JAX是一个Python库，专注于高性能数值计算，支持自动微分、即时编译（JIT）、向量化和GPU/TPU加速，适用于机器学习、深度学习和科学计算等场景。核心功能包括变换组合（grad、jit、vmap、pmap）、PyTrees处理以及优化循环模式。关键词：JAX, 自动微分, 高性能计算, 机器学习, 深度学习, Python, GPU加速, 数值优化, 科学计算, AI框架。

Pymoo是一个Python多目标优化框架，提供NSGA-II、NSGA-III、MOEA/D等先进算法，用于解决单目标和多目标优化问题，支持约束处理、基准测试（如ZDT、DTLZ）、遗传算子定制和多标准决策制定，适用于工程设计、量化金融、机器学习等领域的优化任务。关键词：多目标优化、Python框架、NSGA-II、Pareto前沿、约束处理、进化算法、工程设计、量化策略。

本技能是关于机器学习全生命周期的综合指南，涵盖从问题定义、数据准备、模型选择、训练评估到生产部署与监控的完整流程。关键词：机器学习、MLOps、模型训练、特征工程、超参数调优、模型部署、A/B测试、数据漂移、模型版本管理、CI/CD。

这项技能涉及向量数据库的性能优化，包括HNSW参数调整、分块策略、混合搜索配置等，以提高RAG和语义搜索的性能。

Trackio是一个机器学习实验跟踪技能，用于记录和可视化训练指标，支持Python API和CLI接口，可同步到Hugging Face Spaces进行实时监控，提供JSON输出便于自动化处理，关键词包括机器学习、实验跟踪、日志记录、可视化、Hugging Face Spaces、自动化。

权重与偏置（W&B）是一个机器学习实验跟踪与MLOps平台，用于自动记录实验指标、实时可视化训练过程、优化超参数、管理模型注册和协作团队项目。关键词：机器学习实验跟踪，MLOps，W&B，超参数扫描，模型管理，协作工具，AI开发。

本技能用于全面评估机器学习模型的性能、公平性和可靠性，涵盖指标计算、验证策略、训练调试、超参数调优、LLM评估、A/B测试和生产监控，以确保模型质量和可靠性。关键词：模型评估，机器学习，指标，公平性，A/B测试，生产监控。

聚类分析是一种无监督学习方法，用于将数据集划分为由相似对象组成的多个组或聚类。它在市场细分、客户行为分析、图像识别等领域有着广泛的应用。

这个技能提供机器学习实验的系统化指导，专注于跟踪、版本控制和可重现性实践，帮助开发者高效管理模型开发过程。关键词：机器学习、实验跟踪、MLflow、Weights & Biases、DVC、可重现性、模型版本控制、数据版本控制。

本技能集专为构建和运维企业级AI/ML系统而设计，核心能力包括：机器学习模型生产化部署、MLOps全流程实施、可扩展机器学习平台搭建、大语言模型集成与微调、RAG系统开发、AI智能体应用。关键词：机器学习工程，MLOps，模型部署，大语言模型集成，RAG系统，AI智能体，生产级AI系统，可扩展架构，特征存储，模型监控。

这是一个专门针对CUDA统一内存和内存预取优化的专家技能。该技能提供AI驱动的统一内存操作，包括：配置托管内存分配、实现内存预取策略、处理页面错误分析、配置内存提示和建议、分析统一内存迁移、针对超额订阅场景进行优化以及比较托管与显式内存性能。

GPU并行算法设计模式与实现，包括并行归约、扫描/前缀和、直方图、并行排序、流压缩等高效算法