人工智能 Skill技能列表
Slack主动干预模式Skill slack-proactive-intervention-patterns
这个技能是一个知识库，用于在Slack中自动检测7种主动干预机会模式，包括调查研究、日程安排、文档整理、草案编写、连接协调、预测性建议和常规自动化。它通过分析文件中的信号和计算分数，帮助团队识别何时提出有用建议，以提高协作效率。关键词：Slack主动干预，模式检测，AI助手，团队协作，知识库，自动化建议。
Slack记忆存储系统Skill slack-memory-store
这是一个综合的记忆存储系统，专为在IT公司中通过Slack通信的AI员工设计。它能自动分类和存储多种信息类型，如Slack消息、Confluence文档、邮件、会议笔记等，提供高效的索引和检索功能。关键词：AI员工、Slack记忆存储、自动分类、信息管理、记忆检索、工作流程优化、数据存储。
Slack记忆检索Skill slack-memory-retrieval
此技能用于在Slack平台中，让AI智能体能够高效检索和利用存储的记忆信息，以提供上下文感知的响应。它支持检索渠道、用户、项目、决策和会议等记忆，适用于历史查询、偏好分析、状态更新等场景。关键词：Slack记忆检索、AI智能体、上下文感知、记忆管理、Slack集成。
Slack内存清理与组织技能Skill slack-memory-cleanup
这个技能专为AI员工设计，用于自动清理和组织Slack相关的内存存储。它提供指南和脚本，以检测重复文件、修复错误分类并移除过时信息，确保内存高效、有序。关键词：AI员工、内存清理、重复检测、错误分类修复、Slack、数据组织、自动化脚本。
邮件动作提取技能Skill email-action-extractor
此技能用于从电子邮件中自动提取并管理分配给用户的可执行任务，通过自然语言处理技术识别行动请求、过滤非行动邮件，并处理群组分配。关键词：邮件处理、任务提取、NLP、自动化、工作流管理、电子邮件分析、优先级评估。
向量数据库应用技能Skill using-vector-databases
这个技能专注于使用向量数据库来实现人工智能和机器学习应用，包括语义搜索、检索增强生成（RAG）系统、推荐系统等。关键技术涵盖向量数据库选择（如Qdrant、Pinecone）、嵌入模型（如OpenAI、Voyage AI）、文档分块策略和混合搜索模式。适用于构建聊天机器人、搜索引擎、知识库问答等AI驱动的应用，关键词包括：向量数据库、AI、ML、语义搜索、RAG、嵌入生成、分块、混合搜索、Qdrant、Pinecone。
模型服务Skill model-serving
模型服务技能专注于部署和优化大型语言模型（LLM）及机器学习（ML）模型进行生产推理。它涉及使用vLLM、TensorRT-LLM、BentoML等工具构建AI API、实现流式响应、集成RAG管道和性能优化，适用于自托管部署、GPU加速和前端集成。关键词：模型服务，LLM部署，AI推理，vLLM，TensorRT-LLM，BentoML，RAG，流式响应，性能优化。
MLOps实施Skill implementing-mlops
MLOps（机器学习操作化）技能提供从实验到生产的机器学习模型部署和监控的完整生命周期管理。涵盖实验跟踪、模型注册、特征存储、服务部署、管道编排和监控等关键方面，适用于构建生产级ML基础设施、选择MLOps平台、实施持续训练管道和建立模型治理。关键词：MLOps，机器学习操作，模型部署，自动化管道，实验跟踪，特征存储，模型服务，监控，漂移检测，CI/CD。
LLM评估技能Skill evaluating-llms
LLM评估技能用于评估大型语言模型系统，通过自动化指标、LLM作为裁判和基准测试，确保模型在生产环境中的质量和安全性。适用于测试提示质量、验证RAG管道、测量幻觉和偏见、比较模型性能。关键词：LLM评估、自动化指标、RAG验证、安全性测量、模型比较、生产部署。
向量嵌入优化Skill embedding-optimization
该技能用于优化向量嵌入的生成过程，通过模型选择、分块策略、缓存和性能调优，降低RAG系统和语义搜索的成本，提高检索质量。关键词包括：向量嵌入、RAG、语义搜索、成本优化、缓存、批量处理、性能监控。