下载

Skill UI

浏览并发现 11126+ 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 IM ，共找到 565 条记录

默认排序最新上传最多下载

高级语义记忆检索系统

提供先进的语义记忆检索功能，支持多种检索模式，如混合（稀疏+密集）搜索和图谱RAG（Graph RAG）进行多跳推理。系统集成了MMR去重、时间衰减加权等高级机制，能根据查询类型和知识命名空间，提供高度精准、上下文丰富的最佳结果。

深度嵌套子代理编排

nested-subagents

用于编排深度嵌套的子代理树结构，支持多达五层级的任务委托。其核心价值在于上下文管理：它确保了深层工作流的每个阶段都能获得独立的上下文窗口，避免了父级代理的上下文预算被庞大且复杂的中间状态信息所占据。适用于需要按层级进行分解、研究、验证和合成的复杂任务流程。

神经模式训练与巩固

本工具实现了智能流程中的“蒸馏 (DISTILL)”和“巩固 (CONSOLIDATE)”阶段，用于训练和巩固学习到的神经模式。它支持单域的SONA实时适应和多域的MicroLoRA，实现长期知识存储，并防止模型发生灾难性遗忘。

智能体执行流程追踪与分析

用于追踪和分析复杂任务在多个智能体（Agents）间的执行过程。它可以收集分布式调用链（Spans），构建可视化的执行流程图，从而精确展示任务流程中的每个步骤耗时、执行顺序，并帮助用户高效识别性能瓶颈。

提示词优化器

prompt-optimizer

本工具旨在帮助用户优化和完善用于大型语言模型（LLM）的提示词。它通过结构化输入指令，确保AI接收到的信息清晰、全面且具有上下文深度，从而显著提升AI生成内容（如代码、文章、摘要等）的质量和相关性。

PyTorch深度学习模式指南

pytorch-patterns

本技能旨在指导用户掌握 PyTorch 框架中的常见模式和设计最佳实践。它适用于开发复杂的深度学习模型，有助于提升神经网络的结构化程度、代码的复用性以及整体的工程效率。

递归决策与证据追踪系统

recursive-decision-ledger

这是一个用于管理复杂、迭代、高风险决策流程的结构化框架。它要求建立一个详细、可审计的“账本”，记录每次迭代的先验结果、新输入、搜索空间指标和决策标记。该系统强制建立严格的证据追踪链，并将默认模式设置为安全、预演模式，确保信心建立在可验证的、循序渐进的证据之上。

模型网关：多模态大模型路由

routerbase-model-gateway

sickn33/antigravity-awesome-skills

RouterBase模型网关提供了一个统一的、兼容OpenAI的API接口，用于将请求智能路由到多个大型语言模型（如GPT、Claude、Gemini等）。它帮助开发者简化多模型调用流程，实现基于成本、延迟和质量的智能故障切换（Fallback），并支持复杂的多模态任务管理。

管理智能体记忆和知识迁移

用于管理和迁移存储在RVF（Ruflo Vector Format）中的智能体记忆。它支持将复杂的知识网络（包括向量嵌入、元数据和因果关系）导出、备份，并安全地在不同项目或团队间进行导入和分享，是维护知识连续性的关键工具。

生成语义向量嵌入

本技能用于将文本、代码或文档内容转化为高维度的语义向量（384维）。它基于ONNX all-MiniLM-L6-v2模型，适用于实现高级的语义搜索、相似度比较和数据聚类。生成的向量经过标准化处理，并可使用HNSW索引高效存储，极大提升了RAG等知识检索系统的性能和准确性。

高级向量搜索与检索系统

本插件提供两种向量搜索路径：第一种用于大规模语料库搜索（支持量化技术），适用于知识库和RAG应用；第二种是WASM加速的路由器，用于高性能地匹配少量高优先级模式。可用于语义检索、知识问答和数据路由。

Ruvector 框架初始化设置

该技能用于自动化初始化和配置 ruvector 框架。它会自动安装所有必需的可选依赖插件（如 ONNX、Brain 和 LLM 组件），并注册 MCP 服务器。最后，通过一系列完整的诊断测试，确保整个工具链具备最佳运行状态。

上一页 1 2 3...44 45 464748 下一页

语言