和技术层面都具有可追溯性和可验证性。

FAccT论文终稿提交指南

facct-camera-ready

brycewang-stanford/Awesome-Journal-Skills

本指南详细介绍了作者在论文被录用后，准备投稿至ACM FAccT会议终稿（Camera-Ready）所需遵循的关键流程。内容涵盖了从匿名草稿到最终出版格式的转变，包括必须进行的全流程去匿名化（恢复作者信息、添加立场声明）、转换到特定的ACM元数据标准（ORCID、CCS概念）、完成必要的可追溯性文档（数据表/模型卡），以及遵循复杂的出版时间表和版权要求。

语言