登录
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
493
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。
查看详情
LangChain生产环境就绪度清单
langchain-prod-checklist
jeremylongshore/claude-code-plugins-plus-skills
131
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。
查看详情
Langfuse LLM评估与基准测试
langfuse-core-workflow-b
jeremylongshore/claude-code-plugins-plus-skills
87
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。
查看详情
LlamaGuard 内容审核
llamaguard
Orchestra-Research/AI-Research-SKILLs
441
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。
查看详情
机器学习全生命周期流程管理
ml-pipeline-workflow
sickn33/antigravity-awesome-skills
282
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。
查看详情
NotebookLM文档查询与管理
notebooklm
PleasePrompto/notebooklm-skill
497
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。
查看详情
多智能体协同编排
orchestrating-multi-agent-systems
jeremylongshore/claude-code-plugins-plus-skills
452
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。
查看详情
Perplexity云平台部署集成指南
perplexity-deploy-integration
jeremylongshore/claude-code-plugins-plus-skills
244
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。
查看详情
RAG系统实现工作流
rag-implementation
sickn33/antigravity-awesome-skills
258
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。
查看详情
PyTorch原生智能体RL训练框架
torchforge-rl-training
Orchestra-Research/AI-Research-SKILLs
135
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。
查看详情
变换器机制可解释性分析
transformer-lens-interpretability
Orchestra-Research/AI-Research-SKILLs
259
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。
查看详情
超参数优化助手
tuning-hyperparameters
jeremylongshore/claude-code-plugins-plus-skills
373
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。
查看详情
上一页
1
2
3
4
5
6
7
8
9
下一页
语言
简体中文
English