这是一个专注于利用大型语言模型（LLM）进行逻辑操作的技能，涵盖了从项目结构设计到LLM客户端模式、提示模式、测试策略以及成本和性能跟踪等多个方面，旨在提高AI应用的效率和准确性。

LLM Council 技能是一个用于创建和执行复杂计划的多成员 CLI 规划委员会，它能够配置、随机化和合并多个独立计划，以减少偏见并提高计划的鲁棒性。适用于需要结构化 JSON 输出、重试机制和跨多个 CLI 代理的故障处理的场景。

这个技能用于创建可重复使用的命令行脚本和工具，以便利用Hugging Face API进行数据获取、处理和分析。它支持API链式调用、管道处理和自动化任务，适用于AI模型和数据集的管理与处理。关键词：Hugging Face, API, 工具构建, 脚本, 自动化, AI应用。

这个技能提供了一个标准操作程序（SOP），用于生成关于大模型自进化治理的政府报告初稿框架，确保内容安全、可控、透明，符合相关法规。它帮助用户梳理思路，聚焦技术治理原则如AI安全、伦理和国际合作。关键词：大模型，自进化，AI治理，政府报告，SOP，安全可控，风险预防，多方共治。

此技能用于通过命令行异步发送用户请求到指定的AI提供商，支持Gemini、Claude等多种AI服务，便于在开发和运维中集成AI功能。关键词：AI异步请求、命令行工具、AI提供商、异步处理、DevOps集成。

氛围编码方法论是一种专注于利用AI辅助工具进行高效软件开发的策略集合，涵盖规划、测试、调试、版本控制、AI工具优化和复杂功能开发等环节，旨在提升开发效率和代码质量。关键词：AI辅助编程、软件工程、代码调试、版本控制、测试策略、AI工具、开发方法论、氛围编码。

这个技能用于分析SpecStory AI编码会话的历史数据，检测开发过程中任务偏离原始目标的现象，即“yak shaving”。它通过解析会话记录、跟踪领域转移和模式变化，为每个会话生成修毛得分，并提供个性化报告，帮助开发者识别效率瓶颈和改善编程习惯。关键词：AI编码会话分析、任务偏离检测、修毛得分、编程效率优化、SpecStory工具。

此技能提供可重用的AI聊天机器人开发模式，包括服务器动作验证器、工具抽象系统、多AI提供商设置、状态管理和跨字段验证，适用于自定义部署，帮助开发者构建高效、安全、可扩展的聊天机器人应用。关键词：AI聊天机器人、服务器验证、工具抽象、多AI提供商、工作流执行、Zod验证、Zustand状态管理、Next.js、Vercel AI SDK。

这个技能是关于如何为大语言模型设计高效的文档和指令，以提升LLM的理解和执行能力，包括假设能力、渐进披露、示例优先等方法。关键词包括：大语言模型、文档写作、指令优化、AI应用、LLM开发

此技能涉及使用BigCode评估工具对代码生成模型进行基准测试和性能评估，支持多语言代码生成质量分析，包括HumanEval、MBPP等基准测试，适用于AI模型开发、代码生成研究和SEO优化。关键词：代码生成模型评估、基准测试、多语言评估、pass@k指标、AI应用。

这是一个基于人工智能的文本编辑工具，专门用于根据Every的风格指南自动校对和编辑文本内容，包括文章、博客、新闻稿等，以提高编辑质量和一致性。关键词：文本编辑、风格指南、AI校对、自动编辑、SEO优化、内容合规、语法检查、写作辅助。

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。