下载

Skill UI

浏览并发现 9630+ 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 Go ，共找到 97 条记录

默认排序最新上传最多下载

LangChain SDK安装与身份验证

langchain-install-auth

jeremylongshore/claude-code-plugins-plus-skills

本指南详细介绍了LangChain SDK在Python和Node.js环境中的安装流程。它指导用户配置核心依赖包，并安全地设置OpenAI、Anthropic和Google等主流大型语言模型（LLM）提供商的API密钥，是启动任何LLM应用开发项目的必备步骤。

LangChain生产环境就绪度清单

langchain-prod-checklist

jeremylongshore/claude-code-plugins-plus-skills

这是一份全面的LangChain应用程序生产环境就绪度清单。它系统性地覆盖了从配置管理、错误处理、可观测性（如LangSmith）、性能优化、安全加固（防止提示注入、处理PII）到严格测试和部署策略等多个维度，帮助开发者确保AI应用具备高可靠性和可维护性，适用于应用上线前或现有系统的审计。

Langfuse LLM评估与基准测试

langfuse-core-workflow-b

jeremylongshore/claude-code-plugins-plus-skills

本技能提供一套完整的LLM评估工作流，使用Langfuse平台实现系统质量管理。涵盖了利用评分机制、收集用户反馈、管理版本化的Prompt、创建测试数据集、运行自动化实验（包括LLM-as-a-Judge）等多个环节，旨在帮助开发者进行全面的模型性能基准测试和质量保障。

LlamaGuard 内容审核

Orchestra-Research/AI-Research-SKILLs

LlamaGuard 是 Meta 提供的 7-8B 参数审核模型，能在输入/输出端识别暴力仇恨、性内容、武器、毒品、自伤、犯罪策划等六类风险，支持 vLLM、HuggingFace、FastAPI 和 NeMo Guardrails 的部署。

机器学习全生命周期流程管理

ml-pipeline-workflow

sickn33/antigravity-awesome-skills

本技能提供完整的MLOps管道编排指南，覆盖机器学习的整个生命周期。它指导用户从数据摄取、特征工程、模型训练，到系统级的模型验证和部署自动化，确保构建出可复现、高可用、可监控的生产级机器学习系统。

NotebookLM文档查询与管理

PleasePrompto/notebooklm-skill

该技能集成了Google NotebookLM，允许用户使用Gemini查询和分析其上传的文档资料。功能包括管理笔记库（添加、列表、搜索）和处理身份验证。它提供源文档支持的答案和引用，有效减少幻觉，适用于深度研究和知识问答场景。

多智能体协同编排

orchestrating-multi-agent-systems

jeremylongshore/claude-code-plugins-plus-skills

通过 AI SDK v5 让 Claude 搭建多智能体系统，安排专业化代理、任务交接与智能路由，适用于代码生成、客服等需复杂工作流的场景。

Perplexity云平台部署集成指南

perplexity-deploy-integration

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了使用 Perplexity Sonar API 构建和部署应用的完整流程。涵盖了 Vercel、Cloud Run 和 Docker 等主流云平台的部署配置，支持构建生产就绪的API端点。用户可以管理API密钥、利用边缘函数和Redis缓存，确保应用在高可用性和高性能方面达到最佳效果。

RAG系统实现工作流

rag-implementation

sickn33/antigravity-awesome-skills

本工作流提供了一个从零到一的RAG（检索增强生成）系统构建指南。它涵盖了从嵌入模型选择、向量数据库配置、分块策略设计，到混合检索、LLM集成和系统评估的整个流程，确保构建出知识可靠、性能优越的AI应用。

PyTorch原生智能体RL训练框架

torchforge-rl-training

Orchestra-Research/AI-Research-SKILLs

torchforge是Meta推出的用于智能体强化学习（RL）的PyTorch原生框架。它将核心的RL算法与复杂的分布式基础设施进行了彻底分离。用户可以专注于算法的快速实验和开发，无需担心底层分布式训练、权重同步等复杂问题，支持从单卡到大规模集群的扩展训练。

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。

超参数优化助手

tuning-hyperparameters

jeremylongshore/claude-code-plugins-plus-skills

帮助 Claude 自动通过网格、随机或贝叶斯搜索调整机器学习模型超参数，生成可执行的 Python 代码、执行验证并返回最优配置与模型指标，适合提升精度、召回等性能。

上一页 1 234 5 6 7 8 9 下一页

语言