下载

Skill UI

浏览并发现 11126+ 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

搜索实现，共找到 234 条记录

默认排序最新上传最多下载

Azure AI 语言对话分析

azure-ai-language-conversations-py

sickn33/antigravity-awesome-skills

本技能指导开发者使用 azure-ai-language-conversations Python SDK实现对话语言理解 (CLU)。它教授如何通过 ConversationAnalysisClient 分析对话意图和实体，构建复杂的自然语言处理 (NLP) 功能，并将语言理解能力集成到应用中。内容涵盖了使用 DefaultAzureCredential 等最佳实践。

模型内存需求估算

sickn33/antigravity-awesome-skills

`hf-mem`技能用于估算从Hugging Face Hub加载进行推理所需的Safetensors或GGUF模型权重所需的显存（VRAM）或系统内存。它通过HTTP范围请求实现，无需本地下载。用户可以提前检查模型是否适合其GPU或硬件实例，并支持估算KV缓存及设置最大序列长度。

本地GGUF大型语言模型部署

huggingface-local-models

sickn33/antigravity-awesome-skills

本技能提供了一套完整的指南，用于利用 llama.cpp 框架和 GGUF 格式在本地部署大型语言模型（LLMs）。它涵盖了在 Hugging Face Hub 搜索模型、选择最佳量化配置，以及运行支持 CPU、Mac Metal、CUDA 和 ROCm 等多种硬件后端的本地推理服务器。支持实现兼容 OpenAI 格式的 API 接口，适用于需要离线、私密部署的大模型推理场景。

智能体自治协作协议

polis-protocol-a-self-optimizing-city-of-agents

sickn33/antigravity-awesome-skills

这是一个用于构建和管理多智能体协作项目的协议框架。它模拟了一个“智能体之城”，通过去中心化的Markdown文件（包括身份注册、任务合同和事件编年史）实现工作流路由、能力发现和协议自我进化，适用于任何需要复杂协作的AI场景，无需中央服务器。

训练和微调句子嵌入模型

train-sentence-transformers

sickn33/antigravity-awesome-skills

本技能提供了一套用于训练和微调先进的句子嵌入模型（Sentence-Transformers）的指南。它帮助用户根据任务需求（如信息检索、相似度匹配、聚类或重排序）选择合适的模型架构，包括Bi-Encoder、CrossEncoder和SparseEncoder，是实现高级NLP功能的核心工具。

生成式引擎优化专家

tlc-generative-engine-optimization

tech-leads-club/agent-skills

本技能专注于生成式引擎优化（GEO），旨在确保特定网页的内容结构、元数据和可信度达到AI答案引擎（如Google AI Overviews、ChatGPT、Bing Copilot）的最佳标准。它侧重于技术实现层面，如结构化数据（JSON-LD）、语义化HTML和元数据优化，以提高内容的可发现性、可理解性和可引用性，而非传统的关键词排名。

智能体框架构建指南

agent-harness-construction

本指南提供了构建健壮AI智能体（Agent）的完整框架和最佳实践。它详细指导如何设计规范化的动作空间、定义结构化的工具接口、处理观察结果，并建立完善的错误恢复机制。帮助开发者提升智能体的任务完成率、优化上下文使用，实现从原型到稳定生产系统的升级。

永续自主智能体框架

autonomous-agent-harness

本框架将代码环境升级为永续、自主的智能体系统。它利用内置的定时任务、远程派遣和结构化内存（MCP）等原生功能，实现持续的自我驱动自动化。适用于构建需要长期记忆、定期运行和复杂多步骤操作的AI助理，无需依赖外部的AutoGPT等复杂框架。

动态自学习智能体架构

该工具用于创建和管理具有动态智能体架构（DAA）的智能体。与静态配置不同，DAA智能体能够根据互动持续学习，并基于性能指标调整行为，实现跨智能体知识共享。它可以帮助用户创建、监控学习状态、评估性能，并主动触发适应和知识传播，从而构建持续优化的高级AI工作流。

进化AI策略表面进行优化

本技能用于运行自动化进化流程，系统性地优化AI代理框架（Harness）的七个核心策略表面（如规划器、上下文构建器、评审器等）。通过变异这些策略并进行沙箱评分，可以识别出关键的性能提升点，从而在无需重新训练基础模型的情况下，实现高效的配置调优和性能基线确立。

GEPA基因组审计与检查工具

该工具用于深入审计和检查GEPA（基因演化提示适配）基因组，通过调用底层库实现复杂的AI系统验证。它支持加载和验证基因组结构，渲染出完整的系统提示词，或对运行记录中的失败模式进行分类和诊断。适用于AI开发流程中的持续集成和故障排除。

跨项目智能模式迁移

intelligence-transfer

本技能通过IPFS实现跨项目的智能模式共享。它允许将一个项目学到的知识模式发布出去，并让其他项目或机器获取和应用这些模式。这解决了知识仅限于项目本地的问题，确保了知识的积累和跨项目复用。

上一页 1 2 3...16 17 181920 下一页

语言