下载

Skill UI

浏览并发现 9119+ 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 SPA ，共找到 35 条记录

默认排序最新上传最多下载

Arize 判定评估流程

arize-evaluator

github/awesome-copilot

通过 ax 命令在 Arize 上设计、运行和监控 LLM 判断评估器，支持创建/更新评估器、任务触发、列映射、连续监控、跨度与实验评估，以及查询过滤等操作。

Arize 追踪导出工具

github/awesome-copilot

通过 ax CLI 从 Arize 下载 span、trace 和 session，辅助调试 LLM 应用，支持 ID/过滤/探索采样规则以及全量导出，统一写入 .arize-tmp-traces 目录。

凤凰CLI调试工具

github/awesome-copilot

Phoenix CLI 是针对 Phoenix 可观测平台的命令行调试工具，可抓取 trace、span、session、数据集、实验和 GraphQL 信息，并配合 jq 等工具处理 JSON，方便快速查错、分析性能和验证 LLM 应用状态。

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。

Acontext：AI智能体技能记忆层

acontext-installer

memodb-io/Acontext

Acontext专为生产级AI智能体设计，充当强大的记忆层。它提供持久化的会话记录、基于磁盘的存储，并具备将复杂对话提炼为可重用技能的学习空间。通过强大的命令行接口（CLI）和API，用户可以管理项目的创建、登录认证以及技能上传，极大地提升了AI智能体的上下文理解能力和长期知识积累能力。

AI与机器学习知识体系教练

02-ai-ml-learning

24kchengYe/human-skill-tree

本教练旨在建立用户真实的AI素养，提供从初级用户到高级构建者的完整学习路径。它通过Socratic提问和分层教学法，涵盖提示工程（Prompt Engineering）和机器学习（ML）底层原理，帮助用户理解AI模型的运作机制，而非仅仅停留在使用表面工具。

分子机器学习工具集

K-Dense-AI/scientific-agent-skills

DeepChem 是面向化学与生物的 Python 机器学习库，提供分子特征化、数据加载、拆分和模型训练能力，可快速用于属性、毒性、蛋白质或材料性质预测。

AgentCore运行时会话调查

agentcore-investigation

本指南提供了一套完整的流程，用于通过CloudWatch Logs Insights和OpenTelemetry (OTEL) 技术，深入调查Bedrock AgentCore的运行时会话。它涵盖了会话ID到追踪ID的解析、结构化查询构建，并能够构建详细的执行时间线。适用于诊断Agent行为、追踪工具调用、分析延迟和性能瓶颈。

实时深度估计隐私处理

depth-estimation

SharpAI/DeepCamera

本技能利用Depth Anything v2模型实现实时单目深度估计，能够将实时摄像头画面转化为彩色深度图。它提供深度图层叠加功能，并特别支持“隐私模式”，通过深度数据处理来完全匿名化场景中的人物和细节，但能保留完整的空间布局和活动轨迹，适用于安全监控和隐私保护领域。

LangGraph子图与复杂系统构建

langchain-langgraph-subgraphs

jeremylongshore/claude-code-plugins-plus-skills

本技能深入讲解LangGraph的子图（Subgraph）和组合机制，用于构建复杂的多智能体系统，如规划器-执行器或分层团队。内容重点解决了子图间共享状态的传递（P21）和回调函数作用域（P28）等关键陷阱。学习如何通过显式定义状态合同和掌握Send、Command等高级模式，构建可靠、可隔离的复杂工作流。

LangChain OTEL 可观测性追踪

langchain-otel-observability

jeremylongshore/claude-code-plugins-plus-skills

本技能旨在将LangChain 1.0和LangGraph 1.0的工作流深度集成到OpenTelemetry（OTEL）原生后端。它解决了核心可观测性痛点，包括确保提示词内容（Prompt Content）的准确捕获、实现子图（Subgraph）级的跨越式Span传播，并提供延迟、成本等五个LLM特定的服务级别目标（SLO）。适用于需要合规性、多租户或现有OTEL堆栈的场景。

语言