软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16569+ 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

搜索工程化，共找到 29 条记录

默认排序最新上传最多下载

智能体性能优化工作流

agent-orchestration-improve-agent

sickn33/antigravity-awesome-skills

本工作流提供了一个系统性的框架，用于提升现有AI智能体的性能和可靠性。流程包括全面性能指标分析、详细的故障模式分类、高级提示词工程优化（如思维链和宪法AI），并最终通过结构化的A/B测试和受控部署，实现可量化、鲁棒的性能提升。

多智能体系统优化工具

agent-orchestration-multi-agent-optimize

sickn33/antigravity-awesome-skills

这是一个先进的人工智能驱动框架，用于进行多智能体系统的整体性能工程优化。它提供协调的性能分析、工作负载分配和成本感知编排，覆盖数据库、应用层和前端等多个领域。可用于识别系统瓶颈，提高吞吐量，增强复杂智能体工作流的可靠性和效率。

AI 包装产品战略

ai-wrapper-product

sickn33/antigravity-awesome-skills

指导如何打造真正解决问题的 AI 包装产品，涵盖产品化提示工程、API 成本与使用度统计、模型选择及差异化 UX，让 AI 成为可盈利、可信赖的功能。

AI 包装产品战略

ai-wrapper-product

sickn33/antigravity-awesome-skills

指导如何打造真正解决问题的 AI 包装产品，涵盖产品化提示工程、API 成本与使用度统计、模型选择及差异化 UX，让 AI 成为可盈利、可信赖的功能。

Claude代码开发最佳实践指南

claude-code-guide

sickn33/antigravity-awesome-skills

这份指南旨在提供一个全面参考，帮助用户最大化利用Claude Code（一个智能体编程工具）的潜力。内容涵盖了最佳实践、项目配置模板（CLAUDE.md）、高级提示工程技巧和调试策略，指导用户实现高效、可靠的自主软件开发流程。

大模型上下文工程基础

context-fundamentals

sickn33/antigravity-awesome-skills

本技能深入讲解了大型语言模型（LLMs）推理时可用的完整状态（上下文）。内容涵盖系统提示、工具定义、消息历史记录和检索文档等核心组件。掌握上下文工程是构建稳定、高效AI智能体的关键，它指导用户如何优化上下文内容，管理注意力预算，确保模型接收到最相关的“高信号”信息。

Databricks ML模型全生命周期管理

databricks-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

本流程展示了在Databricks上完整的MLOps生命周期。它指导用户如何使用Feature Store进行特征工程，通过MLflow进行实验跟踪和模型训练，在Model Registry中管理模型版本，最终部署为可实时推理的API服务。适用于构建可生产化、高可靠性的机器学习系统。

特征工程工具集

engineering-features-for-machine-learning

jeremylongshore/claude-code-plugins-plus-skills

该技能借助 feature-engineering-toolkit 插件自动创建、筛选和转化特征，用于提升机器学习模型的准确性和解释性，适合构造交互特征、降维或归一化等预处理场景。

LLM微调专家指南

fine-tuning-expert

Jeffallan/claude-skills

指导模型工程师完成数据准备、LoRA/QLoRA 适配器配置、训练监控、评估指标收集以及 Adapter 合并部署等 LLM 微调与量化的关键流程。

大型语言模型提示词优化

llm-application-dev-prompt-optimize

sickn33/antigravity-awesome-skills

本技能模拟专家级提示词工程师，专注于为大型语言模型（LLMs）优化提示词。它运用宪法AI、思维链等高级技术，将基础指令转化为生产级的优化提示，能够显著提高模型的准确性、降低幻觉并节省成本。适用于需要系统性提升LLM性能和流程优化的场景。

多智能体MLOps管道编排

machine-learning-ops-ml-pipeline

sickn33/antigravity-awesome-skills

本技能旨在指导设计和实现一个完整的、生产级别的机器学习（ML）管道。它采用多智能体编排工作流，系统地覆盖了ML整个生命周期：包括数据摄取、特征工程、模型训练、代码优化和生产部署（MLOps），确保系统具备高可重复性、可监控性和高扩展性。

机器学习全生命周期流程管理

ml-pipeline-workflow

sickn33/antigravity-awesome-skills

本技能提供完整的MLOps管道编排指南，覆盖机器学习的整个生命周期。它指导用户从数据摄取、特征工程、模型训练，到系统级的模型验证和部署自动化，确保构建出可复现、高可用、可监控的生产级机器学习系统。

语言