登录
下载

Skill UI

浏览并发现 15554+ 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 Result ，共找到 64 条记录
默认排序 最新上传 最多下载

云端分子结构与生物计算平台

tamarind
K-Dense-AI/scientific-agent-skills
66
Tamarind Bio是一个专业的云平台，集成了多种前沿的开源生物计算工具。它支持复杂的生物学任务，包括蛋白质结构预测（如AlphaFold）、分子设计、蛋白-配体对接和结合亲和力预测等。用户无需在本地部署高性能GPU，即可完成完整的生物结构分析。
查看详情

动态多智能体工作流编排

odw
sickn33/antigravity-awesome-skills
292
适用于需要复杂、多步骤、多智能体协作的流程任务。它首先生成任务图和详细计划，然后通过本地守护进程（daemon）进行并行执行和对抗性验证。当用户提出的任务范围广、涉及多个文件或需要明确的“工作流”概念时使用，确保执行过程结构化、可靠且可追溯。
查看详情

深度研究需求提示生成

research-prompt
sickn33/antigravity-awesome-skills
218
本技能用于将用户模糊或笼统的研究需求，转化为一个高度结构化、自包含的深度研究提示。它可以帮助用户系统性地定义项目的背景、核心问题和具体子问题，确保生成的提示具备极高的专业性和严谨性，适用于利用AI进行深度、多源的系统性研究。
查看详情

运行DeepSWE编程代理基准测试

run-deep-swe
sickn33/antigravity-awesome-skills
335
用于对大型语言模型（LLM）进行全面的编码代理能力评估。它通过DeepSWE基准测试，使用OpenRouter和mini-swe-agent，对113个任务进行评测，生成可复现的性能得分和评估报告。适用于模型能力对比、开发评估和学术研究。
查看详情

LLM成本基准测试

cost-benchmark
ruvnet/ruflo
387
该技能用于运行结构化和对抗性语料库的全面基准测试。它测量了增强器（booster）模型与主流LLM基线（如Gemini、Anthropic）的性能和成本效率。结果以可验证的JSON报告持久化，是发布和审计模型性能声明的关键环节。
查看详情

AI智能体工作流编排

dmux-workflows
affaan-m/ECC
260
用于管理和协调涉及多个AI智能体和任务的复杂工作流。它支持将任务分配给多个工作节点，处理运行时错误，并将分散的结果进行智能合并，适用于大规模、分布式的人工智能计算流程。
查看详情

提示词优化器

prompt-optimizer
affaan-m/ECC
297
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。
查看详情

Gemini图像生成与编辑工具

nanobanana-skill
feiskyer/claude-code-settings
68
利用Google Gemini API，该技能可根据文字描述生成高质量图像，或对现有图片进行专业编辑。该工具支持多种宽高比和高分辨率输出，适用于各种创意设计、概念图和视觉内容创作场景。
查看详情

多智能体主题选择与投稿指南

aamas-topic-selection
brycewang-stanford/Awesome-Journal-Skills
488
本指南帮助研究人员确定多智能体AI研究的最佳投稿期刊或会议（如AAMAS、NeurIPS、ICML等）。它强调研究核心必须是智能体之间的“交互结果”（如机制设计、协调或谈判），而非简单地将单智能体方法放入多智能体测试环境。用于在撰写论文前，精炼研究框架和定位目标领域。
查看详情

多媒体研究结果可复现性指南

acmmm-reproducibility
brycewang-stanford/Awesome-Journal-Skills
96
本指南旨在帮助研究人员确保多媒体领域的实验结果具备高度可复现性。它详细阐述了从代码提交、数据版本、媒体预处理参数到硬件环境记录等关键步骤，确保独立评审人员能够重现论文报告的全部结果。
查看详情

ACM多媒体论文选题指南

acmmm-topic-selection
brycewang-stanford/Awesome-Journal-Skills
212
本指南帮助研究人员判断项目核心是跨模态融合、媒体系统升级还是人类中心的应用，从而决定其最适合投稿的顶级会议（如ACM MM、CVPR、ACL等）或期刊，避免单一模态的误投。
查看详情

人工智能研究可复现性指南

cikm-reproducibility
brycewang-stanford/Awesome-Journal-Skills
176
本指南概述了复杂人工智能和知识图谱研究的可复现性最佳实践。它详细指导研究者如何记录和固定从数据预处理、模型训练到大模型提示词等所有环节的细节，确保即使使用了专有数据，研究结果也能被同行充分验证。
查看详情
上一页123456下一页
语言
简体中文
English