MLflow是一个框架无关的机器学习生命周期管理平台，用于跟踪机器学习实验、管理模型注册表、部署模型到生产环境和重现实验。它支持多种ML框架如PyTorch、TensorFlow、Scikit-Learn，并集成团队协作、自动记录、版本控制和SEO关键词包括机器学习、AI、模型部署、实验跟踪、MLOps。

这个技能用于创建和维护AI驱动的Claude代码代理，支持YAML前端定义、最小权限工具选择、委托模式和安全实践。关键词：Claude代码代理，AI智能体，YAML，最小权限，委托模式，安全性，SEO优化。

这个技能专注于大型语言模型（LLM）的提示缓存策略，通过多级缓存（包括提示前缀、完整响应和语义相似性匹配）来优化成本和性能。它包括Anthropic提示缓存、响应缓存和缓存增强生成（CAG）等技术，适用于减少LLM推理延迟、降低成本，并提高系统的响应效率。关键词：LLM提示缓存、成本优化、语义缓存、CAG、响应缓存、缓存失效、AI应用。

这个技能是关于如何开发MCP服务器的详细指南，帮助构建工具使大型语言模型能够与外部API和服务交互。适用于Python和TypeScript开发，涉及工具设计、API集成和AI应用部署。关键词：MCP开发, 服务器编程, 工具集成, AI交互, 类型安全, API设计, 模型上下文协议。

这是一个用于管理和自动化Zapier工作流的Claude AI技能，支持MCP工具编排、自动化流程、日常摘要和研究搜索，提升工作效率和自动化水平。关键词：Zapier, 工作流, 自动化, AI, Claude, MCP, 工具编排, SEO搜索。

该技能用于指导团队在代理编码中的自动化进展，从交互式 In-Loop 到离线 Out-Loop 再到完全自动化的零接触工程。它帮助评估代理成熟度级别、规划自动化进程、识别采用障碍，并建立自主操作信心。关键词包括 ZTE、自动化、代理成熟度、进展指导、测试覆盖、成功率、代理工作流。

这个技能用于快速回答用户问题，通过搜索知识库提供简洁答案，避免繁重笔记工作，适用于需要高效信息检索的场景。关键词：知识助手、快速问答、AI 助手、OrbitOS、问答系统、SEO优化

这个技能用于创建和管理AI代理专家，通过Act-Learn-Reuse模式让代理能够学习并维护领域知识。关键词包括：AI代理、Act-Learn-Reuse、专家系统、领域知识、智能代理、自动化、心理模型、自改进提示、专业知识文件、风险系统、代码库同步、软件工程、AI智能体开发、代理学习、知识维护、复杂任务自动化、高频风险场景、DevOps集成、人工智能应用。

这是一个通过Rube MCP和Composio自动化Textcortex任务的技能。它允许用户自动执行Textcortex的AI写作操作，包括搜索工具、管理连接和执行自动化工作流。关键词：Textcortex自动化, AI写作自动化, Rube MCP, Composio, 工具集成。

这个技能用于通过Rube MCP自动化Onepage平台的操作，实现工具发现、连接管理和执行自动化工作流，提升任务效率和集成能力。关键词：Onepage自动化, Rube MCP, Composio, 工具集成, 自动化工作流, AI智能体。

AWQ（激活感知权重量化）是一种先进的4位量化技术，专为大型语言模型（LLM）设计，通过分析激活模式来保护关键权重，实现高达3倍的推理加速，同时保持最小精度损失。适用于AI模型部署、大模型微调、生产推理加速等场景，关键词包括AWQ、量化、LLM压缩、推理优化、AI部署。

该技能提供了 Agentica 多代理基础设施的全面 API 参考指南，用于构建、协调和调试多代理系统。涵盖模式类、核心组件和原语，适用于AI智能体开发和多代理工作流管理，帮助开发者实现自定义代理交互和优化协调流程。关键词：AI智能体、多代理、基础设施、API、协调、模式、开发、调试、工作流。