软件下载帮助文档新闻资讯

Skill UI

浏览并发现 15857+ 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

搜索本地，共找到 38 条记录

默认排序最新上传最多下载

PostHog性能优化与数据采集指南

posthog-performance-tuning

jeremylongshore/claude-code-plugins-plus-skills

本指南深入讲解了PostHog的生产环境性能优化方法。内容涵盖了本地化功能开关评估、优化事件批量发送、智能事件抽样以及编写高效的HogQL查询。掌握这些高级技巧，可以大幅提升数据收集的稳定性和分析查询的速度，确保业务洞察的准确性。

TileDB VCF 变体存储

K-Dense-AI/claude-scientific-skills

TileDB-VCF 使用 TileDB 稀疏数组高效管理 VCF/BCF 变异数据，支持增量样本、并行区域查询、云本地存储与导出，适合群体基因组分析与变异数据库构建。

高级视频媒体处理与分析引擎

affaan-m/everything-claude-code

一个强大的多模态视频媒体处理工具。支持从本地文件、URL、直播流和桌面捕获获取内容。具备高级索引、时间轴编辑、转码、字幕生成、画中画等复杂功能。适用于内容创作、实时监控系统以及任何需要处理和分析视频/音频流的工作流。

运行和部署机器学习实验

wanshuiyin/Auto-claude-code-research-in-sleep

用于管理和运行完整的机器学习实验流程。该工具支持在本地GPU、远程服务器、Vast.ai和Modal等多种云端环境中部署和执行训练任务。它涵盖了环境检测、代码同步、依赖管理和实验结果日志记录等关键步骤，确保了ML实验过程的可靠性、可扩展性和可重复性。

SwanLab 实验跟踪

experiment-tracking-swanlab

Orchestra-Research/AI-Research-SKILLs

介绍如何使用 SwanLab 进行开源机器学习实验跟踪，提供本地或自托管的仪表盘、丰富的媒体日志，并与 PyTorch、Transformers、Lightning、Fastai 等框架集成，便于对比各次训练。

AI模型知识结构化提取

bdistill-knowledge-extraction

sickn33/antigravity-awesome-skills

bdistill工具能将AI模型的交互过程转化为结构化的知识库。它可以从闭源模型（会话内）和本地开源模型（通过Ollama）提取、结构化并打分特定领域的知识。用户可用于构建可检索的参考数据集、问答对，或生成用于传统机器学习的训练数据。

多层知识库管理与同步

affaan-m/everything-claude-code

本框架旨在管理和同步跨越多个存储层（包括本地文件、内存、向量存储和Git仓库）的知识库。它提供了一个结构化的体系，用于知识的摄取、组织、去重和检索，确保知识在复杂的开发和运营场景中具备持久性和单一事实来源。

dbt数据变更验证工作簿生成

monte-carlo-validation-notebook

sickn33/antigravity-awesome-skills

本技能用于为dbt模型或快照的变更自动生成交互式SQL验证工作簿。它能解析来自GitHub PR或本地仓库的变更，生成“前”（生产环境）和“后”（开发环境）的对比查询，从而帮助用户进行全面的数据质量和业务逻辑一致性验证。

边界数据探索分析工具

exploratory-data-analysis

K-Dense-AI/scientific-agent-skills

这是一个为科学研究和数据建模前准备的工具。它能在严格的本地安全沙箱内，对CSV、JSON、HDF5、图像等多种格式的数据结构进行边界审计。主要用于检查数据的缺失值、异常值和整体结构，确保数据在模型训练前的完整性和可信度。

基因组区间机器学习工作流

K-Dense-AI/scientific-agent-skills

Geniml是一个用于基因组区间数据机器学习和统计工作流的框架。它将坐标、组装序列和模型工件视为明确的“合约”，用于验证数据结构（如BED文件），并规划复杂的本地化运行（如Region2Vec或scEmbed）。该工具注重结果的可复现性、符合生物数据标准，并强调本地处理，避免不必要的网络调用。

LLM辅助假设生成与审计

K-Dense-AI/scientific-agent-skills

该技能用于利用大型语言模型（LLM）和带标签的数据集，迭代地提出和评分文本模式，生成候选假设和任务预测统计。它提供了一套严格的本地审查工作流，强调数据集的哈希审计、配置验证，明确指出其输出仅为候选结果，不能作为科学或临床结论。

生物学数据谱系湖仓

K-Dense-AI/scientific-agent-skills

LaminDB是一个开源的生物学领域谱系原生湖仓，用于管理和分析复杂的生物数据集和计算工作流。它使多种科学数据（如scRNA-seq, AnnData）具备可查询性、可追溯性并符合FAIR原则。核心功能包括强大的数据谱系跟踪、基于本体的注释和模式验证，支持在多云/本地存储系统上进行统一查询，适用于生物信息学研究。

12 3 4 下一页

语言