人工智能 Skill技能列表
TensorFlow神经网络构建与训练Skill tensorflow-neural-networks
这个技能专注于使用TensorFlow框架进行神经网络的构建和训练，覆盖从入门到高级的模型开发，包括图像分类、文本处理等应用。关键词：TensorFlow, 神经网络, 深度学习, Keras, 自定义层, 模型训练, AI开发, 机器学习, 计算机视觉, 自然语言处理。
AI政策转微信文章技能Skill "convert-formal-policy-to-public-wechat-article"
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。
嵌入策略Skill embedding-strategies
该技能专注于选择和优化嵌入模型，用于语义搜索和检索增强生成（RAG）应用。涵盖模型比较、分块策略、嵌入管道构建、质量评估及最佳实践，适用于人工智能和软件开发领域。关键词：嵌入模型、语义搜索、RAG、向量搜索、优化、分块策略、质量评估。
会议笔记分析专家Skill meeting-notes
这个技能用于自动分析会议记录和笔记，提取决策和行动项，生成结构化会议纪要，以提供可操作的业务智能。关键词：会议笔记分析、NLP、信息提取、行动项管理、业务智能、文本处理、自动化报告。
智能体组织者Skill agent-organizer
智能体组织者是一个专注于多智能体系统架构与协调的专业技能。它提供智能体团队设计、通信协议实施、工作流编排和系统扩展的解决方案。关键词包括：多智能体系统、智能体协作、自主工作流、系统架构、协调模式、群体智能、AI系统设计、智能体通信、工作流编排、系统扩展。
Agentica-Claude代理集成与调试技能Skill agentica-claude-proxy
这个技能提供整合Agentica SDK与Claude Code CLI代理的详细指南，用于设置AI代理、调试幻觉问题、修复权限错误，并优化工具使用。关键词包括：Agentica, Claude, 代理集成, 调试, 反幻觉提示, SSE流, REPL响应格式, 权限错误, AI工具集成。
ConvexAI代理开发Skill convex-agents
该技能专注于使用Convex平台构建和部署AI代理，实现线程管理、工具集成、流式响应、RAG（检索增强生成）模式和workflow orchestration，适用于开发智能助手、自动化工作流程和知识检索系统。关键词：AI代理、Convex、工具集成、RAG、workflow、智能体开发、AI应用、LLM集成、向量搜索、持久状态。
技能模板配置Skill template-skill
此技能用于创建和配置Claude的技能模板，包括定义技能名称、描述以及使用时机，方便用户自定义和调用Claude的各种AI功能。关键词：技能模板、Claude配置、AI助手、自定义技能、SEO优化。
概率分析工具包Skill probabilistic-analysis-toolkit
概率分析工具包是用于分析随机化算法的专业工具，提供基于概率论和集中不等式的数学分析框架。该工具包支持期望值计算、切尔诺夫界、霍夫丁界、马尔可夫不等式、切比雪夫不等式等关键概率工具的应用，帮助算法工程师和研究人员评估随机算法的性能保证、失败概率和收敛速度。适用于算法复杂度分析、机器学习理论、密码学、分布式系统等需要严格概率保证的领域。 关键词：随机化算法分析，概率论工具，集中不等式，切尔诺夫界，霍夫丁界，算法复杂度，概率保证，期望值计算，矩生成函数，拉斯维加斯算法，蒙特卡洛算法
写作助手Skill writing-assistant
这是一个写作助手技能，主要用于编辑、重写和改进文本，提升文本的清晰度、语气、语法和风格。它基于自然语言处理技术，帮助用户优化写作质量，适用于各种写作场景。关键词：文本编辑、写作改进、语法检查、风格优化、AI写作工具、自然语言处理、SEO优化。
全自动代码生成器Skill autopilot
Autopilot技能是一个全自动执行系统，能够从简短产品想法出发，自主处理完整软件开发生命周期，包括需求分析、技术设计、规划、并行编码、QA测试和多视角验证，生成经过验证的工作代码。关键词：自动编程、代码生成、软件开发、AI代理、全自动化、需求分析、技术设计、质量保证、代码验证。
SHAP（沙普利可加性解释）Skill shap
SHAP技能用于机器学习模型的可解释性和解释性，通过SHAP值计算特征重要性、生成各种图表（如瀑布图和蜂群图）、调试模型、分析偏差和公平性。支持树模型、深度学习模型和线性模型，是实现可解释AI的关键工具。关键词：模型解释、可解释AI、SHAP值、特征重要性、机器学习、数据可视化、偏差分析、深度学习、树模型、线性模型。