下载

Skill UI

浏览并发现 11317+ 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 RACI ，共找到 13 条记录

默认排序最新上传最多下载

生产级Genkit应用流开发

genkit-production-expert

jeremylongshore/claude-code-plugins-plus-skills

本技能旨在指导用户构建生产级的Genkit AI应用。内容涵盖完整的开发生命周期，包括实现高级RAG系统、多步骤工具调用代理和复杂工作流，支持Node.js、Python和Go等多种语言。重点讲解了Schema验证、OpenTelemetry追踪、错误处理、以及到Firebase Functions或Cloud Run的可靠部署最佳实践。

LangChain可观测性监控系统

langchain-observability

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了一套完整的LangChain生产级可观测性解决方案。它整合了LangSmith零代码追踪、自定义回调函数进行指标捕获（如延迟、Token使用量、错误率），以及Prometheus导出器实现告警。帮助开发者实时监控整个LLM应用管线，确保系统性能和稳定性。

LangChain事件处理与流式集成

langchain-webhooks-events

jeremylongshore/claude-code-plugins-plus-skills

该技能用于实现LangChain的高级事件驱动模式。提供自定义回调处理器，可监听链式调用过程中的关键生命周期事件（如工具调用、LLM Token流式生成）。同时支持通过SSE和WebSocket进行实时数据流传输，并通过Webhook实现所有运行事件的聚合和可观测性追踪。

Langfuse CI/CD：LLM质量测试集成

langfuse-ci-integration

jeremylongshore/claude-code-plugins-plus-skills

本指南展示如何将Langfuse集成到CI/CD流水线（例如GitHub Actions）中，用于自动化大型语言模型（LLM）的质量测试。用户可以实现提示词回归测试、调用链验证和实验驱动的质量门禁，确保AI应用的稳定性和性能。

Langfuse LLM 调用可观测性

langfuse-core-workflow-a

jeremylongshore/claude-code-plugins-plus-skills

本工作流展示了如何使用 Langfuse 为大型语言模型（LLM）调用、链式调用和复杂 Agent 实现端到端的完整追踪。它覆盖了包括 OpenAI 包装器、RAG 流程的手动 Span 追踪、流式响应监控以及多模型（如 OpenAI, Anthropic）的集成。适用于需要深入了解 AI 系统性能、调试复杂流程和监控生产环境 LLM 使用情况的场景。

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。

远程模型可解释性工具

nnsight-remote-interpretability

Orchestra-Research/AI-Research-SKILLs

通过 nnsight 的 trace 与激活接口，有效分析或干预 PyTorch 模型内部，支持在本地小模型和借助 NDIF 的 70B+ 远程模型上执行，可对激活进行保存、替换和对比。

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。

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。

凤凰AI追踪指南

phoenix-tracing

github/awesome-copilot

为 Phoenix AI 服务提供 OpenInference 追踪指南，涵盖安装、自动/手动 span、属性规范及生产部署，助力 Python/TypeScript LLM 应用实现可观测性。

犯罪事件角色链追踪

crime-role-chain

EverMind-AI/EverOS

当案件查询的答案不是直接给出的，而是需要通过一系列角色、人物或事件链条来推导时，使用此技巧。它要求追踪复杂的间接关系，例如从受害者到被告人、律师再到证人，从而逐步定位最终的关键信息。适用于复杂的调查研究和知识图谱的深度遍历。

语言