软件下载帮助文档新闻资讯

Skill UI

浏览并发现 15857+ 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

搜索迭代，共找到 16 条记录

默认排序最新上传最多下载

智能科学示意图生成

scientific-schematics

K-Dense-AI/claude-scientific-skills

通过 Nano Banana 2 联手 Gemini 3.1 Pro Preview，自动迭代生成期刊级科学示意图（神经网络、系统框架、通路等），并按文档类型质量标准判断是否重生成。

自动化多轮研究评审循环

auto-review-loop

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

这是一个功能强大的自动化工具，用于管理多轮次的复杂研究或代码迭代改进。它能模拟外部评审过程，持续接收反馈、执行修复，并进行再评审，直至内容满足预设的优秀标准，或达到最大轮次限制。适用于需要高精度、自我修正质量控制的专业项目。

自主LLM研究迭代评审循环

auto-review-loop-llm

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

该技能实现自主研究迭代优化流程。它利用兼容OpenAI的LLM，自动进行多轮评审、打分及提出改进方案，直至研究内容达到可提交（Ready）的专家级标准。它支持状态管理，模拟了完整的专业同行评审过程。

自动研究论文多轮审阅

auto-review-loop-minimax

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

本技能实现了一个自主、多轮次的科研论文审阅循环，模拟顶级学术会议的同行评审过程。它能够迭代地对研究文档进行审查、发现不足、提出修改意见，并进行再审查，直到达到“准备就绪”的评估标准或达到最大轮次限制。适用于学术写作、论文完善或深度项目文档撰写。

学术论文图表AI生成器

paper-illustration

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

专业的学术论文图表生成工具。它采用多阶段、迭代式的流程，利用AI模型（如Gemini和Claude）来解析请求、优化复杂的架构布局、检查学术规范（如CVPR/NeurIPS风格），最终生成达到出版级别的高质量插图和流程图，专为科研人员设计。

自进化高级协议平台

该技能是高级扩展层，实现了“自进化协议”，能够记录和维护会话中的状态连续性（Compaction），并提供KPI风格的性能总结。它允许用户模拟持续的专业成长和技能掌握，通过迭代机制不断调整和内化最佳表现基线，适用于复杂角色扮演和专业技能训练。

技能创建与优化工作流

CherryHQ/cherry-studio

这是一个用于AI能力全生命周期管理的技能。它能帮助用户从零开始创建新的技能，系统地迭代和改进已有的技能，并进行科学的性能测试。整个流程涵盖了意图捕捉、制定测试用例、运行量化基准测试、评估结果，以及优化技能描述，确保AI调用准确性。

智能体评估与迭代优化模式

github/awesome-copilot

本技能提供了一套完整的AI智能体（Agent）评估和迭代优化模式。它指导用户构建自我批判、评估器-优化器等复杂流程，用于提高代码、报告和分析等复杂内容的准确性和质量。通过实现结构化的迭代循环，实现持续的输出改进（生成→评估→批判→优化）。

研究知识库：持久化知识管理

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

这是一个持久化的、基于图谱的研究知识库。它能跨越整个科研生命周期，结构化地累积和关联知识，包括研究论文、实验结果、核心想法和可验证的论点。它通过知识网络不断迭代，确保每一次输入都能增强知识的深度，而非仅仅停留在一次性查询记录。

AI智能体自进化引擎

capability-evolver

Evolver是一款为AI智能体设计的自进化引擎。它能深入分析运行时的历史记录，识别性能缺陷和效率低点，并自主编写和应用改进方案。其架构通过本地代理信箱（Proxy Mailbox）与EvoMap Hub进行安全通信，适用于构建高度自适应、持续迭代的智能系统。

自动AI智能体进化与优化

evolving-ai-agents

Orchestra-Research/AI-Research-SKILLs

A-Evolve是一个通用框架，用于通过LLM驱动的进化算法，自动优化和迭代改进AI智能体。它通过在标准基准测试（Benchmarks）上运行“求解-观察-进化”循环，持续优化智能体的提示词、技能和记忆，实现自学习的、性能增强的智能体。

假设树自主优化系统

K-Dense-AI/scientific-agent-skills

Arbor提供自主优化（AO）循环，用于针对可量化目标持续迭代改进复杂的工件，例如模型、智能体或数据管道。它采用假设树精炼（HTR）方法，将研究过程结构化为持续的假设树，追踪每次实验的假设、洞察和证据。该系统特别适用于长周期的优化任务，并通过保留的测试集来防止过拟合，确保优化过程的累积性和可审计性。

语言