元模式识别是一种高级技能，用于识别三个或更多不同领域中的相同模式，提取其抽象形式，分析变化点，并应用于新领域以找到通用原则。关键词包括：模式识别、跨领域分析、抽象思维、通用原则、问题解决、AI应用。

此技能专注于训练Mixture of Experts（专家混合）模型，适用于大规模深度学习模型的开发，如Mixtral 8x7B和DeepSeek-V3。它涵盖了MoE架构、路由机制、负载平衡和专家并行等技术，旨在以较低的计算成本训练高容量模型。关键词：MoE, 专家混合模型, 深度学习, 大模型训练, 稀疏架构, 计算优化。

这是一个用于从AI提供商获取最新模型名称的技能，包括自动分类新模型和检测新模型的功能，以确保API调用时使用的是最新的模型。

OpenAI自动化技能用于自动化OpenAI API操作，支持生成多模态和结构化输出响应、创建文本嵌入、生成图像以及列出可用模型。适用于AI应用开发、RAG应用、大模型集成和自动化工作流，关键词：OpenAI API, 自动化, 多模态响应, 结构化输出, 文本嵌入, 图像生成, AI工作流, RAG应用, 大模型微调。

这是一个基于Wikipedia AI写作迹象指南的技能，用于检测和修复AI生成文本中的不自然模式，如夸大象征意义、宣传语言等，并提供更自然的改写，使文本更人性化。适用于写作编辑、内容审查和自然语言处理场景。关键词：AI写作检测，文本人性化，自然语言处理，写作编辑工具。

这个技能用于AI驱动的图像生成和编辑，使用Google Gemini、Google Imagen和OpenAI模型，可以从文本描述生成图像、编辑现有图像、创建标志和贴纸、应用风格转移、生成产品模型等。关键词：图像生成、AI图像、文本转图像、图像编辑、AIGC。

RAG架构技能是一套全面的知识和工具，用于设计、实现和优化生产级的检索增强型生成（RAG）流水线。它覆盖了从文档分块策略到评估框架的整个RAG生态系统，帮助构建可扩展、高效和准确的检索系统。关键词：RAG架构、文档处理、嵌入模型、向量数据库、检索策略、查询转换技术、评估框架、生产模式、成本优化、安全护栏。

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。

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。

此技能专注于机器学习模型在生产环境中的部署、监控、运维和安全，包括数据摄取、模型部署、漂移检测、事件响应，以及生成式AI安全如提示注入防御、RAG安全等，提供完整参考和模板。关键词：MLOps, 机器学习安全, 模型部署, 漂移检测, GenAI安全, 生产ML系统, 监控, 事件响应, 自动化再训练, LLM运维, RAG安全, 威胁模型, 隐私保护, 供应链安全。

这个技能用于从SpecStory云平台自动获取和分析项目统计信息，包括会话数量、贡献者活动和项目指标，帮助用户监控AI辅助编码的使用情况和项目活跃度。关键词：SpecStory, 项目统计, 数据分析, AI编码, 云平台, 会话监控, 贡献者分析。

vLLM是一个用于部署和优化大语言模型（LLM）推理的开源框架，支持高吞吐量、低延迟推理，通过PagedAttention和连续批处理技术提升效率，兼容OpenAI API，并适用于量化模型（如AWQ、GPTQ、FP8）和GPU内存受限环境。关键词：vLLM，大语言模型，推理服务，PagedAttention，连续批处理，高吞吐量，量化模型，AI部署，OpenAI兼容，LLM推理