SkillsBot - 发现、分享、安装
AI Agent Skill技能库

本技能用于识别、诊断和缓解AI智能体系统中的上下文退化模式。当上下文过长导致智能体性能下降、输出错误或出现“中间迷失”现象时，本技能提供了一套完整的诊断框架和缓解策略。关键词包括：上下文退化、中间迷失、AI智能体、大语言模型、注意力机制、上下文污染、性能优化、RAG应用、智能体系统设计。

外部知识管理技能是一个用于组织、存储和检索非研究论文类参考资料的系统工具，包括教科书、讲义笔记、技术文档和背景材料。该技能通过创建主题知识库、支持多格式文件上传、智能搜索和与研究问答系统集成，帮助研究人员快速获取理论基础和背景知识。关键词：知识管理、研究辅助、文档检索、RAG应用、学术工具、背景资料、智能搜索、资料整理

360智搜-网页搜索是基于360搜索引擎的实时中文网页搜索技能，专为大模型RAG场景优化的AI检索增强接口，支持网页、新闻、图片、AI等多种搜索，提供语义摘要，适用于联网获取实时信息和中国相关查询。关键词：网页搜索、实时搜索、RAG增强、新闻搜索、图片搜索、AI搜索

Thoth学术研究助手的配置管理系统，提供API密钥管理、文件路径设置、搜索参数调整、RAG配置等功能。支持设置查看、更新、验证、重置和迁移，实现集中化配置管理和自动化验证。关键词：Thoth配置管理，API密钥设置，RAG参数调整，学术研究工具配置，设置验证与迁移

这是一个自动化跨平台套利检测与监控技能，用于在多个预测市场平台上实时识别和监控价格差异套利机会，支持Polymarket、Kalshi、Manifold等平台，提供API接口和聊天命令，方便用户进行量化交易、风险管理和统计套利。关键词：套利、自动化、跨平台、预测市场、量化交易、监控、检测、API、统计套利、风险控制。

提示工程是一种系统性技术，用于设计和优化大型语言模型（LLMs）的提示，以在各种任务中获得可靠、高质量的输出。它包括零样本、少样本、思维链和结构化输出等模式，应用于构建 LLM 应用、实现 RAG 系统、创建 AI 代理和优化提示质量与成本。关键词：提示工程，大型语言模型，AI 应用，自然语言处理，模型提示，RAG，AI 代理。

该技能用于设置和配置Arize Phoenix平台，这是一个专门用于大语言模型（LLM）和AI智能体的可观测性、调试与评估工具。核心功能包括：通过OpenTelemetry实现LLM调用链追踪、使用LLM作为评判器进行自动化评估、对嵌入向量进行可视化与漂移监控、分析检索增强生成（RAG）系统的质量，以及管理评估实验数据集。它支持对OpenAI、LangChain、LlamaIndex等主流框架的自动检测，帮助开发者和研究者全面监控、分析和优化其AI应用的质量与性能。 关键词：LLM可观测性，AI评估，Phoenix平台，RAG分析，嵌入可视化，OpenTelemetry追踪，LLM-as-Judge，智能体调试，模型监控，Arize

本技能详细阐述了如何为AI智能体设计和实现分层记忆架构，涵盖从工作记忆到时序知识图谱的完整谱系。核心内容包括记忆层架构（工作、短期、长期、实体、时序知识图谱）、实现模式（文件系统、向量RAG、知识图谱）以及检索与整合策略。旨在解决智能体跨会话状态持久化、实体一致性维护和结构化知识推理等关键问题，适用于构建需要长期学习和复杂推理的AI应用系统。关键词：AI智能体，记忆系统，知识图谱，RAG，时序记忆，实体跟踪，跨会话持久化。

该技能专注于生产级大语言模型（LLM）系统的开发与工程，涵盖从架构选择、数据集设计、PEFT/LoRA微调、评估工作流到部署和生命周期运营的全过程。强调成本优化、安全控制和现代最佳实践，适用于构建、评估和部署LLM应用。关键词：LLM工程、大模型微调、RAG应用、AI智能体、成本控制、评估部署、生产标准、安全治理。

这是一个基于RAG（检索增强生成）技术的智能聊天机器人，专门用于辅助用户高效学习和查询教科书内容。它通过向量数据库检索相关知识点，结合大语言模型生成精准、个性化的答案。核心功能包括：浮动聊天窗口、上下文高亮提问、移动端适配、用户身份感知。适用于在线教育、知识库问答、智能学习辅导等场景。关键词：RAG聊天机器人，教科书学习助手，智能问答，向量检索，教育科技，个性化学习，AI辅助学习。

这个技能帮助识别测试覆盖率的空白，并提出具体的测试用例以提高代码质量，适用于提高测试覆盖率、分析覆盖率空白和提出测试建议的场景。

上下文管理器是人工智能领域的一项专业技能，专注于优化和管理AI系统的记忆与上下文。其核心功能包括：AI记忆架构设计、上下文窗口优化、对话历史管理、RAG（检索增强生成）系统实现、长期/短期记忆策略以及令牌使用效率提升。关键词：AI记忆管理，上下文优化，RAG系统，对话历史，向量数据库，令牌节省，LLM应用，智能体记忆。