下载

Skill UI

浏览并发现 7282+ 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 AB测试，共找到 18 条记录

默认排序最新上传最多下载

A/B测试配置生成器

a-b-test-config-creator

jeremylongshore/claude-code-plugins-plus-skills

此技能自动生成用于机器学习部署的A/B测试配置，提供规范流程、代码示例和校验建议，帮助模型上线后具备完整的监控与灰度能力。

ADK智能体构建器

adk-agent-builder

jeremylongshore/claude-code-plugins-plus-skills

通过 Google ADK 与 Claude 组合，快速生成具备 React 循环、多智能体协作、工具扩展、工作流自动化及测试骨架的生产级智能体。

大语言模型智能体评估

agent-evaluation

sickn33/antigravity-awesome-skills

这是一个用于全面测试和评估大型语言模型（LLM）智能体的框架。它超越了简单的通过/失败判断，深入评估智能体的复杂行为、可靠性指标和能力一致性。适用于生产环境的监控，帮助识别高级AI智能体中的微妙故障模式。

代码模型评估与基准测试

evaluating-code-models

Orchestra-Research/AI-Research-SKILLs

本工具箱用于全面评估代码生成模型的性能。它支持针对HumanEval、MBPP、MultiPL-E等行业标准进行多语言基准测试。可量化比较不同大型语言模型（LLM）的编码能力，通过pass@k指标衡量代码生成质量。

Kling AI 视频模型指南

klingai-model-catalog

jeremylongshore/claude-code-plugins-plus-skills

指导用户了解 Kling AI 的视频生成模型、比较功能、结合质量/速度/成本的取舍，并提供测试与模型推荐的步骤，帮助选出适合特定场景的方案。

LangChain 生产部署清单

langchain-prod-checklist

jeremylongshore/claude-code-plugins-plus-skills

帮助 LangChain 团队检查生产部署的安全、容错、可观测、性能、测试与成本管理，便于上线前校验准备情况或回顾现有系统。

Langfuse 持续集成配置

langfuse-ci-integration

jeremylongshore/claude-code-plugins-plus-skills

在 GitHub Actions 中配置 Langfuse，可实现轨迹验证、提示回归测试、提示自动部署与质量分数监控，帮助持续集成阶段验证和管理提示与调用质量。

Langfuse评估与打分流程

langfuse-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

使用Langfuse核心流程B收集用户反馈、自动化评估函数、LLM裁判评分，并对比提示以实现AI产出质量打分和AB测试。

LangSmith LLM 可观测平台

langsmith-observability

Orchestra-Research/AI-Research-SKILLs

LangSmith 为 LLM 应用提供端到端观测能力，跟踪调用、评估输出、监控生产系统并构建测试集，同时与 OpenAI、Anthropic、LangChain 等集成，方便排查问题与保障服务质量。

OpenRouter 流式响应设置

openrouter-streaming-setup

jeremylongshore/claude-code-plugins-plus-skills

该技能指导如何接入 OpenRouter 流式响应，实现实时聊天输出并缩短首令牌时间，涵盖前置条件、配置调整、测试验证和上线监控，适用于支持 SSE 的前端。

凤凰AI可观测平台

phoenix-observability

Orchestra-Research/AI-Research-SKILLs

Phoenix 是开源AI可观测平台，可用于追踪、评估和监控大语言模型应用，支持实验对比、数据集回归测试与实时生产监控，帮助工程团队自托管排查与优化。

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。

语言