登录
下载

Skill UI

浏览并发现 9916+ 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 模型选择 ，共找到 77 条记录
默认排序 最新上传 最多下载

Ollama本地LLM部署配置

ollama-setup
jeremylongshore/claude-code-plugins-plus-skills
122
本技能用于配置和部署本地的大型语言模型（LLM）环境，使用 Ollama。它会自动检测您的操作系统和硬件资源，选择合适的模型，并完成在 macOS、Linux 或 Docker 上的安装。这使得用户能够实现离线、免费的AI推理，无需依赖外部API服务，适用于构建生产环境的AI应用。
查看详情

LLM上下文优化与API使用

openrouter-context-optimization
jeremylongshore/claude-code-plugins-plus-skills
153
本技能提供了一套针对大型语言模型（LLM）在OpenRouter平台上的上下文窗口和Token使用优化策略。它涵盖了上下文限额查询、模型选择、对话截断、文档分块（RAG）和提示缓存等方面。适用于处理长篇对话或大型文档，帮助用户在上下文受限时，既能保证输出质量，又能有效控制API成本，防止超出Token限制。
查看详情

OpenRouter模型目录查询

openrouter-model-catalog
jeremylongshore/claude-code-plugins-plus-skills
87
用于查询和管理OpenRouter平台上超过400个AI模型的完整目录。用户可以通过此工具筛选模型，比较不同模型的定价、上下文长度和能力（如工具调用），从而快速选择最适合项目需求的最佳模型。
查看详情

模型智能路由与成本优化

openrouter-model-routing
jeremylongshore/claude-code-plugins-plus-skills
461
本技能提供一套完整的OpenRouter模型路由实现方案。它指导开发者如何根据任务的复杂度、所需的模型能力（如深度推理、代码生成）以及当前的成本预算，动态地选择最合适的LLM模型。通过实现成本感知、任务导向和复杂度识别的路由机制，可以确保系统在构建多模型应用时，既能达到最佳性能，又能有效控制运营成本。
查看详情

OpenRouter LLM动态路由规则引擎

openrouter-routing-rules
jeremylongshore/claude-code-plugins-plus-skills
423
本技能提供了一个复杂的配置驱动规则引擎，用于管理OpenRouter的API调用。它通过评估用户层级、剩余预算、任务类型、是否需要工具调用、延迟要求等多个维度，动态选择最合适的语言模型。这对于构建生产级、具备成本控制和性能优化能力的LLM编排系统至关重要。
查看详情

深度学习模型优化

optimizing-deep-learning-models
jeremylongshore/claude-code-plugins-plus-skills
370
通过分析模型结构、数据与指标，自动选择优化器、调度学习率和正则化方法，生成优化后的代码并评估准确率、训练时间与资源消耗，适合需要提升性能与效率的深度学习模型。
查看详情

Perplexity多环境API配置

perplexity-multi-env-setup
jeremylongshore/claude-code-plugins-plus-skills
427
本技能指导用户如何配置Perplexity Sonar API，实现开发、预发布和生产环境的隔离管理。内容涵盖了环境特定的API密钥设置、速率限制和模型选择（如sonar与sonar-pro），确保系统在不同部署阶段具备高可靠性和精确的成本控制能力。
查看详情

Playwright端到端测试专家

playwright-expert
Jeffallan/claude-skills
170
该技能专用于使用Playwright编写健壮、可维护、可扩展的端到端（E2E）测试。内容涵盖测试基础设施搭建、页面对象模型（POM）实现、基于角色的选择器使用、API Mocking以及解决测试不稳定（Flaky）问题。适用于将高质量测试集成到CI/CD流程，实现复杂的浏览器自动化。
查看详情

检索增强生成系统架构师

rag-engineer
sickn33/antigravity-awesome-skills
273
专注于设计和构建高级检索增强生成（RAG）系统。该领域的专家掌握了从文档分块、嵌入模型选择、向量数据库架构到混合搜索策略的全部知识。核心目标是优化信息检索流程，确保大型语言模型（LLM）的输出内容准确、可靠，有效解决模型幻觉问题，提升企业级知识应用能力。
查看详情

RAG系统实现工作流

rag-implementation
sickn33/antigravity-awesome-skills
258
本工作流提供了一个从零到一的RAG（检索增强生成）系统构建指南。它涵盖了从嵌入模型选择、向量数据库配置、分块策略设计，到混合检索、LLM集成和系统评估的整个流程，确保构建出知识可靠、性能优越的AI应用。
查看详情

结构化文本解析：正则与LLM决策框架

regex-vs-llm-structured-text
affaan-m/everything-claude-code
51
这是一个实用的决策框架，指导用户在结构化文本（如表格、试题、发票）解析时，选择使用正则表达式还是大型语言模型（LLM）。核心思路是：利用低成本、确定性的正则匹配处理大部分（95-98%）的常见模式，并引入置信度评分机制，只在遇到低置信度的边界案例时，才调用昂贵的LLM进行二次校验，从而实现成本和精度的最佳平衡。
查看详情

机器学习模型训练

training-machine-learning-models
jeremylongshore/claude-code-plugins-plus-skills
491
自动化完成机器学习模型的训练流程，包括数据分析、模型类型选择、参数配置、交叉验证训练、性能评估以及生成可复用的模型产物，适用于需要训练或评估数据集的场景。
查看详情
上一页1234567下一页
语言
简体中文
English