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

搜索路径，共找到 17 条记录

默认排序最新上传最多下载

智能体系统评估框架

sickn33/antigravity-awesome-skills

该技能用于构建复杂的智能体系统评估框架。它解决了智能体系统非确定性和多路径决策的难题，指导用户进行系统性性能测试，用于验证上下文工程的选择，并衡量跨多个质量维度（如事实准确性、工具效率）的持续改进。

研究想法生成与评估

wanshuiyin/Auto-claude-code-research-in-sleep

该技能根据用户提供的广泛研究方向，生成并排序可发表的研究想法。通过试点实验和模型审查系统性地验证概念，优化 GPU 效率和新颖性。适用于头脑风暴、学术探索及识别可行的研究路径。

记忆内容精简压缩器

JuliusBrussee/caveman

该工具能够将自然语言格式的记忆文件（如笔记、偏好设置）精简为高度浓缩的“史前语”格式。其核心目的是在大幅减少输入Token的同时，严格保留代码块、URL、文件路径等所有技术细节和原始结构，确保信息准确性。

基于文件的AI代理规划

planning-with-files-ar

OthmanAdi/planning-with-files

基于文件的持续规划系统，用于多步骤AI代理。在磁盘上维护task_plan.md、findings.md和progress.md文件，将规划上下文注入生命周期钩子。仅自动恢复项目规划文件。可通过session-catchup.py --metadata检查本地代理会话元数据，或--replay播放有限摘录。可选控制模式仅在主机支持时请求继续，从不执行声明的Markdown命令。无网络数据上传路径。适用于需要5次以上工具调用的研究或工作。

AI与机器学习知识体系教练

02-ai-ml-learning

24kchengYe/human-skill-tree

本教练旨在建立用户真实的AI素养，提供从初级用户到高级构建者的完整学习路径。它通过Socratic提问和分层教学法，涵盖提示工程（Prompt Engineering）和机器学习（ML）底层原理，帮助用户理解AI模型的运作机制，而非仅仅停留在使用表面工具。

AAAI产出物提交与评估指南

aaai-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南为作者提供了准备AAAI会议补充产出物（Artifacts）的最佳实践。它详尽指导如何构建技术附录、打包可复现的代码和数据集，并严格遵守匿名化要求（移除作者元数据和路径）。核心目标是确保外部审稿人能够使用简单、通用的方法，轻松验证论文中的所有研究结论和技术主张。

学术AI论文投稿全流程规划

brycewang-stanford/Awesome-Journal-Skills

本指南为机器学习研究团队规划多场会议（如COLM）投稿过程提供全流程指导。内容详细规划了从主题选择、实验设计、计算资源预留到最终提交的学术出版关键路径。它强调“倒推规划”的重要性，指导用户进行计算预算分配、作者协作管理以及证据链追踪，确保在快节奏的AI研究周期内高效、可重复地完成高质量论文。

CVPR论文投稿方向选择指南

cvpr-topic-selection

brycewang-stanford/Awesome-Journal-Skills

本指南为计算机视觉研究人员提供战略性定位工具。它帮助用户判断论文的核心贡献点是关于视觉数据还是视觉计算，根据方法、数据集、系统或应用等不同贡献类型，提供详尽的适用性测试和投稿路径图，推荐最合适的顶级会议或期刊。

负责任AI项目投稿路径选择

facct-topic-selection

brycewang-stanford/Awesome-Journal-Skills

本指南帮助研究人员确定其负责任AI项目最合适的学术投稿路径。它提供了详细的评估标准和严格的测试方法，帮助作者判断公平性、可问责性或透明度是否是核心贡献，防止负责任AI的伦理论述流于表面。

机器学习理论投稿定位指南

colt-topic-selection

brycewang-stanford/Awesome-Journal-Skills

本指南帮助研究人员确定其机器学习理论成果的最佳投稿路径。它提供了一个评估框架，用于判断一个结果是更适合COLT（学习理论会议），还是更适合其他顶级会议或期刊。重点在于区分严谨的数学证明（如界限、分离）与纯经验性的发现。

ICLR学术论文写作风格指南

iclr-writing-style

brycewang-stanford/Awesome-Journal-Skills

本指南旨在帮助将技术正确的机器学习草稿，转化为适用于ICLR及OpenReview的高可读性学术论文。它指导作者将核心的学习-表征洞察放在最前端，明确贡献类型和局限性，优化摘要和引言的独立可读性，并构建清晰的审稿人验证路径，确保论文在公开评审环境中达到最佳的学术影响力。

加载和缓存OpenMed生物医学模型

loading-openmed-models

maziyarpanahi/openmed

该技能用于管理和高效缓存OpenMed临床/生物医学命名实体识别（NER）模型。模型首次从Hugging Face Hub下载后，即可实现完全离线运行。它支持在多次调用中重用模型，并提供配置缓存目录、指定设备（CPU/GPU）以及处理多种模型标识符（注册键、完整HF ID或本地路径）。

语言