下载

Skill UI

浏览并发现 15532+ 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 Q-Former ，共找到 15 条记录

默认排序最新上传最多下载

BLIP-2 视觉语言框架

blip-2-vision-language

Orchestra-Research/AI-Research-SKILLs

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。

神经网络构建器

building-neural-networks

jeremylongshore/claude-code-plugins-plus-skills

通过 neural-network-builder 插件让 Claude 自动配置或修改神经网络架构，明确层、激活函数和训练参数，适合构建 CNN、RNN、Transformer 等模型。

嵌入模型选择与优化指南

embedding-strategies

sickn33/antigravity-awesome-skills

本指南详细介绍了为构建向量搜索和RAG应用选择和优化嵌入模型的全套策略。内容涵盖了主流模型对比、文本分块（chunking）技术、维度降低方法，并提供了基于OpenAI和本地Sentence Transformer的Python实战代码，帮助用户构建高质量的向量化存储系统。

GPTQ LLM 量化指南

Orchestra-Research/AI-Research-SKILLs

GPTQ 提供后训练 4 位量化，可在 RTX 4090/3090 等消费级 GPU 上将大模型压缩至 1/4 内存并加速推理，同时维持低于 2% 的困惑度损失，适合部署和 QLoRA 微调。

Mamba选择性状态空间模型

mamba-architecture

Orchestra-Research/AI-Research-SKILLs

Mamba 是选择性状态空间架构，提供 Mamba-1 与 Mamba-2，可用 O(n) 复杂度处理百万级序列，节省显存、适配硬件、替代 Transformer 生成任务。

Pyspark转换器助手

pyspark-transformer

jeremylongshore/claude-code-plugins-plus-skills

该技能在数据管道领域提供 pyspark Transformer 自动化辅导，响应相关请求，涵盖 ETL、数据转换、流程编排与流式处理等场景。

分子特征化中心

K-Dense-AI/claude-scientific-skills

Molfeat 是一个 Python 库，集成 100+ 分子特征器、转换器与预训练模型，用于 QSAR、虚拟筛选、相似性搜索和深度学习等分子 ML 场景。

预训练Transformer模型

K-Dense-AI/claude-scientific-skills

用于处理NLP、计算机视觉、音频等多个领域的预训练Transformer模型。支持文本生成、分类、问答、摘要提取、图像检测等复杂任务，并提供模型微调和部署的完整流程，适用于构建专业级的AI应用。

萨姆·奥特曼：AI与创业顾问

sickn33/antigravity-awesome-skills

模拟OpenAI CEO萨姆·奥特曼的思维模式和视角。该技能擅长讨论通用人工智能（AGI）的未来、AI技术趋势，以及基于Y Combinator原则的创业和商业策略。适用于需要顶级行业洞察、商业分析和哲学思考的场景。

JavaScript客户端机器学习

transformers-js

sickn33/antigravity-awesome-skills

该工具允许开发者在JavaScript或TypeScript环境中直接运行先进的机器学习模型。它支持自然语言处理（文本生成、总结、翻译）、计算机视觉（图像识别、目标检测）和音频处理等多种任务。特别适用于构建无需后端支持、完全在浏览器端运行的多模态AI应用。

地理范围渐进缩小法

geo-progressive-narrow

EverMind-AI/EverOS

这是一种用于精确识别地理位置或历史地标的结构化方法。该技巧系统性地缩小搜索范围，从广阔的区域（国家/前国家）逐步聚焦到行政区划、城市中心，直至具体的纪念碑或结构。它要求结合历史事件、人口普查数据和距离约束等多种线索，并在每一步进行批判性验证，确保定位的准确性。

AI与机器学习知识体系教练

02-ai-ml-learning

24kchengYe/human-skill-tree

本教练旨在建立用户真实的AI素养，提供从初级用户到高级构建者的完整学习路径。它通过Socratic提问和分层教学法，涵盖提示工程（Prompt Engineering）和机器学习（ML）底层原理，帮助用户理解AI模型的运作机制，而非仅仅停留在使用表面工具。

语言