登录
下载
Skill UI
浏览并发现
9101+
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
推理
,共找到
116
条记录
默认排序
最新上传
最多下载
自主智能体设计模式
autonomous-agent-patterns
sickn33/antigravity-awesome-skills
284
本技能集提供了构建复杂自主AI智能体(Agent)的完整设计蓝图和实践模式。它详细阐述了核心的“观测-思考-决策-行动”循环机制,涵盖了多模型集成策略和工具函数设计模式。适用于需要高级推理能力、复杂规划和外部工具调用的自动化系统构建。
查看详情
自主智能体设计模式
autonomous-agent-patterns
sickn33/antigravity-awesome-skills
284
本技能集提供了构建复杂自主AI智能体(Agent)的完整设计蓝图和实践模式。它详细阐述了核心的“观测-思考-决策-行动”循环机制,涵盖了多模型集成策略和工具函数设计模式。适用于需要高级推理能力、复杂规划和外部工具调用的自动化系统构建。
查看详情
AWQ 激活感知权重量化
awq-quantization
Orchestra-Research/AI-Research-SKILLs
376
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。
查看详情
Azure ML部署助手
azure-ml-deployer
jeremylongshore/claude-code-plugins-plus-skills
77
自动响应 Azure ML Deployer 相关需求,提供从模型推理、部署流程到监控与生产化的规范化指导、代码与配置生成及校验,便于快速落地机器学习上线。
查看详情
Azure ML部署助手
azure-ml-deployer
jeremylongshore/claude-code-plugins-plus-skills
77
自动响应 Azure ML Deployer 相关需求,提供从模型推理、部署流程到监控与生产化的规范化指导、代码与配置生成及校验,便于快速落地机器学习上线。
查看详情
批量推理管道
batch-inference-pipeline
jeremylongshore/claude-code-plugins-plus-skills
50
引导 ML 团队构建批量推理管道,涵盖方案、监控与上线准备,并生成部署所需的代码与配置。
查看详情
BLIP-2 视觉语言框架
blip-2-vision-language
Orchestra-Research/AI-Research-SKILLs
350
该框架将冻结的图像编码器与大语言模型连接,适用于图像描述、视觉问答、检索与多模态对话,在无需微调的条件下实现零样本推理,并仅训练轻量 Q-Former。
查看详情
自主多模型AI代理
blockrun
sickn33/antigravity-awesome-skills
360
BlockRun是一个智能代理网关,通过钱包系统连接多种外部AI服务。它可以根据用户需求,自动路由请求至最合适的模型(如DALL-E生成图像、Grok进行实时X数据搜索、GPT-5.2进行复杂推理)。用户只需支付相应的微额费用,即可无缝使用所有AI的能力,实现了能力的扩展和成本控制。
查看详情
视觉驱动电脑操作代理
computer-use-agents
sickn33/antigravity-awesome-skills
458
用于构建能够观察屏幕、推理决策、操控鼠标键盘的 AI 代理,兼顾 Anthropic 与 OpenAI 的 Computer Use 以及开源方案,强调沙箱隔离与安全控制。
查看详情
领先计算机视觉架构师
computer-vision-expert
sickn33/antigravity-awesome-skills
285
提供设计、实现和优化前沿计算机视觉流程的专业指导。涵盖实时目标检测(YOLO26)、基于提示的语义分割(SAM 3)以及利用视觉语言模型(VLM)进行高级视觉推理。适用于机器人、自动驾驶和工业检测等场景,尤其擅长3D重建和边缘侧部署优化。
查看详情
大模型上下文工程基础
context-fundamentals
sickn33/antigravity-awesome-skills
223
本技能深入讲解了大型语言模型(LLMs)推理时可用的完整状态(上下文)。内容涵盖系统提示、工具定义、消息历史记录和检索文档等核心组件。掌握上下文工程是构建稳定、高效AI智能体的关键,它指导用户如何优化上下文内容,管理注意力预算,确保模型接收到最相关的“高信号”信息。
查看详情
Databricks ML模型全生命周期管理
databricks-core-workflow-b
jeremylongshore/claude-code-plugins-plus-skills
121
本流程展示了在Databricks上完整的MLOps生命周期。它指导用户如何使用Feature Store进行特征工程,通过MLflow进行实验跟踪和模型训练,在Model Registry中管理模型版本,最终部署为可实时推理的API服务。适用于构建可生产化、高可靠性的机器学习系统。
查看详情
1
2
3
4
...
8
9
10
下一页
语言
简体中文
English