软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16566+ 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

搜索后端，共找到 14 条记录

默认排序最新上传最多下载

AWQ 激活感知权重量化

awq-quantization

Orchestra-Research/AI-Research-SKILLs

AWQ 利用激活感知权重保护技术，将 7B-70B 模型压缩到 4-bit，在受限显存上保持精度并提升近 3 倍推理速度，可配合 vLLM、Marlin 等加速后端部署大模型。

半二次量化方案

hqq-quantization

Orchestra-Research/AI-Research-SKILLs

提供无需校准数据即可将大模型权重量化至1位的流程，兼容 vLLM 与 HuggingFace，支持多种后端和 LoRA/PEFT 微调，适合快速部署与实验极限量化。

LangGraph 智能代理框架

sickn33/antigravity-awesome-skills

LangGraph 生产级框架，帮助构建有状态多角色 AI 代理，涵盖图构建、状态管理、持久化、人工参与与 ReAct 模式，适用于 Python 后端部署。

Hugging Face模型评估管理

hugging-face-evaluation

sickn33/antigravity-awesome-skills

用于为Hugging Face模型卡片添加和管理结构化的评估结果。支持从README内容提取现有评估表格，导入外部基准分数，并使用vLLM等高性能后端运行自定义模型评估，确保模型元数据符合排行榜和行业标准。

外部研究评审助手

research-review

wanshuiyin/Auto-claude-code-research-in-sleep

调用外部大模型评审后端（Codex 或人工）对研究想法、论文或实验结果进行多轮对抗式深度评审。自动整理研究简报，以超高推理强度找出逻辑漏洞、缺失实验与叙事弱点，并给出是否达标的评审结论。

本地大型语言模型评估工具

hugging-face-community-evals

sickn33/antigravity-awesome-skills

本技能用于在本地硬件上运行Hugging Face Hub模型的综合评估。它支持多种评估框架，包括`inspect-ai`和`lighteval`，并提供灵活的后端选择（如`vllm`, Transformers, 或`accelerate`），以优化性能和兼容性。适用于本地GPU基准测试、烟雾测试和后端选择，但不负责远程任务调度或结果发布。

JavaScript客户端机器学习

transformers-js

sickn33/antigravity-awesome-skills

该工具允许开发者在JavaScript或TypeScript环境中直接运行先进的机器学习模型。它支持自然语言处理（文本生成、总结、翻译）、计算机视觉（图像识别、目标检测）和音频处理等多种任务。特别适用于构建无需后端支持、完全在浏览器端运行的多模态AI应用。

C# 模型上下文服务器构建

csharp-mcp-server-generator

github/awesome-copilot

本技能旨在指导使用C#和.NET构建一个完整的、生产级别的模型上下文协议（MCP）服务器。内容涵盖了先进架构模式，如Host构建、依赖注入、结构化日志配置以及实现功能强大的工具。适用于构建需要标准化通信和工具调用能力的AI代理或复杂后端服务。

TypeScript 模型上下文协议服务器生成

typescript-mcp-server-generator

github/awesome-copilot

本指南详细介绍了如何使用TypeScript和MCP v2 SDK生成一个完整的模型上下文协议（MCP）服务器。内容涵盖了Node.js项目搭建、选择传输层（HTTP或stdio）、实现复杂、经过Schema验证的工具和资源，适用于构建类型安全、功能强大的AI后端服务。

Cohere流式事件与RAG连接器处理

cohere-webhooks-events

jeremylongshore/claude-code-plugins-plus-skills

本指南演示了如何使用Cohere的`chatStream`方法实现鲁棒的实时流式UI。内容涵盖了内容增量、RAG引用信息、工具调用等多种事件类型的处理。同时提供了基于SSE的后端API示例，适用于将复杂的AI功能实时展示给前端用户。

LangChain OTEL 可观测性追踪

langchain-otel-observability

jeremylongshore/claude-code-plugins-plus-skills

本技能旨在将LangChain 1.0和LangGraph 1.0的工作流深度集成到OpenTelemetry（OTEL）原生后端。它解决了核心可观测性痛点，包括确保提示词内容（Prompt Content）的准确捕获、实现子图（Subgraph）级的跨越式Span传播，并提供延迟、成本等五个LLM特定的服务级别目标（SLO）。适用于需要合规性、多租户或现有OTEL堆栈的场景。

Seedance 2.0 AI视频生成器

seedance-2-prompt

opensquilla/opensquilla

基于Seedance 2.0模型，可根据结构化的英文提示词生成3-15秒的AI视频片段。支持提供首帧图像和风格/身份参考图，以保持角色和场景的一致性。该工具支持多种云端后端，适用于制作分镜脚本、短片概念或电影级场景。

语言