模型服务技能专注于部署和优化大型语言模型（LLM）及机器学习（ML）模型进行生产推理。它涉及使用vLLM、TensorRT-LLM、BentoML等工具构建AI API、实现流式响应、集成RAG管道和性能优化，适用于自托管部署、GPU加速和前端集成。关键词：模型服务，LLM部署，AI推理，vLLM，TensorRT-LLM，BentoML，RAG，流式响应，性能优化。

TensorRT-LLM是一个基于NVIDIA TensorRT的开源库，专用于优化大型语言模型（LLM）的推理性能。它针对NVIDIA GPU（如A100/H100）进行生产部署，提供高吞吐量、低延迟、支持量化（如FP8/INT4）、动态批处理和跨GPU扩展，适用于实时AI应用和高效模型服务。关键词：TensorRT-LLM, NVIDIA GPU, LLM推理优化, 高吞吐量, 低延迟, 量化模型, 动态批处理, 多GPU部署, AI应用部署。

此技能用于自动检测URL类型（如YouTube视频、文章、PDF），提取内容并创建Ship-Learn-Next行动规划，将学习内容转化为可执行的行动计划。关键词：内容提取，行动规划，AI辅助学习，自动化工作流，学习转化。

这个技能用于加载和显示最近暂停的会话上下文，帮助用户恢复工作状态，包括会话摘要、任务进度、Git信息和待处理任务列表。适用于项目管理、代码开发和AI辅助工作流，提高效率和连续性。关键词：会话恢复、上下文管理、任务列表、MPM命令、AI辅助、开发工具。

Phoenix Evals 是一个专为AI和LLM应用程序设计的评估器构建工具。它遵循代码优先原则，利用LLM处理细微差别，并通过人类验证确保准确性。支持RAG系统评估、批量数据评估、实验运行和验证，适用于生产环境。关键词：AI, LLM, 评估, 构建, 代码, 验证, RAG, 实验, 生产。

凤凰AI观测平台是一个开源AI观测平台，专注于大语言模型（LLM）的追踪、评估和监控，帮助开发者调试LLM应用、运行系统评估和实时监控生产AI系统。提供详细追踪、数据集评估、实验比较和开源自托管功能。关键词：AI观测、LLM跟踪、开源观测平台、AI应用监控、深度学习评估、大模型评估、实时监控、数据集测试。

这个技能提供了创建有效技能的指导，包括专门的工作流程、工具集成、领域专长和捆绑资源。

连续学习技能是一种自动从Claude Code会话中提取可重用模式的技术，帮助用户学习错误解析和调试技术、捕获项目特定解决方法，并构建随时间增长的知识库。关键词：连续学习技能、Claude Code会话、模式提取、知识库、错误解析、调试技术、自动化学习、SEO优化。

Instructor是一个Python库，用于从大型语言模型（LLM）响应中可靠提取结构化数据，自动验证输出，支持重试失败提取和流式处理部分结果，适用于数据提取、分类、结构化分析等AI应用场景。关键词：LLM，结构化输出，数据提取，Pydantic验证，自动重试，流式处理，AI工具。

该技能用于通过创建和管理copilot-instructions.md文件，为GitHub Copilot提供仓库特定的编程指导和代码规范，从而优化AI辅助开发流程，提高代码质量和一致性。关键词：GitHub Copilot, 自定义指令, AI编程助手, 代码规范, 开发效率, 仓库配置

快速上肢评估（RULA）和快速全身评估（REBA）技能，用于姿势评估。

这个技能用于通过Rube MCP和Composio平台自动化执行Griptape任务，涵盖工具发现、连接管理和工作流执行，适用于AI应用自动化和任务集成场景。关键词：Griptape自动化、Rube MCP、Composio、AI工具调用、工作流管理、自动化任务、AI智能体、工具集成。