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 UI工程 ，共找到 24 条记录
默认排序 最新上传 最多下载

AI 包装产品战略

ai-wrapper-product
sickn33/antigravity-awesome-skills
353
指导如何打造真正解决问题的 AI 包装产品，涵盖产品化提示工程、API 成本与使用度统计、模型选择及差异化 UX，让 AI 成为可盈利、可信赖的功能。
查看详情

AI 包装产品战略

ai-wrapper-product
sickn33/antigravity-awesome-skills
353
指导如何打造真正解决问题的 AI 包装产品，涵盖产品化提示工程、API 成本与使用度统计、模型选择及差异化 UX，让 AI 成为可盈利、可信赖的功能。
查看详情

Claude代码开发最佳实践指南

claude-code-guide
sickn33/antigravity-awesome-skills
441
这份指南旨在提供一个全面参考，帮助用户最大化利用Claude Code（一个智能体编程工具）的潜力。内容涵盖了最佳实践、项目配置模板（CLAUDE.md）、高级提示工程技巧和调试策略，指导用户实现高效、可靠的自主软件开发流程。
查看详情

大模型上下文工程基础

context-fundamentals
sickn33/antigravity-awesome-skills
223
本技能深入讲解了大型语言模型（LLMs）推理时可用的完整状态（上下文）。内容涵盖系统提示、工具定义、消息历史记录和检索文档等核心组件。掌握上下文工程是构建稳定、高效AI智能体的关键，它指导用户如何优化上下文内容，管理注意力预算，确保模型接收到最相关的“高信号”信息。
查看详情

Databricks ML模型全生命周期管理

databricks-core-workflow-b
jeremylongshore/claude-code-plugins-plus-skills
121
本流程展示了在Databricks上完整的MLOps生命周期。它指导用户如何使用Feature Store进行特征工程，通过MLflow进行实验跟踪和模型训练，在Model Registry中管理模型版本，最终部署为可实时推理的API服务。适用于构建可生产化、高可靠性的机器学习系统。
查看详情

智能体系统评估框架

evaluation
sickn33/antigravity-awesome-skills
70
该技能用于构建复杂的智能体系统评估框架。它解决了智能体系统非确定性和多路径决策的难题，指导用户进行系统性性能测试，用于验证上下文工程的选择，并衡量跨多个质量维度（如事实准确性、工具效率）的持续改进。
查看详情

特征工程助手

feature-engineering-helper
jeremylongshore/claude-code-plugins-plus-skills
82
自动触发的特征工程助手，在提及相关场景时提供数据准备、模型训练、超参调优和实验追踪等机器学习训练指导。
查看详情

LLM微调专家指南

fine-tuning-expert
Jeffallan/claude-skills
454
指导模型工程师完成数据准备、LoRA/QLoRA 适配器配置、训练监控、评估指标收集以及 Adapter 合并部署等 LLM 微调与量化的关键流程。
查看详情

多智能体MLOps管道编排

machine-learning-ops-ml-pipeline
sickn33/antigravity-awesome-skills
485
本技能旨在指导设计和实现一个完整的、生产级别的机器学习（ML）管道。它采用多智能体编排工作流，系统地覆盖了ML整个生命周期：包括数据摄取、特征工程、模型训练、代码优化和生产部署（MLOps），确保系统具备高可重复性、可监控性和高扩展性。
查看详情

生产级机器学习工程与MLOps

ml-engineer
sickn33/antigravity-awesome-skills
386
这是一套全面的技能体系，专注于构建、部署和管理生产级的机器学习系统。知识覆盖现代ML框架（如PyTorch、TensorFlow）、模型服务（基于Kubernetes）、高级特征工程和全面的MLOps实践（包括监控、A/B测试和持续集成）。旨在交付可扩展、可靠、具备商业价值的AI解决方案。
查看详情

机器学习全生命周期流程管理

ml-pipeline-workflow
sickn33/antigravity-awesome-skills
282
本技能提供完整的MLOps管道编排指南，覆盖机器学习的整个生命周期。它指导用户从数据摄取、特征工程、模型训练，到系统级的模型验证和部署自动化，确保构建出可复现、高可用、可监控的生产级机器学习系统。
查看详情

凤凰AI可观测平台

phoenix-observability
Orchestra-Research/AI-Research-SKILLs
439
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。
查看详情
12下一页
语言
简体中文
English