下载

Skill UI

浏览并发现 9978+ 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

搜索向量化，共找到 14 条记录

默认排序最新上传最多下载

嵌入模型选择与优化指南

embedding-strategies

sickn33/antigravity-awesome-skills

本指南详细介绍了为构建向量搜索和RAG应用选择和优化嵌入模型的全套策略。内容涵盖了主流模型对比、文本分块（chunking）技术、维度降低方法，并提供了基于OpenAI和本地Sentence Transformer的Python实战代码，帮助用户构建高质量的向量化存储系统。

模型量化部署助手

model-quantization-tool

jeremylongshore/claude-code-plugins-plus-skills

自动化提供模型量化部署的指导，涵盖工具使用、最佳实践以及面向推理、MLops 与监控的生产准备流程。

高级Pandas数据处理专家

Jeffallan/claude-skills

本指南提供使用Pandas进行复杂数据分析、清洗和转换的专家级方法。涵盖向量化操作、高效合并、时间序列重采样、分组聚合和内存优化等高级技巧，旨在确保代码达到生产级质量，并实现严格的数据质量校验。

向量索引性能调优指南

vector-index-tuning

sickn33/antigravity-awesome-skills

本指南提供了生产级向量索引优化的最佳实践。它指导用户如何调整HNSW参数、实施量化策略，并优化内存使用，以平衡搜索延迟、召回率和大规模数据库的扩展性。

高性能强化学习框架

K-Dense-AI/claude-scientific-skills

PufferLib是一个高性能的强化学习框架，专为大规模、高速的RL训练和仿真而设计。它通过优化的向量化和原生多智能体支持，实现了每秒数百万步的训练速度，极大地提升了RL研究和应用效率，适用于单智能体和多智能体环境的构建与训练。

稳定基线3：强化学习算法工具包

stable-baselines3

K-Dense-AI/claude-scientific-skills

稳定基线3是一个基于PyTorch的专业库，用于提供生产级的强化学习算法实现（如PPO、SAC、DQN等）。它支持单智能体RL模型训练，提供创建自定义环境的能力，并支持通过向量化环境进行高效的并行训练。适用于快速原型开发和严谨的强化学习实验。

CISO安全领导框架

alirezarezvani/claude-skills

帮助成长公司建立CISO级安全体系：量化风险、制定SOC 2/ISO 27001/HIPAA/GDPR合规路线，规划零信任架构，牵头事件响应，并向董事会与销售说明安全预算与供应商风险。

高性能强化学习框架

K-Dense-AI/scientific-agent-skills

PufferLib是一个高性能、可扩展的强化学习框架，专为大规模并行训练和向量化模拟设计。它集成了PuffeRL算法和PufferEnv API，支持多智能体系统和自定义环境创建，实现业界领先的高速性能。适用于大型AI研究和大规模实验。

稳定强化学习算法库

stable-baselines3

K-Dense-AI/scientific-agent-skills

Stable Baselines3是一个基于PyTorch的专业级强化学习框架。它提供了PPO、SAC、DQN等一系列稳定且可靠的RL算法实现。用户可以使用它进行标准RL实验、快速原型开发，并支持构建和训练复杂的单智能体系统，包括自定义和向量化环境。

Qdrant内存使用优化指南

qdrant-memory-usage-optimization

github/awesome-copilot

本指南旨在帮助用户诊断和优化Qdrant的内存使用问题。当遇到内存占用过高、内存泄漏或节点崩溃等问题时，可以参考此文档。它详细介绍了Qdrant的内存结构，并提供了从量化、使用float16/int8数据类型到将索引和向量组件存储到磁盘的多种高级优化策略，确保系统稳定和高效扩展。

Qdrant查询高吞吐量扩展指南

qdrant-scaling-qps

github/awesome-copilot

本指南提供了关于优化和扩展Qdrant向量数据库查询吞吐量（QPS）的全面高级策略。内容涵盖了从内部性能调优（如优化分段、使用量化和批处理搜索）到系统架构扩展（如增加只读副本、处理磁盘IO瓶颈）的全方位指导，适用于构建高并发、大规模检索系统。

向量数据库搜索质量诊断

qdrant-search-quality-diagnosis

github/awesome-copilot

本指南系统性地提供了诊断和优化向量数据库搜索质量的流程。它指导用户解决召回率低、近似搜索性能下降、嵌入模型选择不当等核心问题。内容涵盖HNSW参数调优、量化处理、过滤策略（如ACORN）以及如何建立准确的性能基线，确保RAG和语义搜索管道的可靠性。

语言