人工智能 Skill技能列表
AI记忆记录Skill mem-record
AI记忆记录技能用于自动分析对话内容，提取关键信息如事件、决策、偏好和情绪，并根据多层级系统（情境层、行为层、认知层、核心层）记录到个人记忆库中。它支持检测重复模式并建议优化记录结构，适用于AI智能体、对话管理和信息组织场景。关键词：AI智能体、对话分析、记忆系统、信息记录、层级管理、重复模式检测、SEO优化。
AI数据工程Skill ai-data-engineering
AI数据工程技能专注于构建人工智能和机器学习系统的数据基础设施，特别用于检索增强生成（RAG）应用。它涵盖数据管道、特征存储、嵌入生成、工作流编排（如Dagster、Prefect）、数据版本化（LakeFS）和评估指标（如RAGAS）。适用于开发生产级AI应用，如语义搜索、实时特征服务和RAG系统，提供架构模式和实践指南。关键词：AI数据工程、RAG管道、特征存储、嵌入生成、Dagster、RAGAS、机器学习基础设施。
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。
MCP管理Skill mcp-management
MCP管理技能专注于管理和交互Model Context Protocol (MCP) 服务器，使AI代理能够连接外部工具和数据源。它提供脚本和实用程序来发现、分析和执行MCP能力，支持智能工具选择和多服务器管理。关键词：MCP管理，AI代理，工具集成，协议管理，智能选择，MCP服务器，上下文高效。
生成图像Skill generate-image
这个技能利用AI图像生成模型（如FLUX和Gemini）来创建和编辑高质量的图像，适用于照片、插图、艺术创作等非技术性视觉内容。关键词包括AI图像生成、图像编辑、OpenRouter、AIGC、视觉资产。
Pymoo多目标优化框架Skill pymoo
Pymoo是一个Python多目标优化框架，提供NSGA-II、NSGA-III、MOEA/D等先进算法，用于解决单目标和多目标优化问题，支持约束处理、基准测试（如ZDT、DTLZ）、遗传算子定制和多标准决策制定，适用于工程设计、量化金融、机器学习等领域的优化任务。关键词：多目标优化、Python框架、NSGA-II、Pareto前沿、约束处理、进化算法、工程设计、量化策略。
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。
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。
LLMIntegrationSkill LLMIntegration
这是一个综合指南，用于集成和使用不同的大型语言模型（LLM）API，包括OpenAI、Anthropic、Azure OpenAI和Cohere。它涵盖了从基础设置到高级功能，如流式响应、错误处理、速率限制、成本跟踪等，是开发人员和AI工程师在实际应用中不可或缺的技能。
AI热点采集工具Skill topic-collector
这个技能是一个AI热点采集工具，用于从Twitter/X、Product Hunt、Reddit、Hacker News、博客等多个平台自动化收集AI领域的最新热点内容，并根据用户触发词如“开始今日选题”来启动采集。它整理并输出结构化列表，涵盖AI博主分享、新产品发布、研究动态、模型更新和社区讨论，聚焦于Vibe Coding、Claude生态等关键领域。关键词：AI热点采集，AI新闻，多源采集，结构化输出，SEO优化。
会话交接Skill session-handoff
这个技能用于在AI助手会话中断或结束时，创建交接文档以捕获当前状态、进展和下一步骤，确保对话的无缝继续。关键词：会话交接、上下文管理、文档生成、AI助手、任务延续、交接文档、会话管理。
RAG架构模式Skill rag-architecture-patterns
RAG架构模式是一种系统设计技能，用于构建高效的RAG系统，涉及数据摄取、分块策略、嵌入模型、向量数据库、检索优化和生成编排等关键环节。