下载

Skill UI

浏览并发现 10192+ 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

搜索性能，共找到 795 条记录

默认排序最新上传最多下载

AI智能体自进化引擎

capability-evolver

Evolver是一款为AI智能体设计的自进化引擎。它能深入分析运行时的历史记录，识别性能缺陷和效率低点，并自主编写和应用改进方案。其架构通过本地代理信箱（Proxy Mailbox）与EvoMap Hub进行安全通信，适用于构建高度自适应、持续迭代的智能系统。

高性能计算流体模拟框架

K-Dense-AI/scientific-agent-skills

FluidSim是一个基于Python的高性能计算流体动力学(CFD)模拟框架。它用于解决复杂的流体运动方程，包括二维/三维纳维-斯托克斯方程、浅水方程和分层流等。框架采用伪谱方法和FFT，支持MPI并行计算，提供从参数配置、模拟执行到结果可视化分析的完整工作流。

基因组区间分析与处理工具

K-Dense-AI/scientific-agent-skills

Gtars是一个高性能的基因组区间分析工具包，基于Rust开发并提供Python绑定。它专为处理基因组区间数据而设计，功能包括重叠区域检测、覆盖度轨道生成（WIG/BigWig）、用于机器学习模型的基因组序列Tokenization，以及单细胞基因组学中的片段分析。适用于构建复杂的生物信息学分析流程。

分子动力学模拟与分析

molecular-dynamics

K-Dense-AI/scientific-agent-skills

本技能提供完整的分子动力学（MD）模拟流程，利用OpenMM等高性能工具模拟生物大分子在时间上的演变。其覆盖了系统构建、能量最小化、平衡化以及结构分析（如RMSD、自由能计算）等关键步骤。特别适用于结构生物学、药物结合模式研究和生物物理学分析。

Python GPU高性能加速

optimize-for-gpu

K-Dense-AI/scientific-agent-skills

本技能模拟专家级的GPU优化工程师，旨在将运行在CPU上的Python代码（例如科学计算、机器学习、物理模拟或图像处理）转化为高度优化的GPU加速代码。它利用CuPy、Numba CUDA和Warp等专业库，在NVIDIA GPU上实现数十倍到千倍的性能提升，适用于复杂的科学计算和大规模数据处理场景。

Polars：高性能数据处理框架

K-Dense-AI/scientific-agent-skills

Polars是基于Apache Arrow构建的高性能Python DataFrame库。它提供基于表达式的API和惰性查询优化，专为高效的ETL、数据分析和复杂数据管道设计。无论是在进行数据清洗、聚合计算，还是处理大规模数据集，Polars都能提供卓越的性能和优化能力。

基因组数据操作与分析

K-Dense-AI/scientific-agent-skills

这是一个基于Polars的高性能基因组数据处理库。它支持核心区间运算（如重叠、合并、互补）以及主流生物信息学文件格式（如VCF、BAM、BED、GFF）的读写。特别适用于处理超大型、无法一次性加载到内存的基因组数据集，支持流式和云端存储I/O。

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。

材料结构与性能计算工具

K-Dense-AI/scientific-agent-skills

Pymatgen是一个全面的Python计算工具包，专为材料科学设计。它可以让用户创建、分析和操作复杂的晶体结构，计算电子性质（如态密度和能带结构），模拟相变过程，并与Materials Project等大型数据库进行交互。非常适用于固体物理、计算化学和先进材料研究领域。

PyTDC：药物发现AI数据集

K-Dense-AI/scientific-agent-skills

PyTDC（治疗性数据中心）是一个开放科学平台，为药物研发和开发流程提供完整的、可用于AI训练的数据集和基准测试。它支持单实例预测（如ADME、毒性）、多实例预测（DTI、DDI）以及分子生成等任务，是进行生物医学属性预测和模型性能评估的理想工具。

Qdrant查询延迟优化指南

qdrant-minimize-latency

github/awesome-copilot

本指南旨在指导用户优化Qdrant的查询延迟。内容涵盖了深入的性能调优技术，重点关注内存管理、分段数量调整和HNSW参数优化。详细介绍了如何通过量化、垂直扩展以及使用本地NVMe等策略，确保搜索具有持续的低延迟性能，并警示了性能优化时应避免的常见误区。

Qdrant性能故障诊断指南

qdrant-monitoring-debugging

github/awesome-copilot

本指南旨在提供系统化的Qdrant生产环境性能诊断流程。它详细指导用户如何排查三大核心问题：优化器卡死、内存占用过高（OOM）以及查询延迟慢。通过检查关键指标和API端点，帮助运维和开发人员快速定位性能瓶颈，确保系统稳定运行。

上一页 1 2 3...45 46 474849 50 51...65 66 67 下一页

语言