本技能提供时间序列预测的现代操作模式、模板和决策规则，涵盖AI和机器学习方法如LightGBM、Transformers、RNNs，以及特征工程、生成式AI（如Chronos）、时间验证、回测和生产部署。强调可解释性、长期依赖处理和自适应预测，适用于数据科学、量化金融和AI应用场景。关键词：时间序列预测、AI预测模型、机器学习模板、特征工程、回测系统、生产部署、可解释AI、生成式时间序列、概率预测。

Pyvene因果干预技能是一种用于对PyTorch神经网络模型进行因果分析和干预的技术，支持因果追踪、激活修补、交换干预训练等方法，用于理解和改进模型行为，适用于大模型微调和AI应用场景。关键词：因果干预、PyTorch、神经网络、模型解释、激活修补、深度学习、AI工具。

本地LLM微调技能专注于在本地硬件上使用LoRA、QLoRA等高效技术微调大型语言模型，如Llama、Mistral、Gemma。涉及数据集准备、模型配置、训练优化和评估，适用于人工智能、自然语言处理和大模型应用开发。关键词：本地LLM微调、LoRA、QLoRA、PEFT、Hugging Face、模型训练、AI微调。

这个技能是一个基于反向工程Gemini Web API的工具，专门用于AI生成内容（AIGC），包括图像和文本的生成。它支持从文本提示生成图像、文本生成、使用参考图像进行视觉输入以及多轮对话，适用于应用程序开发、内容创作等场景。关键词：AI生成，图像生成，文本生成，Gemini API，多轮对话，视觉AI。

这个技能涉及使用bitsandbytes库对大型语言模型进行量化和内存优化，通过8位和4位量化减少GPU内存占用50-75%，精度损失小于1%，支持INT8、NF4、FP4格式、QLoRA微调和8位优化器，适用于有限内存环境下的模型加载、推理和训练，与HuggingFace Transformers集成。关键词：LLM量化、内存优化、bitsandbytes、QLoRA、深度学习、大模型微调、GPU加速、HuggingFace、AI模型优化。

这是一个基于多智能体AI的科学研究辅助系统，能够自动化从数据描述、假设生成、方法论开发、实验执行到论文撰写的全流程研究。关键词：科学研究、AI、多智能体、自动化、数据分析、LaTeX论文、科研自动化、智能科研助手。

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。

这个技能是关于使用fal.ai服务器less AI平台进行图像、视频和音频内容的生成与编辑。它支持多种AI模型如Flux、SDXL，并提供实时生成、背景移除、视频编辑等功能，适用于开发AI驱动的应用、内容创作和AIGC项目。关键词：AI图像生成、视频生成、服务器less AI、Flux、SDXL、实时AI、AIGC、AI平台集成。

Torchtitan是一个用于大规模语言模型（LLM）预训练的PyTorch原生平台，支持4D并行（FSDP2、TP、PP、CP）、Float8训练和分布式检查点，适用于从8到512+ GPU的Llama、DeepSeek等模型的预训练，提供高效的训练速度和可扩展性。关键词：分布式训练、LLM预训练、PyTorch、Torchtitan、4D并行、Float8、深度学习、人工智能。

这个技能用于将AI生成的文本自动重写为更自然、人性化的写作风格，通过检测和移除常见的LLM模式，如填充词、公式化结构和聊天机器人痕迹，同时保留原意和语气。关键词包括AI文本重写、人性化写作、NLP处理、SEO优化、自动化编辑。

宪法人工智能技能是一种用于AI安全对齐的技术，通过自我批判和AI反馈训练模型变得无害，无需人类标签。它涉及监督学习阶段的自我批判和修订，以及强化学习阶段的RLAIF，旨在提高AI的无害性、透明度和可扩展性。关键词：AI安全、宪法AI、RLAIF、自我批判、强化学习、无害训练、安全对齐。

此技能专注于设计和实现多智能体架构，用于处理超越单智能体上下文限制的复杂任务。它教授何时激活多智能体系统、核心概念如上下文隔离、架构模式如主管和蜂群、共识协调方法等。关键词：多智能体、AI智能体、架构设计、人工智能、复杂任务处理、上下文管理、SEO优化。