LLaVA（大型语言和视觉助手）是一个开源的人工智能模型，用于图像理解和视觉语言对话。它结合了CLIP视觉编码器和语言模型，支持视觉问答、图像描述、多轮对话等任务，适用于构建视觉语言聊天机器人、文档理解等应用。关键词：视觉语言模型、图像理解、VQA视觉问答、开源AI、对话式AI、多模态学习、深度学习、计算机视觉、自然语言处理。

本技能是关于检索增强生成(RAG)的实现，涵盖文档分块、嵌入模型、向量存储、检索策略、混合搜索和重排序等功能，旨在提升信息检索和生成的准确性与效率，适用于RAG、语义搜索、向量搜索、AI应用等场景，助力优化数据检索流程。

对称性发现问卷是一个用于帮助机器学习工程师识别数据中隐藏对称性的结构化协作技能。通过域分析、变换测试和物理约束识别，发现对称性以提升模型性能，如样本效率、收敛速度和泛化能力。关键词：对称性发现、数据对称性、机器学习、变换测试、模型优化。

该技能用于管理知识库，支持文档摄取、自然语言语义搜索和删除文档块功能，适用于组织文档存储、智能搜索和知识管理场景。关键词：知识库管理、文档摄取、自然语言搜索、语义搜索、AI辅助、智能搜索、文档管理。

这是一个用于获取Agentuity云平台向量存储统计信息的命令行工具。该工具支持查看向量数据库的存储状态、命名空间统计和向量索引详情，适用于AI应用开发、大模型微调、RAG应用等场景中的向量数据管理。关键词：向量存储统计、Agentuity云平台、AI向量数据库、RAG应用开发、命令行工具

此技能实现了一个管道模式，用于自动化执行顺序AI代理链，每个阶段接收前阶段的输出作为上下文，适用于研究、实现和调试等工作流。关键词：管道模式、顺序代理链、上下文传递、AI智能体、工作流自动化。

MLOps（机器学习操作化）技能提供从实验到生产的机器学习模型部署和监控的完整生命周期管理。涵盖实验跟踪、模型注册、特征存储、服务部署、管道编排和监控等关键方面，适用于构建生产级ML基础设施、选择MLOps平台、实施持续训练管道和建立模型治理。关键词：MLOps，机器学习操作，模型部署，自动化管道，实验跟踪，特征存储，模型服务，监控，漂移检测，CI/CD。

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。

本技能涉及向量数据库的使用，包括Pinecone、Qdrant、Weaviate等，以及嵌入策略、相似性搜索、性能优化和生产环境部署。关键词包括向量数据库、嵌入、相似性搜索、性能优化。

HuggingFace Tokenizers是一个高性能的自然语言处理（NLP）分词工具，基于Rust实现，支持BPE、WordPiece和Unigram算法，可用于训练自定义分词器，处理大规模文本数据，并集成到Transformers库中。适用于需要快速分词或定制分词器的研究和生产环境。关键词：分词、NLP、BPE、WordPiece、Unigram、快速分词、HuggingFace、Transformers、自定义训练、对齐跟踪。

这个技能利用人工智能技术分析会议转录和录音，通过自然语言处理识别行为模式、沟通洞察和可操作反馈，帮助专业人士提升沟通技巧和领导力。关键词：会议分析、沟通洞察、行为模式、领导力提升、人工智能、NLP、SEO搜索优化。

该技能用于刷新和维护评估工具集，确保在不可靠环境下实时和回退模式的可靠性。它专注于处理提示和解析器漂移、超时处理、SLO门控和回归检查，通过最小化修补和验证输出来保持评估准确性和一致性。关键词：评估工具集，SLO门控，回归检查，解析器可靠性，AI评估，测试更新，DevOps工具。