人工智能 Skill技能列表
代理专家创建技能Skill agent-expert-creation
这个技能用于创建和管理AI代理专家，通过Act-Learn-Reuse模式让代理能够学习并维护领域知识。关键词包括：AI代理、Act-Learn-Reuse、专家系统、领域知识、智能代理、自动化、心理模型、自改进提示、专业知识文件、风险系统、代码库同步、软件工程、AI智能体开发、代理学习、知识维护、复杂任务自动化、高频风险场景、DevOps集成、人工智能应用。
ADW设计Skill adw-design
ADW设计是创建AI开发者工作流的技能，结合确定性代码和非确定性代理，用于构建自动化开发管道、设计AFK代理系统、实施PITER框架等。关键词：AI工作流，代理开发，自动化管道，ADW设计，AI代理。
向量数据库Skill vector-databases
向量数据库技能用于选择和管理向量数据库，包括嵌入存储、近似最近邻算法和向量搜索优化。适用于设计语义搜索系统、优化相似性搜索性能，以及在大规模AI应用如RAG中实现高效检索。关键词：向量数据库、嵌入、向量搜索、相似性搜索、ANN、HNSW、IVF、FAISS、Pinecone、Weaviate、Milvus、Qdrant。
RAG架构设计技能Skill rag-design
这个技能用于设计检索增强生成（RAG）系统架构，针对特定用例如客户支持聊天机器人、文档问答、法律文档搜索等。它包括需求澄清、技能加载、代理生成、摄取和检索管道设计，以及质量和扩展优化。适用于AI驱动应用开发，提高信息检索和生成准确性。关键词：RAG架构、检索增强生成、AI设计、文档处理、向量数据库、LLM集成、智能系统开发。
RAG架构Skill rag-architecture
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。
优化LLMSkill optimize-llm
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
ML系统设计Skill ml-system-design
此技能提供设计生产机器学习系统的框架，涵盖从数据摄入、特征存储、模型训练到模型服务的完整生命周期，包括MLOps、A/B测试和监控。关键词：ML系统、机器学习管道、特征存储、模型训练、模型服务、MLOps、A/B测试、特征工程、模型部署、生产ML。
机器学习管道设计Skill ml-pipeline
该技能用于设计端到端机器学习系统架构，涵盖数据摄入、特征工程、模型训练、推理服务、监控和实验等全流程，适用于推荐系统、欺诈检测、搜索排名等多种机器学习问题。关键词：机器学习、系统设计、管道架构、AI应用、ML pipeline。
机器学习推理优化Skill ml-inference-optimization
这个技能专注于优化机器学习推理的延迟、减少模型大小、实现模型压缩技术（如量化、剪枝、蒸馏）、设计推理缓存策略，以及边缘部署模式。适用于需要提升推理速度、减少资源消耗的场景，特别是在边缘设备或高性能云环境中。关键词：机器学习、推理优化、模型压缩、边缘计算、延迟降低、缓存策略、硬件加速。
LLM服务模式Skill llm-serving-patterns
此技能专注于大语言模型（LLM）的服务模式，涵盖推理基础设施设计、服务框架选择、量化技术、批处理策略和流式响应模式。适用于优化LLM部署的延迟、吞吐量、成本效益，适合系统设计和生产部署。关键词：LLM服务、推理、vLLM、TGI、TensorRT-LLM、量化、批处理、流式响应、分页注意力、推测解码。
Agentica提示工程Skill agentica-prompts
这个技能专注于Agentica框架下的多agent系统提示工程，通过编写明确的指令避免大型语言模型指令模糊性，提高agent协作的成功率和系统可靠性。关键词包括：Agentica、提示工程、AI智能体、多agent系统、LLM优化、目录交接、指令清晰化。
Braintrust会话分析Skill braintrust-analyze
这个技能通过Braintrust追踪数据，分析Claude Code会话，帮助用户检测模式、问题和洞察。它包括总结会话、统计代理和技能使用、检测循环、回放会话、分析令牌趋势等功能，旨在优化AI代理的工作效率和工具使用。关键词：Braintrust, Claude Code, 会话分析, 代理统计, 技能激活, 循环检测, 令牌趋势。