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

搜索技能，共找到 2886 条记录

默认排序最新上传最多下载

AI驱动的网页应用测试

github/awesome-copilot

利用AI驱动的探索性测试，对网页应用进行全面的功能审计和验证。该技能可模拟用户行为，检测复杂的缺陷、验证关键流程（如登录或支付），并检查可访问性，确保代码质量。

语义内核开发指南

semantic-kernel

github/awesome-copilot

本技能为使用Semantic Kernel框架构建和优化应用程序、插件和函数调用流提供全面指南。支持.NET和Python等多种语言环境。重点强调遵循最新的官方文档和最佳实践（如异步模式、强类型），帮助用户完成多生态系统开发。

AI编程代理技能编写指南

skill-authoring

rohitg00/skillkit

本指南详细介绍了为AI编程代理编写高质量的SKILL.md文件的方法论。它涵盖了从文件结构（前置元数据、触发词）到内容撰写（核心原则、步骤流程、验证清单）的最佳实践，确保编写出的技能文档具有高度的可操作性和一致性，从而指导AI代理执行复杂任务。

智能体评估与迭代优化模式

github/awesome-copilot

本技能提供了一套完整的AI智能体（Agent）评估和迭代优化模式。它指导用户构建自我批判、评估器-优化器等复杂流程，用于提高代码、报告和分析等复杂内容的准确性和质量。通过实现结构化的迭代循环，实现持续的输出改进（生成→评估→批判→优化）。

Arize AI模型提供商集成管理

arize-ai-provider-integration

github/awesome-copilot

该技能用于在Arize平台上管理和配置各类大型语言模型（LLM）提供商的集成凭证。用户可以创建、列表、获取和更新OpenAI、Anthropic、Azure OpenAI、AWS Bedrock等主流模型的凭证信息，是实现Arize高级模型评估和监控功能的核心步骤。

Arize实验评估与管理

arize-experiment

github/awesome-copilot

本技能提供了一套完整的Arize实验管理工具，用于AI模型性能的评估、比较和分析。用户可以使用它来创建、列出、获取和导出实验结果，支持进行模型基准测试和A/B测试，确保模型在特定数据集上的准确性。

Rube MCP Asana工作流自动化

asana-automation

sickn33/antigravity-awesome-skills

本技能通过Rube MCP平台，提供全面的Asana自动化管理能力。用户可自动化执行任务创建、项目和章节管理、团队成员查询等复杂操作，实现项目工作流的流程化和自动化，极大提升项目协作效率。

视频录制到自动化脚本

github/awesome-copilot

该技能用于分析用户录制的重复性手动操作视频。它能提取视频帧和音频，重建出精确的步骤流程，识别出使用的应用、数据流转和操作痛点。最终，工具将基于流程理解，提出使用用户现有环境的、可运行的自动化脚本方案。

智能体治理与安全模式

agent-governance

github/awesome-copilot

提供一套完整的AI智能体安全和治理模式。本技能指导用户如何为AI智能体系统添加治理层，包括工具调用白名单/黑名单、内容过滤、速率限制和人工审核机制。特别适用于需要与外部API、数据库交互、以及部署在生产环境中的复杂多智能体工作流，确保系统的安全性和可追溯性。

Arize数据集管理与查询

github/awesome-copilot

该技能提供了一套完整的Arize数据集管理能力，支持数据集的创建、版本化、查询和导出。用户可以通过`ax` CLI执行数据集的CRUD操作、追加示例记录，并以JSON、CSV等格式导出数据。特别适用于需要为模型开发和测试准备测试数据、生成评估样本或获取黄金数据集的场景。

Arize LLM评估与监控

arize-evaluator

github/awesome-copilot

本技能用于在Arize平台上设置和运行LLM判官评估。用户可以定义评估器（包括提示词模板、分类选项和模型），并将评估器应用于项目或实验数据。支持对幻觉、忠实度、正确性等关键指标进行打分，并实现持续监控，确保LLM性能的完整追溯。

Arize追踪与可观测性配置

arize-instrumentation

github/awesome-copilot

本技能用于指导用户将Arize AX追踪功能集成到现有应用中，特别适用于复杂的LLM应用。它遵循结构化的两阶段流程：首先进行代码库分析（只读），了解所有依赖和架构；随后进行仪器化实现。它支持多语言环境，深度集成OpenTelemetry和各类大模型服务商，旨在提供完整的系统可观测性，且不会修改核心业务逻辑。

上一页 1 2 3...141 142 143144145 146 147...239 240 241 下一页

语言