搜索结果: "智能体"

4.5

迭代检索模式Skill iterative-retrieval

迭代检索模式是一种用于解决多智能体系统中上下文检索问题的技术方法。该模式通过分发、评估、优化、循环四个阶段,逐步优化检索标准,为子智能体提供精准的上下文信息。主要应用于AI智能体开发、RAG应用、代码理解、文档检索等场景,能够有效解决传统检索方法中信息过载或信息不足的问题。关键词:迭代检索、上下文优化、多智能体系统、RAG应用、代码理解、智能体开发、信息检索、AI工作流、上下文管理、智能体编排

4.5

agentuity-cli-云向量增改Skill agentuity-cli-cloud-vector-upsert

Agentuity云向量增改技能是一个用于向量数据库操作的命令行工具,支持向量嵌入的增删改查功能。该技能主要用于人工智能领域的向量存储管理,特别是RAG应用和大模型微调场景中的向量数据管理。用户可以通过命令行批量上传、更新向量数据,支持文档嵌入、预计算向量和元数据管理,是构建智能搜索、语义理解和AI智能体的关键技术组件。

4.5

AgentuityCLI项目创建工具Skill agentuity-cli-project-create

Agentuity CLI项目创建工具是一个命令行工具,用于快速创建和管理AI智能体项目。该工具提供模板化项目创建、依赖自动安装、构建流程自动化等功能,支持自定义域名配置和项目注册。适用于AI智能体开发、RAG应用构建、大模型微调等场景,帮助开发者快速搭建AI项目基础架构。关键词:AI智能体开发、项目创建工具、命令行工具、模板化开发、RAG应用、大模型微调、DevOps自动化、项目管理

4.5

agentuity-cli-cloud-vector-upsertSkill agentuity-cli-cloud-vector-upsert

Agentuity云向量更新工具,用于向量数据库的增删改查操作。支持文档嵌入、元数据管理、批量导入,适用于AI智能体开发、RAG应用构建、大模型微调等场景。关键词:向量数据库、AI智能体、RAG应用、大模型、Agentuity、云平台、向量存储、嵌入向量

4.5

技能创建器Skill skill-creator

Claude技能创建指南,提供创建、打包和优化AI技能的全流程指导。包含技能结构设计、渐进式披露原则、资源规划、脚本编写、参考资料组织和资产管理的最佳实践。适用于AI技能开发、Claude扩展创建、智能体定制、工作流程自动化等场景。

4.5

智能体记忆系统设计Skill memory-systems

本技能详细阐述了如何为AI智能体设计和实现分层记忆架构,涵盖从工作记忆到时序知识图谱的完整谱系。核心内容包括记忆层架构(工作、短期、长期、实体、时序知识图谱)、实现模式(文件系统、向量RAG、知识图谱)以及检索与整合策略。旨在解决智能体跨会话状态持久化、实体一致性维护和结构化知识推理等关键问题,适用于构建需要长期学习和复杂推理的AI应用系统。关键词:AI智能体,记忆系统,知识图谱,RAG,时序记忆,实体跟踪,跨会话持久化。

4.5

提示级别选择技能Skill prompt-level-selection

这个技能用于指导基于七级框架选择适当的AI提示级别,帮助匹配任务复杂性到正确的提示投资,优化提示工程过程。关键词:提示级别、提示工程、任务复杂性、七级框架、AI智能体、工作流。

4.5

Agentic提示创建Skill create-prompt

这个技能用于在指定级别生成Agentic提示,利用元提示技术自动化创建slash命令或工作流提示。关键词:Agentic提示、元提示、提示生成、AI智能体、自动化工作流、技能开发、元编程。

4.5

mcp-builderSkill mcp-builder

这个技能用于创建高质量的MCP服务器,使大型语言模型能通过设计良好的工具与外部服务交互。适用于集成外部API或服务,无论是在Python(FastMCP)还是Node/TypeScript(MCP SDK)中。关键词包括:MCP服务器开发、AI智能体、工具设计、外部服务集成、LLM交互、API集成、服务器构建、模型上下文协议。

4.5

上下文工程Skill context-engineering

上下文工程是一种关键技术,专注于优化人工智能智能体系统中的上下文管理,以提高推理效率并降低计算成本。它涉及上下文基础、优化技术、压缩策略、记忆系统和多智能体协调,适用于AI应用开发、大模型微调和RAG应用。关键词:上下文工程、AI智能体、令牌优化、LLM、多智能体系统、记忆管理。

4.5

LlamaIndex数据框架应用Skill llamaindex

LlamaIndex是一个用于构建大型语言模型(LLM)应用的数据框架,专注于检索增强生成(RAG)、文档问答、知识检索和多模态支持。它提供300多个数据连接器、向量索引和查询引擎,适用于文档处理、聊天机器人和企业数据集成,帮助开发高效RAG管道和AI应用。关键词:LlamaIndex, RAG, 文档问答, 向量索引, 数据框架, LLM应用, 智能体, 知识检索

4.5

Loom执行计划编写器Skill loom-plan-writer

这个技能专门用于创建Loom执行计划,设计基于DAG的计划结构,包含知识引导和集成验证书挡,支持并行子代理执行和并发工作树阶段,以最大化吞吐量。关键词:Loom、执行计划、DAG、并行执行、知识引导、集成验证、代理编排、自动化工具、软件开发、AI智能体。