人工智能 Skill技能列表

4.5

跳过档案问题Skill skip-profile-question

这个技能用于在用户拒绝回答档案问题时自动跳过该问题,优化用户体验并提高AI交互效率。适用于AI助手、聊天机器人和智能系统,通过处理用户输入来管理个人档案数据。关键词:用户档案、跳过问题、自动处理、交互优化、人工智能助手、个人数据管理、智能响应、SEO优化。

4.5

提示架构师Skill prompt-architect

这是一个基于Claude 4.x最佳实践的提示生成技能,用于将用户需求转化为结构化、可执行的提示,优化AI交互效果。关键词:提示工程,Claude AI,提示生成,最佳实践,Nate B. Jones,Contract-Style模板,AI应用。

4.5

AI正式报告起草助手Skill "formal-report-drafting-with-executable-constraints"

这是一个AI工具,专用于生成公共服务或社区发展领域的正式报告草案,强调克制语气、结构化输出和可执行建议。它基于政策对齐,避免推测和不可验证声明,适用于内部汇报和政策实施场景。关键词包括:AI生成内容、正式报告、政策写作、公共服务、可执行建议、报告起草。

4.5

AI包装产品Skill ai-wrapper-product

该技能专注于利用AI API(如OpenAI、Anthropic等)构建解决特定问题的可盈利产品,涉及提示工程、成本管理、输出质量控制等,旨在创建用户愿意付费的日常AI应用。关键词包括AI包装、提示工程、成本优化、AI产品开发、API集成、SaaS模型。

4.5

去除AI痕迹Skill stop-slop

这个技能用于从文本中移除AI写作的痕迹,包括可预测的短语、结构和节奏,使内容听起来更自然、更像人类写作。关键词包括:AI写作、去除痕迹、自然语言、文本编辑。

4.5

HuggingFace模型训练器Skill hugging-face-model-trainer

此技能用于在Hugging Face Jobs云基础设施上,利用TRL(Transformer Reinforcement Learning)技术训练或微调大型语言模型。支持SFT、DPO、GRPO和奖励建模等多种方法,包含GGUF格式转换用于本地部署。涵盖数据集准备、硬件选择、成本估算、实时监控等全流程指导,适用于云端GPU训练、大模型微调、AI应用开发、深度学习、NLP和AIGC场景。

4.5

Gemini代码分析工具Skill gemini-analyze

这个技能使用Gemini CLI对代码文件进行结构化分析,支持安全审计、性能审查、架构评估和错误检测,帮助开发者优化代码质量和效率。关键词:代码分析、AI代码审查、安全漏洞、性能优化、架构设计、错误查找、Gemini CLI、软件开发工具。

4.5

GRPO/RL微调训练技能Skill grpo-rl-training

这个技能提供专家级指导,用于使用TRL库实现GRPO(组相对策略优化)来微调语言模型。它专注于推理能力和任务特定行为,通过自定义奖励函数优化模型输出,适用于需要结构化输出和可验证任务的应用,如数学、编码和事实核查。关键词:GRPO, 强化学习, TRL, 模型微调, 推理, 奖励函数, 结构化输出, 大语言模型

4.5

Gemini浏览器自动化智能体Skill gemini-computer-use

Gemini 浏览器自动化智能体是一个基于 Google Gemini 2.5 大语言模型的网页浏览器自动化工具。它通过 Playwright 框架,结合智能体循环(截图、函数调用、操作执行、响应反馈),实现根据自然语言指令自动化执行网页浏览、数据抓取、表单填写等任务。该技能集成了安全确认机制,适用于网页自动化测试、数据采集、RPA流程自动化等场景。关键词:Gemini 2.5, 浏览器自动化, Playwright, AI智能体, 网页控制, RPA, 自动化测试, 数据抓取。

4.5

AI视频叙事Skill video-storytelling

AI视频叙事技能利用人工智能生成图像和语音配音,自动创建连贯的视频故事序列。适用于教育内容、娱乐视频、角色驱动叙事和多场景故事制作。关键词:AI生成图像、语音叙事、视频故事、AIGC、视觉一致性、自动视频组装、教育视频、角色配音。

4.5

多智能体可观测性Skill multi-agent-observability

这个技能用于构建多智能体系统的可观测性接口,专注于监控代理执行、跟踪指标、实施日志记录和调试工作流,以提高系统的可靠性和可扩展性。关键词包括多智能体、可观测性、监控、日志、调试、AI智能体。

4.5

PyTorch部署Skill PyTorchDeployment

这项技能涵盖了如何将 PyTorch 模型部署到生产环境,包括模型导出、优化、服务部署、监控和性能基准测试等关键步骤,是实现深度学习模型从开发到上线的重要指南。