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

搜索追踪，共找到 52 条记录

默认排序最新上传最多下载

多步实体链追踪与关联分析

blog-entity-chain

EverMind-AI/EverOS

该技巧用于解决需要追踪多个关联实体（如作者到文章，文章到人物）的复杂问题。核心方法是打破“一步到位”的思维定式，将问题分解为多个连续的搜索步骤。必须利用前一步搜索找到的结果作为锚点，逐步推进后续的知识链条构建。

AgentCore运行时会话调查

agentcore-investigation

本指南提供了一套完整的流程，用于通过CloudWatch Logs Insights和OpenTelemetry (OTEL) 技术，深入调查Bedrock AgentCore的运行时会话。它涵盖了会话ID到追踪ID的解析、结构化查询构建，并能够构建详细的执行时间线。适用于诊断Agent行为、追踪工具调用、分析延迟和性能瓶颈。

Claude API调用监控与性能跟踪

anth-observability

jeremylongshore/claude-code-plugins-plus-skills

该工具提供全面的Claude API调用监控能力。它通过结构化日志和Prometheus指标，实时追踪API延迟、Token消耗、预估成本和错误率。适用于需要高可靠性、预算控制和性能监控的AI应用系统，确保Claude集成稳定运行。

LangChain OTEL 可观测性追踪

langchain-otel-observability

jeremylongshore/claude-code-plugins-plus-skills

本技能旨在将LangChain 1.0和LangGraph 1.0的工作流深度集成到OpenTelemetry（OTEL）原生后端。它解决了核心可观测性痛点，包括确保提示词内容（Prompt Content）的准确捕获、实现子图（Subgraph）级的跨越式Span传播，并提供延迟、成本等五个LLM特定的服务级别目标（SLO）。适用于需要合规性、多租户或现有OTEL堆栈的场景。

亚洲音乐曲目追踪指南

track-asian-music

EverMind-AI/EverOS

本技能提供了一套针对K-pop、J-pop、菲律宾等亚洲音乐类型的深度搜索策略。它指导用户如何通过加入地域关键词、理解偶像团体的发展周期和文化细节，进行更精确的曲目和艺人查找，避免搜索结果过于泛泛。

成本感知LLM流水线

cost-aware-llm-pipeline

在保持质量的前提下控制LLM API调用的成本。该模式结合了基于任务复杂度的模型路由、不可变预算追踪、仅重试暂时性错误的窄逻辑以及提示词缓存。适用于调用LLM API的应用、处理复杂度各异的批量任务，以及需要预算门禁的生产系统。

AI会话成本追踪

该工具可自动读取AI会话的JSONL日志，统计不同模型和级别的Token使用量。它根据预设的定价模型计算出总的美元成本，并将结构化的成本记录持久化到成本追踪命名空间，为后续的成本报告和分析提供准确数据源。

团队智能体编排与管理

team-agent-orchestration

适用于管理多个AI智能体（代理群）的复杂开发流程。它定义了明确的工作项、所有权、Kanban状态和合并门，确保跨多个智能体、分支和工具的协作流程是可靠、可追踪的。

热点监控

liyupi/yupi-hot-monitor

跨中外多平台搜索并分析热点趋势，适合追踪新闻动态、监控关键词、发现最新话题并生成热点报告。

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。

COLT论文证明证据评估指南

colt-artifact-evaluation

brycewang-stanford/Awesome-Journal-Skills

本指南指导作者如何为COLT会议撰写理论论文。由于会议不设正式的“证据包”评估环节，因此本书强调将证明附录作为核心“证据”。内容涵盖了如何构建可验证的证明日志、如何严谨地追踪数学常数和外部理论结果，确保论文的理论严谨性。

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。

上一页 1 2 345 下一页

语言