这是一个用于跟踪令牌使用情况、估算成本和分析AI消费的技能，适用于跨会话和用户的使用情况监控。

这个技能专注于构建Model Context Protocol（MCP）服务器和客户端，用于扩展AI助手的功能，集成自定义工具、资源和提示模板。它覆盖MCP协议基础、服务器开发模式、资源管理、安全措施和测试方法，适用于AI应用开发。关键词：MCP协议，AI助手扩展，服务器开发，客户端集成，安全认证，协议规范。

该技能用于自动化 Piloterr 任务，通过 Rube MCP 和 Composio 的 Piloterr 工具包实现工具发现、连接管理和工具执行。关键词：Piloterr, Rube MCP, 自动化, Composio, 工具包, AI智能体。

Gemini CLI 是一个基于 Google Gemini 大模型的命令行人工智能助手，专门用于软件开发中的代码审查、架构决策、安全审计和调试辅助。它支持100万+上下文窗口，能够进行全面的代码库分析，适用于AI配对编程和自动化工作流。关键词：Gemini CLI, Google Gemini, 命令行AI, 代码审查, 架构建议, 安全审计, AI编程助手。

这个技能专注于开发和部署基于大语言模型（LLM）的AI产品，包括LLM集成模式、RAG架构、提示工程、AI用户体验和成本优化。它提供了最佳实践、模式、反模式和解决方案，帮助开发者构建可靠、可扩展且用户信任的AI功能。关键词：AI产品开发，LLM集成，RAG架构，提示工程，AI UX，成本优化。

PyTorch Lightning 是一个深度学习框架，用于将 PyTorch 代码组织成模块化结构，自动化训练流程，支持多 GPU/TPU 训练、数据管理、回调机制、日志记录和分布式训练策略，以实现可扩展的神经网络训练。关键词：深度学习，PyTorch，训练自动化，多设备训练，分布式训练，神经网络，AI框架。

Gemini CLI 技能允许用户通过命令行界面快速调用谷歌的Gemini大语言模型，进行文本生成、问答和摘要等AI任务。关键词包括Gemini、AI模型、命令行工具、文本生成、自动化处理、谷歌AI、量化交易辅助。

此技能应用于优化AI代理的提示、工作流程和上下文管理，通过减少不必要信息和委托任务来提高性能。它使用减少和委托策略来管理上下文窗口，解决如上下文腐烂或污染的问题，适用于管理上下文限制、提高代理效率。关键词：上下文管理、提示优化、AI智能体、工作流程、减少委托框架、R&D框架。

AI工具管理技能用于自动化检测、安装和更新AI命令行界面工具，支持Claude Code、Gemini CLI和Codex CLI等，采用委托优先设计确保从官方源获取最新指南，便于用户管理AI开发工具。关键词：AI工具管理、CLI工具、安装更新、委托优先、自动化检测、版本控制。

本技能用于优化Gemini CLI的令牌使用，涵盖令牌缓存、批量查询、模型选择（Flash vs Pro）和成本跟踪，帮助降低大规模AI操作的成本并提升效率。关键词：Gemini、令牌优化、成本控制、模型选择、批量处理、AI应用、缓存策略。

这个技能用于通过命令行快速向 Gemini AI 模型发送查询，自动解析 JSON 响应，并展示 AI 生成的答案、令牌使用统计和错误信息。适用于 AI 应用开发、测试和自动化任务。关键词：Gemini AI, 命令行查询, JSON 解析, AI 统计, 自动化

这个技能用于通过inference.sh CLI构建自动化AI工作流程，结合多种AI模型和服务，实现批处理、顺序管道、并行处理、条件工作流程等自动化模式。适用于内容自动化、数据处理、监控和调度生成等场景，提升AI应用效率。关键词：AI自动化，工作流程，批处理，AI管道，内容生成，调度任务，自动化脚本。