软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16538+ 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

搜索架构设计，共找到 27 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。

智能体记忆系统架构

agent-memory-systems

sickn33/antigravity-awesome-skills

本技能深入探讨了智能体（AI Agent）的记忆系统架构。它涵盖了短期上下文、长期向量存储和认知架构（CoALA模型：语义、情景、程序性记忆）的理论及实践。学习如何设计有效的记忆检索机制，选择合适的向量数据库和嵌入模型，从而构建具备长期记忆和高度上下文理解能力的AI应用。

自主AI智能体架构设计

ai-agents-architect

sickn33/antigravity-awesome-skills

本技能专注于自主AI智能体的完整架构设计与构建。涵盖工具调用、分层记忆系统（情景、语义、工作记忆）、高级规划策略（ReAct、计划执行）和多智能体编排。旨在构建具备高自主性但同时可控的AI系统，重点解决复杂任务链中的错误处理、鲁棒性和系统可观察性。

自主AI智能体架构设计

ai-agents-architect

sickn33/antigravity-awesome-skills

本技能专注于自主AI智能体的完整架构设计与构建。涵盖工具调用、分层记忆系统（情景、语义、工作记忆）、高级规划策略（ReAct、计划执行）和多智能体编排。旨在构建具备高自主性但同时可控的AI系统，重点解决复杂任务链中的错误处理、鲁棒性和系统可观察性。

领先计算机视觉架构师

computer-vision-expert

sickn33/antigravity-awesome-skills

提供设计、实现和优化前沿计算机视觉流程的专业指导。涵盖实时目标检测（YOLO26）、基于提示的语义分割（SAM 3）以及利用视觉语言模型（VLM）进行高级视觉推理。适用于机器人、自动驾驶和工业检测等场景，尤其擅长3D重建和边缘侧部署优化。

动态上下文管理与编排

context-manager

sickn33/antigravity-awesome-skills

该技能专注于设计和实现高级AI上下文架构。它擅长整合智能记忆系统、向量数据库和知识图谱，确保AI应用在复杂的、多智能体的工作流中保持连贯、相关且可扩展的状态。适用于企业级RAG系统和状态化AI开发。

CrewAI 多智能体架构师

sickn33/antigravity-awesome-skills

使用CrewAI构建角色化多智能体协作，设计代理人物、任务与流程，配置记忆与规划，在结构化工作流中协调复杂任务。

Groq应用参考架构设计

groq-reference-architecture

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一套基于Groq LPU推理API的生产级参考架构蓝图。它系统地展示了如何根据延迟、质量或成本需求实现模型路由、流式数据管道，并构建了多提供商故障转移机制（如Groq到OpenAI备份）。适用于设计和优化复杂的、高弹性的AI应用系统。

LangChain/LangGraph智能体开发专家

llm-application-dev-langchain-agent

sickn33/antigravity-awesome-skills

该技能旨在提供构建生产级、复杂AI智能体系统的专家指导。它专注于使用最新LangChain 0.1+和LangGraph API，实现多智能体编排、高级检索增强生成（RAG）流程（如RAG Fusion、HyDE）和复杂的状态管理。内容覆盖从架构设计到生产部署的全周期，包括FastAPI流式API、LangSmith可观测性、缓存优化及健壮的错误处理机制。

智能体内存系统设计

sickn33/antigravity-awesome-skills

本技能专注于设计和构建复杂、分层的AI智能体内存架构。它超越了简单的上下文窗口和向量存储的局限，引入了短期、长期和基于图谱的内存系统。使用此技能可确保智能体在会话间保持记忆持久性，维护实体一致性，并在累积的知识库上进行高级、关系驱动的推理，包括时序知识追踪。

极简GPT模型训练与学习系统

Orchestra-Research/AI-Research-SKILLs

nanoGPT是一个极简主义的GPT模型实现，专为教育和学习设计。它以简洁、可修改的代码复刻了GPT-2的核心架构，使用户能够从零开始理解整个Transformer流程。该框架支持完整的工作流，包括数据准备、模型训练和文本生成，非常适合学习NLP和深度学习原理的学生和研究人员。

AI驱动的研究架构设计

perplexity-reference-architecture

jeremylongshore/claude-code-plugins-plus-skills

本技能提供了一套完整的、模仿Perplexity的AI搜索和研究系统参考架构。它涵盖了搜索服务（模型路由、缓存）、引用文献处理（提取、验证）和研究编排器（多查询合成）三个核心模块，适用于构建复杂的、增强搜索能力的AI应用和系统设计。

语言