下载

Skill UI

浏览并发现 15558+ 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 LLM ，共找到 397 条记录

默认排序最新上传最多下载

成本感知LLM管道优化

cost-aware-llm-pipeline

该模式提供了一套构建成本优化LLM应用管道的完整方案。它结合了基于任务复杂度的模型路由、不可变成本追踪、有限重试逻辑和提示缓存等技术，帮助开发者在保证输出质量的同时，有效地控制和管理LLM API的支出，适用于处理高并发、多变复杂度的生产级任务系统。

LLM成本基准测试

该技能用于运行结构化和对抗性语料库的全面基准测试。它测量了增强器（booster）模型与主流LLM基线（如Gemini、Anthropic）的性能和成本效率。结果以可验证的JSON报告持久化，是发布和审计模型性能声明的关键环节。

零成本代码结构转换

cost-booster-edit

这是一个高性能的代码结构转换工具，用于执行简单的、确定性的代码重构（如移除控制台日志、var转const）。它利用WASM核心进行结构性修改，速度极快，且无需调用任何昂贵的大模型API。非常适用于CI/CD流程、自动化批量重构和对成本敏感的开发工作流，尤其强调确定性和速度。

成本优化任务路由报告

cost-booster-route

该工具用于任务成本优化，通过路由系统将任务分流到不同的处理层级。它特别识别出可使用“Agent Booster”（一级）的简单转换任务，这些任务的成本为零。通过报告能节省的成本，帮助用户在批量处理前预估和控制AI支出。

AI成本优化与资源分析

该工具能深入分析AI模型的Token使用模式、模型匹配度、缓存利用率和代理冗余等，识别出潜在的资源浪费。它提供可操作的、按优先级排序的优化建议，并估算出具体的成本节约额，帮助用户显著降低AI运营成本。

基准测试性能漂移分析

该技能用于分析存储的历史基准测试运行数据。它能追踪并报告关键性能指标（如胜率、平均延迟、P99延迟和LLM成本）随时间变化的趋势。这对于发现标准烟雾测试可能遗漏的性能衰退或回归至关重要，确保系统在每次发布或数据集扩展时保持稳定性。

自动化AI数据采集代理

data-scraper-agent

该代理旨在为任何公开数据源（如招聘板、价格、新闻等）构建一个全自动、AI驱动的数据采集系统。它能定时抓取数据，利用免费的大语言模型（如Gemini Flash）进行数据富集和分析，并将结果结构化地存储到Notion、Sheets或Supabase等数据库中。适用于需要持续监控和跟踪网络数据的场景。

设备端大型语言模型集成指南

foundation-models-on-device

本指南详细介绍了如何在设备端集成大型语言模型（LLM）。它涵盖了文本生成、使用@Generable进行结构化数据提取、实现自定义工具调用以及流式响应等高级模式。核心优势在于保证用户隐私和离线可用性，所有计算都在本地完成。

GAIA智能体基准对比与差距分析

gaia-architecture-comparison

本技能详细对比了GAIA智能体评估框架（如ruflo和HAL），旨在帮助开发者和研究人员识别大型语言模型（LLM）智能体在性能测试中的能力差距。它涵盖了从真实代码执行沙箱到全功能网页浏览等关键技术点，为提升智能体基准测试的准确性和鲁棒性提供路线图。

GAIA基准失败调试工具

本技能提供了一个系统化的工作流，用于诊断GAIA基准运行中的模型失败。用户可以分析任务运行痕迹，分类失败模式（如工具缺失、推理错误），找出根本原因，并应用针对性修复，从而系统性地提升AI智能体的性能和测试模型的可靠性。

LLM预执行事实核查机制

GateGuard是一个强制性的预执行钩子，用于极大增强大型语言模型（LLM）生成代码和操作的可靠性与安全性。它不依赖模型的自我评估，而是强制模型在进行任何代码写入或执行Shell命令前，必须进行详细、可验证的调查。这些调查包括列出所有依赖文件、检查数据结构和编写回滚方案，从而有效防止模型盲目猜测和产生错误。

GEPA基因组审计与检查工具

该工具用于深入审计和检查GEPA（基因演化提示适配）基因组，通过调用底层库实现复杂的AI系统验证。它支持加载和验证基因组结构，渲染出完整的系统提示词，或对运行记录中的失败模式进行分类和诊断。适用于AI开发流程中的持续集成和故障排除。

上一页 1 2 3...27 28 293031 32 33 34 下一页

语言