这个技能是用于Godot游戏引擎，提供一个标准化的框架来帮助开发者实现收藏类游戏目标，如寻宝、收集物品等。它简化了游戏开发过程，提升开发效率。关键词：Godot, 游戏开发, 收藏循环, 游戏目标, 技能框架, 量化交易专家。

本技能可根据用户提供的股票、债券、行业等数据，自动生成高盛、摩根士丹利等顶级投行风格的投资研究报告，包含封面、目录、摘要、图表、术语表与披露声明，支持PDF/DOCX/PPTX输出。关键词：投资研报、量化研究、股票分析、PDF生成、金融报告、机构级研报、自动化报告。

专业的OKR制定、拆解与复盘教练，帮助个人和团队设定高质量目标，将战略方向转化为可量化的关键结果，并提供周期性复盘和改进建议。关键词：OKR制定、目标管理、关键结果、OKR拆解、OKR复盘、季度目标、绩效管理。

参考类预测器是一种基于历史类比数据的预测方法，专门用于对抗乐观偏见和规划谬误。该技能通过分析可比项目的历史结果数据，提供客观的“外部视角”预测，帮助决策者校正过度乐观的内部估算。核心功能包括参考类选择、历史数据分布分析、偏差校正因子计算、不确定性量化以及内外视角对比分析。适用于项目管理、投资决策、风险评估等场景，提升预测准确性和决策质量。关键词：参考类预测、乐观偏见校正、规划谬误、历史数据分析、决策质量、外部视角预测、偏差校正、项目管理预测、风险评估、统计预测模型。

这是一个用于Agentuity云平台的命令行工具，主要功能是通过指定的命名空间和键来查询和获取存储在向量数据库中的特定条目。该工具需要用户先进行身份认证，并支持从产品目录、知识库或用户嵌入等多种场景中检索向量化数据，返回包含元数据、原始文档和相似度评分的结构化JSON结果。关键词：Agentuity CLI， 向量数据库查询， 云平台操作， 命令行工具， 数据检索， AI智能体开发。

这是一个用于构建和部署检索增强生成（RAG）系统的技能。它详细说明了如何从文档中摄取数据、进行文本分块和向量化，并利用向量数据库（Qdrant）进行高效检索。该系统集成了提示工程和个性化设置，并通过智能体（Agent）类管理大语言模型调用，旨在为问答、知识库构建等场景提供准确、上下文相关的AI生成内容。关键词：RAG，检索增强生成，向量搜索，Qdrant，大语言模型，智能体，提示工程，知识库，AI应用。

这是一个专为非技术或混合受众设计的技能，通过日常类比清晰解释大语言模型量化技术，覆盖INT4量化、层感知位分配、AWQ-v2/GPTQ-for-LLaMA等最佳实践，实际效果如内存减少75%、延迟下降2倍。适用于产品经理、学生和AI开发者，提升AI技术可访问性和理解。关键词：量化解释、大语言模型、AI应用、非技术观众、类比教学、技术沟通。

此技能用于从多个来源综合研究发现，进行模式识别、权重分配、矛盾解决和叙事构建，以形成连贯的结论并量化不确定性。关键词：研究综合、数据分析、不确定性量化、结论生成、SEO搜索优化。

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。

这是一个用于分析Elixir和Phoenix开发会话的技能，提供完整的会话分析管道。通过自然语言描述搜索开发会话，自动生成转录和综合报告，帮助开发者识别工作流模式、摩擦点和插件改进机会。关键词：会话分析，Elixir开发，Phoenix框架，开发调试，自动化报告，量化交易分析辅助工具。

这个技能专注于解决优化问题中的约束优化，包括等式约束、不等式约束和边界约束。它涵盖了拉格朗日方法、KKT条件、惩罚和障碍方法，以及使用SciPy等工具进行实际优化。关键词：约束优化，拉格朗日乘子，KKT条件，SciPy优化，数学优化，量化交易，股票分析。

本技能提供信息论中熵相关问题的解决策略，包括香农熵、联合熵、条件熵等的计算和应用。适用于数据分析、量化金融和人工智能领域。关键词：熵、信息论、数据分析、量化策略、机器学习。