下载

Skill UI

浏览并发现 9126+ 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

搜索压缩，共找到 44 条记录

默认排序最新上传最多下载

数据库归档自动化

archiving-databases

jeremylongshore/claude-code-plugins-plus-skills

自动识别 PostgreSQL/MySQL 中的历史数据，执行保留策略，将数据压缩后迁移到归档表或 S3、Azure Blob、GCS 等冷存储，同时记录合规报表，减小主库体积。

数据库归档自动化

archiving-databases

jeremylongshore/claude-code-plugins-plus-skills

自动识别 PostgreSQL/MySQL 中的历史数据，执行保留策略，将数据压缩后迁移到归档表或 S3、Azure Blob、GCS 等冷存储，同时记录合规报表，减小主库体积。

数据库备份自动化

automating-database-backups

jeremylongshore/claude-code-plugins-plus-skills

自动生成压缩加密脚本、配置定时任务并整理恢复流程，支持 PostgreSQL、MySQL、MongoDB 与 SQLite 的备份自动化与灾难恢复规划需求。

数据库备份自动化

automating-database-backups

jeremylongshore/claude-code-plugins-plus-skills

自动生成压缩加密脚本、配置定时任务并整理恢复流程，支持 PostgreSQL、MySQL、MongoDB 与 SQLite 的备份自动化与灾难恢复规划需求。

AWQ 激活感知权重量化

awq-quantization

Orchestra-Research/AI-Research-SKILLs

AWQ 利用激活感知权重保护技术，将 7B-70B 模型压缩到 4-bit，在受限显存上保持精度并提升近 3 倍推理速度，可配合 vLLM、Marlin 等加速后端部署大模型。

Azure Monitor 日志摄取Python SDK

azure-monitor-ingestion-py

sickn33/antigravity-awesome-skills

这是一个用于Python的SDK，专门用于将自定义日志安全地发送到Azure Monitor Log Analytics工作区。它通过Logs Ingestion API实现日志摄取，支持批量压缩、错误处理、异步上传，并兼容多种身份验证模型，是构建云监控和日志分析系统的关键组件。

数据管道压缩优化助手

compression-optimizer

jeremylongshore/claude-code-plugins-plus-skills

在数据管道场景中提供压缩优化的逐步指导，涵盖 ETL、转换、流式处理等流程的实践建议、配置和校验。

AI智能体上下文压缩

context-compression

sickn33/antigravity-awesome-skills

针对AI智能体在处理超长对话历史（数百万Tokens）时遇到的上下文窗口限制问题。本技能提供先进的上下文压缩策略，核心在于通过结构化摘要（如明确记录“文件修改”、“决策点”等模块）来防止关键技术信息丢失。它强调的优化目标是“任务完成所需的总Token量”，而非单纯的请求Token量，确保智能体在复杂任务链中能保持完整状态和准确的知识追踪。

上下文优化策略

context-optimization

sickn33/antigravity-awesome-skills

本技能提供了一套高级的LLM上下文管理框架，旨在提升有限上下文窗口的有效容量。它涵盖了压缩、观测屏蔽、KV缓存优化和上下文分区等四种核心技术。通过优化Token使用，可以有效解决上下文限制问题，帮助构建成本更低、延迟更小、能处理大规模文档和复杂任务的生产级AI Agent系统。

印象笔记资源优化管理

evernote-cost-tuning

jeremylongshore/claude-code-plugins-plus-skills

用于管理与印象笔记（Evernote）的集成资源和成本。核心功能包括实时监控上传配额、压缩图片以减小文件体积、清洗冗余大型笔记，确保API使用在账户限制和预算范围内，实现高效的数据存储和传输。

GGUF量化：高效大模型推理

gguf-quantization

Orchestra-Research/AI-Research-SKILLs

本指南深入介绍GGUF格式和模型量化技术，旨在实现大语言模型（LLM）在消费级硬件上的高效推理。通过采用GGUF标准格式和K-quant方法进行模型压缩，可以显著降低内存和硬件要求，使开发者能够在Apple Silicon、CPU或边缘设备上部署高性能AI应用。

GPTQ LLM 量化指南

Orchestra-Research/AI-Research-SKILLs

GPTQ 提供后训练 4 位量化，可在 RTX 4090/3090 等消费级 GPU 上将大模型压缩至 1/4 内存并加速推理，同时维持低于 2% 的困惑度损失，适合部署和 QLoRA 微调。

12 3 4 下一页

语言