为作者提供研究和事实核查的帮助，确保写作中的准确性和可信度，特别适用于需要现实世界准确性的文学或非文学类作品。

这是一个综合指南，用于集成和使用不同的大型语言模型（LLM）API，包括OpenAI、Anthropic、Azure OpenAI和Cohere。它涵盖了从基础设置到高级功能，如流式响应、错误处理、速率限制、成本跟踪等，是开发人员和AI工程师在实际应用中不可或缺的技能。

本技能专门用于将复杂的人工智能和机器学习技术内容转化为通俗易懂的中文科普文章。它采用生活化比喻替代专业术语，确保事实准确，并优化输出格式以适应微信公众号等平台发布。关键词包括AI科普、中文翻译、技术通俗化、机器学习解释、人工智能内容传播。

主题建模与文本挖掘技能专注于应用LDA、NMF等计算方法，通过参数调优从大规模文本语料库中自动发现隐藏的主题和模式。它涵盖文本预处理、主题模型构建、模式识别及可视化，广泛应用于数字人文、内容分析、信息检索等领域，帮助用户高效提取文本中的结构化信息和深层语义。关键词：主题建模，文本挖掘，LDA，NMF，文本分析，模式发现，参数调优，数字人文，语料库分析。

记忆系统用于存储和检索用户的偏好、事实和笔记，支持语义搜索和向量嵌入技术。

这个技能是一个两层级内存系统，专为AI助手设计，用于解码工作场所中的缩写、昵称和内部语言，实现像同事一样的理解，提升协作效率。它通过热缓存和深度存储管理术语、人物和项目信息，支持自然语言处理（NLP）优化工作场所沟通。关键词：内存管理、工作场所协作、NLP、解码术语、AI助手、记忆系统、效率提升。

该技能用于将正式的政府AI政策文档转换为微信公众号风格的文章，保留所有核心问责机制、可衡量指标和问题框架，确保内容准确无误，适合公众阅读，提升可访问性和可理解性。关键词：AI政策、微信公众号、文档转换、自然语言处理、公共传播、保真度、问责机制。

这个技能用于通过Rube MCP和Composio的Wit AI工具包自动化自然语言处理（NLP）任务，包括工具发现、连接管理和工作流执行，适用于人工智能应用开发、自动化测试、智能助手集成和自动化流程优化。关键词：Wit AI、Rube MCP、Composio、NLP、自动化、人工智能、工具包、工作流。

本技能提供了一种高效的混合文本解析方法，通过结合正则表达式和大型语言模型（LLM），实现低成本、高准确度的结构化文本（如测验、表单、发票）提取。核心流程是先用正则表达式处理95%以上的标准模式，再通过置信度评分智能识别边缘案例，仅对低置信度部分调用LLM进行验证修正。适用于需要优化成本与精度的文本自动化处理场景，关键词包括：结构化文本解析、正则表达式、LLM、混合管道、置信度评分、成本优化、自动化提取、NLP应用。

一款分析文章语法错误、风格不一致、清晰度问题的工具，提供改进建议，提升文章可读性，同时保留作者独特风格。

用于帮助作者确保故事在逻辑上保持一致，避免情节漏洞和节奏问题的工具，通过追踪情节要点、角色行动、时间线和世界观细节来识别矛盾和不一致性。

用于在用户提出简短总结需求时，将用户提供的文本提炼为清晰、简洁的中文要点；严格只依据原文，不补充额外信息，默认输出 3 条以内，并支持按用户指定的语言、长度或格式输出。关键词：文本摘要、简短总结、要点提炼、中文摘要、内容浓缩、信息提炼、文本处理、NLP、SEO。