登录
下载
Skill UI
浏览并发现
9688+
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
Tor
,共找到
260
条记录
默认排序
最新上传
最多下载
OpenViking长期记忆上下文增强
openviking-memory
volcengine/OpenViking
277
这是一份关于OpenViking长期记忆插件的指南。该插件通过自动提取和存储对话中的关键信息和偏好,显著增强了AI的对话连贯性和记忆能力。它能在回复前自动召回相关上下文,使用户体验更自然、更具个性化。提供了记忆召回、手动存储和删除等核心功能。
查看详情
导入知识资源与持久记忆
ov-add-data
volcengine/OpenViking
263
本技能用于将外部资源和对话上下文持久化存储到OpenViking的上下文数据库中。它支持通过'add-resource'导入各种资源(如本地文件、URL、仓库、目录),并使用'add-memory'功能存储复杂的、多轮次的对话交互记录。适用于构建知识库、项目文档归档,或确保对话洞察在会话间持续保持。
查看详情
对话式播客生成器
podcast-generation
bytedance/deer-flow
296
将用户文章、报告或文档转化为自然的双主持播客,通过结构化 JSON 剧本并调用内置 TTS 流程生成 MP3 音频和文字稿,适用于中英文内容。
查看详情
AI幻灯片生成器
ppt-generation
bytedance/deer-flow
435
通过规划幻灯片结构、为每页生成 AI 图像,并将它们组合成风格统一的 PPTX 演示文稿,快速产出高质量的演示材料。
查看详情
C# 模型上下文服务器构建
csharp-mcp-server-generator
github/awesome-copilot
493
本技能旨在指导使用C#和.NET构建一个完整的、生产级别的模型上下文协议(MCP)服务器。内容涵盖了先进架构模式,如Host构建、依赖注入、结构化日志配置以及实现功能强大的工具。适用于构建需要标准化通信和工具调用能力的AI代理或复杂后端服务。
查看详情
智能体评估与迭代优化模式
agentic-eval
github/awesome-copilot
305
本技能提供了一套完整的AI智能体(Agent)评估和迭代优化模式。它指导用户构建自我批判、评估器-优化器等复杂流程,用于提高代码、报告和分析等复杂内容的准确性和质量。通过实现结构化的迭代循环,实现持续的输出改进(生成→评估→批判→优化)。
查看详情
Arize AI模型提供商集成管理
arize-ai-provider-integration
github/awesome-copilot
377
该技能用于在Arize平台上管理和配置各类大型语言模型(LLM)提供商的集成凭证。用户可以创建、列表、获取和更新OpenAI、Anthropic、Azure OpenAI、AWS Bedrock等主流模型的凭证信息,是实现Arize高级模型评估和监控功能的核心步骤。
查看详情
Arize LLM评估与监控
arize-evaluator
github/awesome-copilot
271
本技能用于在Arize平台上设置和运行LLM判官评估。用户可以定义评估器(包括提示词模板、分类选项和模型),并将评估器应用于项目或实验数据。支持对幻觉、忠实度、正确性等关键指标进行打分,并实现持续监控,确保LLM性能的完整追溯。
查看详情
Datadog 自动化工具
datadog-automation
sickn33/antigravity-awesome-skills
302
通过 Rube MCP 的 Composio 套件自动化 Datadog 的指标查询、日志搜索、监控/看板管理以及事件与维护窗口创建,始终以当前工具 schema 为准。
查看详情
智能体技能构建模板
make-skill-template
github/awesome-copilot
411
这是一个用于开发人员构建和结构化AI智能体(Agent)专用技能的元模板。它详细指导用户如何创建技能的目录结构、YAML元数据(包括名称和描述的最佳实践),并规范技能主体的内容编写,确保AI能力具有清晰的触发条件和工作流程。适用于构建复杂、专业化的AI功能模块。
查看详情
凤凰评估工具包
phoenix-evals
github/awesome-copilot
165
Phoenix Evals 帮助团队为 AI/LLM 应用构建评估器,先用确定性代码,再参考 LLM,支持 Python 与 TypeScript 工作流,通过错误分析、RAG 与生产流程结合人工数据验证效果。
查看详情
地理范围渐进缩小法
geo-progressive-narrow
EverMind-AI/EverOS
129
这是一种用于精确识别地理位置或历史地标的结构化方法。该技巧系统性地缩小搜索范围,从广阔的区域(国家/前国家)逐步聚焦到行政区划、城市中心,直至具体的纪念碑或结构。它要求结合历史事件、人口普查数据和距离约束等多种线索,并在每一步进行批判性验证,确保定位的准确性。
查看详情
上一页
1
2
3
...
13
14
15
16
17
18
19
20
21
22
下一页
语言
简体中文
English