这个技能用于综合企业环境中的多源搜索知识，通过去重、置信度评估和总结，提供连贯、可信的答案。关键词包括：搜索综合、知识管理、去重算法、置信度评分、企业搜索、NLP应用。

TRL（Transformer 强化学习）是一个用于通过强化学习对齐语言模型与人类偏好的技能，包括监督微调（SFT）、直接偏好优化（DPO）、PPO和GRPO等方法，适用于RLHF流程、偏好对齐和奖励模型训练。关键词：TRL, 强化学习, 语言模型, 微调, RLHF, DPO, PPO, 人工智能, 大模型, HuggingFace, 偏好学习。

RAG架构技能专注于设计和优化检索增强生成（RAG）系统，涵盖文档处理、嵌入模型选择、检索策略、上下文组装等关键环节，用于构建知识基础的AI应用，如LLM问答、知识检索。关键词：RAG、检索增强生成、嵌入模型、向量搜索、语义搜索、LLM应用、AI架构设计。

这个技能用于在 Hugging Face 平台管理模型评估，包括从 README 提取评估表格、导入 Artificial Analysis 基准分数，以及使用 vLLM 或 lighteval 运行自定义评估。关键词：Hugging Face, 模型评估, AI评估, 机器学习, NLP, 大模型评估, 人工智能工具。

这个技能利用OpenAI的Whisper模型，通过API实现音频文件的自动转录，支持多种音频格式和参数设置，关键词包括OpenAI Whisper、音频转录、语音转文本、API调用、curl脚本。

连续学习技能是一种自动从Claude Code会话中提取可重用模式的技术，帮助用户学习错误解析和调试技术、捕获项目特定解决方法，并构建随时间增长的知识库。关键词：连续学习技能、Claude Code会话、模式提取、知识库、错误解析、调试技术、自动化学习、SEO优化。

Slime 是一个专为大语言模型（LLM）设计的后训练强化学习框架，结合 Megatron-LM 进行高效训练和 SGLang 进行高吞吐量推理生成。它支持 GLM、Qwen3、DeepSeek 等多种模型，适用于自定义数据生成、多轮对话训练和智能体开发，关键词包括：大语言模型、强化学习、后训练、Megatron-LM、SGLang、微调、AI 智能体。

MLflow是一个框架无关的机器学习生命周期管理平台，用于跟踪机器学习实验、管理模型注册表、部署模型到生产环境和重现实验。它支持多种ML框架如PyTorch、TensorFlow、Scikit-Learn，并集成团队协作、自动记录、版本控制和SEO关键词包括机器学习、AI、模型部署、实验跟踪、MLOps。

这个技能用于为大型语言模型（LLM）提供优化建议，优化服务延迟、推理成本和吞吐量性能，涵盖量化、批处理和框架选择等策略。关键词：LLM优化，人工智能，深度学习，服务优化，成本降低，吞吐量提升

本技能提供创建有效技能的全面指南，用于扩展Claude AI代理的能力，包括设计专业工作流、集成工具、管理捆绑资源如脚本和参考文件。关键词：技能创建、Claude扩展、工作流设计、工具集成、AI代理增强、模块化开发。

RWKV是一种结合Transformer和RNN的混合神经网络架构，具有线性推理复杂度、无限上下文处理能力和高效内存使用。适用于长序列处理、流式应用和大模型训练与推理，特别适合AI领域的模型开发和优化。关键词：RWKV, Transformer, RNN, 线性复杂度, 无限上下文, 高效推理, 机器学习, AI模型, 大模型微调

使用Tesseract OCR引擎和Python进行光学字符识别（OCR）的综合指南，包括安装、基本用法、多语言支持、图像预处理、OCR配置优化、后处理等。