AI视觉准确性检查是一种基于人工智能的质量保证技能，用于验证HTML页面渲染与原始PDF文档的视觉一致性。该技能通过多模态AI模型（如Claude）对PDF截图和HTML渲染截图进行智能对比分析，评估布局匹配、视觉层次、内容定位和排版样式四个维度，提供0-100的客观评分和详细差异报告。作为流水线中的阻塞性质量门控，当评分低于85%时会自动停止部署流程，确保数字出版物的视觉保真度和用户体验。关键词：AI视觉验证、PDF转HTML质量检查、多模态AI比较、自动化质量门控、视觉一致性评估、Claude API集成、网页渲染准确性、文档数字化质量控制。

此技能基于Google的Gemini API，实现图像理解和分析功能，支持图像描述、分类、视觉问答、对象检测、分割和多图像比较，适用于AI应用和计算机视觉任务，关键词：图像理解、Gemini API、人工智能、计算机视觉、图像分析、AI模型。

PDF 分析器是一个使用视觉模型分析 PDF、DOCX 和电子表格文档的技能，通过将文档渲染为图像以保留布局和格式，并提取关键见解。适用于文档自动化处理、数据提取和内容分析，关键词包括：文档分析、视觉模型、布局保留、PDF 处理、数据提取、自动化分析。

BLIP-2是一个先进的视觉语言预训练框架，用于实现图像字幕生成、视觉问答（VQA）、图像文本检索和多模态聊天等功能。它采用Q-Former架构，桥接冻结的图像编码器和大型语言模型，提供零样本性能，无需任务特定训练。适用于计算机视觉和自然语言处理的多模态AI应用。关键词：BLIP-2、视觉语言预训练、图像字幕、视觉问答、VQA、多模态AI、计算机视觉、自然语言处理、零样本学习、Q-Former。

校准工具技能是用于机器人及传感器系统精确校准的专业技能，涵盖相机、IMU、LiDAR、手眼、运动学及多传感器校准。关键词包括：机器人校准、传感器校准、Kalibr、手眼校准、相机标定、IMU校准、LiDAR校准、运动学校准、多传感器融合、校准验证。

CLIP（对比语言-图像预训练模型）是OpenAI开发的一个多模态人工智能模型，专门用于连接视觉和语言信息。它能够执行零样本图像分类、图像-文本相似度计算、跨模态检索等任务，广泛应用于图像搜索、内容审核、视觉-语言任务等领域，无需额外训练。关键词：零样本图像分类、图像-文本匹配、内容审核、多模态AI、视觉语言模型。

FiftyOne代码风格指南是一套完整的Python编码规范，专门为FiftyOne计算机视觉数据集管理框架设计。该指南详细规定了模块结构、导入组织、文档字符串格式、私有函数命名、延迟导入策略、错误处理模式和代码质量检查清单。适用于开发者为FiftyOne贡献代码、开发插件或编写与FiftyOne代码库集成的Python程序时遵循，确保代码风格统一、可维护性强。关键词：FiftyOne, Python代码规范, 计算机视觉, 数据集管理, 代码风格, 开发指南, 开源贡献

图像增强器是一个基于AI的技能，用于自动提升图像质量，包括智能放大分辨率、锐化细节、减少压缩伪影，优化图像以适用于博客、文档、社交媒体和演示等场景，提升视觉表现。

FiftyOne数据集推理工具是一个用于计算机视觉任务的端到端解决方案，支持从本地目录创建数据集、导入COCO/YOLO/VOC等标准格式标签、运行深度学习模型推理并存储预测结果。该工具提供完整的ML管道，适用于目标检测、图像分类、语义分割等计算机视觉应用，帮助用户高效管理视觉数据集和模型评估。

Histolab是一个用于数字病理学的Python库，专为全幻灯片图像（WSI）的组织检测、瓦片提取和预处理设计，支持自动化组织分割、多种瓦片提取策略（随机、网格、评分）和图像过滤，适用于深度学习管道、数据集准备和医学图像分析。关键词：数字病理学、WSI、组织检测、瓦片提取、预处理、Python库、深度学习、医学图像、计算机视觉、H&E染色。

利用PyTorch和TensorFlow实现图像分类、目标检测、语义分割等计算机视觉任务

NVIDIA Isaac Sim 技能是一个专注于利用NVIDIA Isaac Sim平台进行高保真、照片级逼真模拟和合成数据生成的专家级工具。它集成了Omniverse和Replicator，能够高效创建虚拟环境、配置物理引擎、实现领域随机化，并生成带标注的训练数据，广泛应用于机器人仿真、自动驾驶、数字孪生和强化学习等领域。 关键词：NVIDIA Isaac Sim，逼真模拟，合成数据生成，Omniverse，Replicator，物理模拟，领域随机化，机器人仿真，自动驾驶，数字孪生，USD格式，ROS桥接，RTX光线追踪。