人工智能 Skill技能列表
TorchDrug药物发现工具箱Skill torchdrug
TorchDrug 是一个基于 PyTorch 的机器学习工具箱，专注于药物发现和分子科学领域。它提供图神经网络模型、预训练架构和多种任务定义，用于分子属性预测、蛋白质建模、知识图谱推理、分子生成和逆合成规划等应用。包含 40+ 数据集和 20+ 模型架构，支持化学、生物学和生物医学图的机器学习工作流程。关键词：药物发现、机器学习、图神经网络、PyTorch、分子属性预测、蛋白质建模、生物医药、AI 应用。
PII脱敏工具Skill pii-redaction
PII脱敏技能是专为对话AI系统设计的隐私保护工具，提供个人身份信息检测、数据脱敏和合规审计功能。核心功能包括敏感信息识别、多策略脱敏处理、可逆匿名化技术，适用于内容安全审核、系统提示防护等场景。支持姓名、联系方式、金融数据、证件号码等各类PII检测，提供掩码、假名化、令牌化等多种脱敏方法，确保企业符合GDPR等数据隐私法规要求。
Zep记忆集成技能Skill zep-memory-integration
Zep记忆集成技能是一个用于构建智能对话系统的技术方案，专注于长期对话记忆管理和用户画像构建。该技能通过集成Zep记忆服务器，实现对话历史的持久化存储、智能检索、自动摘要生成和实体提取等核心功能。适用于聊天机器人、虚拟助手、客服系统等需要上下文记忆的AI应用场景。关键词：Zep记忆服务器，对话记忆管理，长期记忆，用户画像，AI对话系统，语义搜索，自动摘要，实体提取，LangChain集成，会话管理。
AI产品摄影Skill ai-product-photography
AI产品摄影技能利用先进的人工智能模型（如FLUX、Imagen 3、Grok、Seedream）生成高质量的专业产品摄影图像，适用于电子商务、亚马逊列表、Shopify、市场营销、广告和模拟等场景。它支持多种摄影风格，包括工作室照明、生活场景、包装和商业照片，帮助用户快速创建吸引人的视觉内容，提升产品展示效果。关键词：AI产品摄影，人工智能生成图像，商业摄影，电子商务图像，FLUX，Imagen 3，产品模拟，SEO优化。
verl强化学习训练技能Skill verl-rl-training
这个技能提供了使用verl库进行大型语言模型强化学习训练的全面指导，包括RLHF、GRPO、PPO等多种算法，支持分布式训练、多后端切换，适用于数学推理、视觉语言模型等场景。关键词：verl, 强化学习, LLM, RLHF, GRPO, PPO, 分布式训练, 大模型微调。
AI音乐生成Skill ai-music-generation
AI音乐生成技能利用人工智能模型，如Diffrythm和Tencent Song Generation，通过文本提示快速生成各种风格的音乐和歌曲，包括背景音乐、影视配乐、游戏音轨、播客介绍等。关键词：AI音乐生成、文本到音乐、歌曲生成、背景音乐、AI作曲、免版税音乐、音效设计。
音乐提示词工程Skill music-prompt-engineering
本技能专注于为Suno、Udio等AI音乐生成平台优化和格式化提示词。它提供平台特定的语法指导、标签优化策略、迭代方法以及质量评估，帮助用户生成更符合预期的AI音乐。关键词：AI音乐生成、提示词工程、Suno、Udio、音乐制作、AIGC、标签优化、音乐创作。
推荐系统Skill RecommendationSystem
构建协同和基于内容的推荐引擎，用于产品推荐、个性化和提高用户参与度
提示优化Skill prompt-optimization
提示优化是一种人工智能技能，专注于改进和重写用户提供给大语言模型（LLM）的提示，以减少歧义、提高输出质量，并确保意图得到准确传达。它应用于自然语言处理（NLP）、AI应用开发和大模型微调等领域。关键词：提示优化、LLM优化、自然语言处理、AI提示、模型微调、Prompt Engineering、大语言模型、人工智能应用、SEO优化。
HuggingFace命令行工具Skill hugging-face-cli
Hugging Face CLI 是一个命令行工具，专用于管理 Hugging Face Hub 上的人工智能资源，包括下载和上传模型、数据集、空间，管理仓库、缓存和运行云计算作业。关键词：Hugging Face, CLI, 人工智能, 模型管理, 数据集下载, 云计算, 命令行界面。
上下文工程Skill context-engineering
上下文工程是一种关键技术，专注于优化人工智能智能体系统中的上下文管理，以提高推理效率并降低计算成本。它涉及上下文基础、优化技术、压缩策略、记忆系统和多智能体协调，适用于AI应用开发、大模型微调和RAG应用。关键词：上下文工程、AI智能体、令牌优化、LLM、多智能体系统、记忆管理。
RAG重排序与多样性过滤Skill rag-reranking
RAG重排序技能专注于提升检索增强生成（RAG）系统的检索质量。它通过交叉编码器重排序、Cohere Rerank API、最大边际相关性（MMR）多样性过滤以及LLM评分等多种技术，对初步检索结果进行二次排序和筛选。该技能旨在优化RAG流程，确保返回给大语言模型的上下文信息既高度相关又具备多样性，从而显著提升最终生成答案的准确性和丰富性。关键词：RAG重排序，交叉编码器，MMR多样性过滤，Cohere Rerank，检索增强生成，多阶段检索，相关性排序，AI检索优化。