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

搜索模式，共找到 169 条记录

默认排序最新上传最多下载

运行GEPA学习周期优化提示词策略

该工具运行GEPA学习周期，能够自动化地根据评分任务语料库优化和进化策略提示词（policy prompt）。它解决了手动迭代提示词的局限性，通过测量性能提升来确定最佳的“模型基因组”。支持免费的干运行模式，可预估成本，确保在投入实际资源前评估效果。

编排自定义AI智能体框架

该工具用于脚手架构建复杂的自定义AI智能体框架，支持多种垂直模板和AI模型宿主。它内置高度安全机制，默认处于模拟运行（Dry-run）模式，不会修改调用仓库根目录，确保了开发流程的确定性和可控性。

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。

跨项目知识模式共享

intelligence-transfer

本技能提供跨项目智能模式共享的能力，通过IPFS将一个项目学习到的知识模式发布到去中心化网络。其他项目可以从网络中拉取这些模式，并将其安全合并到本地状态中。这尤其适用于新项目启动时引入先验知识，或在多个项目间进行知识成果的整合。

神经网络模式训练与巩固

用于训练和巩固系统学习到的神经网络模式。它实现了智能管线中的“蒸馏”（DISTILL）和“巩固”（CONSOLIDATE）阶段，能够从成功任务中提炼经验，并通过SONA或MicroLoRA进行高效的多域适应，最终将知识固化到长期存储中。

PyTorch深度学习模式指南

pytorch-patterns

本技能旨在指导用户掌握 PyTorch 框架中的常见模式和设计最佳实践。它适用于开发复杂的深度学习模型，有助于提升神经网络的结构化程度、代码的复用性以及整体的工程效率。

工作流创建与编排

workflow-create

提供工作流的创建与编排功能，支持两种模式：一是持久化、可暂停的MCP模板，适用于需要人工审批的长流程；二是原生的JavaScript脚本，用于实现复杂的智能体并行调用和结构化结果聚合，适用于自动化审计、研究等多步骤任务。

编码代理上手引导与辅导

help-me-get-started

data-goblin/power-bi-agentic-development

这是一个为初学者设计的、人性化的AI编码代理上手引导工具。它模拟了导师辅导的流程，为用户提供结构化的环境设置帮助和深入的概念解释。它包含两种模式：简洁的设置指导和深入的知识学习。适用于初次使用代理、理解核心AI概念（如模型、提示词、工具）或审计现有配置的场景。

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。

CVPR顶级会议论文投稿指南

computer-vision-and-pattern-recognition

brycewang-stanford/Awesome-Journal-Skills

本指南提供了一套针对计算机视觉顶级会议（如CVPR）的论文定位、结构和优化策略。它详细指导作者如何突出研究的重大创新性、完善实验设计（如消融实验、失败模式分析），确保论文的叙事结构和技术深度达到顶级会议的要求，帮助作者完善投稿策略。

人工智能论文可复现性指南

ecai-reproducibility

brycewang-stanford/Awesome-Journal-Skills

本指南提供针对顶会（如ECAI）的AI/ML研究论文的可复现性构建方法。详细介绍了两种模式：理论工作需在补充材料中提供完整的证明和假设，而经验工作则要求固定随机种子、缓存原始输出，并对数据集、模型和环境进行严格的溯源追踪（Provenance Pinning）。同时，也涵盖了双盲评审的最佳实践和主文与补充材料内容的合理划分。

IEEE TPAMI期刊投稿指南

ieee-transactions-on-pattern-analysis-and-machine-intelligence

brycewang-stanford/Awesome-Journal-Skills

本指南旨在帮助计算机视觉、模式识别或机器学习领域的作者，评估其学术论文是否符合IEEE《模式分析与机器智能汇刊》（TPAMI）的高标准。详细涵盖了文章的适用范围、方法论要求、实验证据的完备性、结构格式以及投稿前的自检清单，确保稿件达到权威期刊的发表级别。

上一页 1 2 3...10 11 121314 15 下一页

语言