下载

Skill UI

浏览并发现 9183+ 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

搜索激活，共找到 24 条记录

默认排序最新上传最多下载

模型评估指标助手

model-evaluation-metrics

jeremylongshore/claude-code-plugins-plus-skills

自动提供模型评估指标的指导，涵盖实践、代码和验证规范，针对提及模型评估指标时自动激活的训练辅助。

远程模型可解释性工具

nnsight-remote-interpretability

Orchestra-Research/AI-Research-SKILLs

通过 nnsight 的 trace 与激活接口，有效分析或干预 PyTorch 模型内部，支持在本地小模型和借助 NDIF 的 70B+ 远程模型上执行，可对激活进行保存、替换和对比。

PyTorch模型因果干预

pyvene-interventions

Orchestra-Research/AI-Research-SKILLs

pyvene是一个用于在PyTorch模型上执行因果干预的声明式框架。它支持激活打补丁、因果追踪（ROME风格）和交替干预训练等高级实验。适用于需要测试模型因果假设、深入理解模型组件工作机制或确保可复现性的AI研究场景。

稀疏自编码器：模型可解释性分析

sparse-autoencoder-training

Orchestra-Research/AI-Research-SKILLs

本工具提供稀疏自编码器（SAE）的训练和分析框架。SAEs能够将大型语言模型内部密集的、多义的激活信号分解为稀疏、单义的特征。适用于需要发现模型学到的离散可解释概念、研究特征叠加性，或分析模型内部特定安全相关行为（如偏见或欺骗）的场景。

Stannp 自动化

stannp-automation

ComposioHQ/awesome-claude-skills

通过 Composio 的 Rube MCP 完成 Stannp 操作的自动化：先搜索工具确认 schema，再检查连接激活，按规定字段执行接口，并复用会话与内存参数，确保流程稳定。

Synthflow AI 自动化

synthflow-ai-automation

ComposioHQ/awesome-claude-skills

通过 Composio 的 Rube MCP 接口自动化 Synthflow AI 工作流，先发现当前工具模式，再确认连接是否激活，最后安全执行工具调用。

Tensorboard 可视化助手

tensorboard-visualizer

jeremylongshore/claude-code-plugins-plus-skills

在提到 tensorboard 可视化时自动激活，指导模型训练中的数据准备、调参和实验追踪，提供规范化配置与标准校验，确保可视化流程可用于生产。

变换器机制可解释性分析

transformer-lens-interpretability

Orchestra-Research/AI-Research-SKILLs

这是一个用于大型语言模型的机制可解释性研究库。它允许用户通过HookPoints和激活缓存来深入检查和操作Transformer模型的内部机制，例如注意力模式、残差流和MLP输出。该工具对于逆向工程模型算法、执行因果追踪和分析模型内部电路至关重要。

Typless自动化工具集

typless-automation

ComposioHQ/awesome-claude-skills

通过Rube MCP接入Composio的Typless工具集，先发现当前工具模式、确认连接已激活，再执行多工具任务，确保参数与模式一致，实现Typless工作的自动化。

专业级联智能体构建

windsurf-cascade-agents

jeremylongshore/claude-code-plugins-plus-skills

本技能用于创建和配置专业化的级联智能体，使其适应特定领域或任务需求。用户可以通过定义系统提示、集成专业知识和设置精确的激活触发器，构建出具有高度定制化和聚焦能力的AI智能体，实现领域特定的自动化工作流。

任务智能预任务简报

task-intelligence

sickn33/antigravity-awesome-skills

激活所有关联代理，进行并行分析、真实时间估算与风险映射，提前输出包含应急策略的执行计划，确保在处理用户请求前完成完整的任务智能简报。

未来预测激活指南

soft-predict-future

davepoon/buildwithclaude

Soft Predict Future 是一个面向未来结果的结构化预测引擎，只要用户咨询“会发生什么”、“谁会胜出”等时间敏感问题就会启用，强调必须执行九个步骤（验证、信号收集、评分、驱动因素提取等），并要求开启网络搜索以便提供依据。

语言