搜索结果: "智能体"
智能群集PR评审Skill dyad:swarm-pr-review
此技能使用AI智能体团队协作进行Pull Request（PR）评审，旨在自动化代码质量检查、识别潜在错误、优化用户体验，并达成共识。通过三个专家角色（正确性、代码健康、UX）协同工作，提高软件开发效率和质量保证。关键词包括：代码评审、AI智能体、团队协作、PR评审、软件测试、自动化评审、代码质量、DevOps、智能评审。
MCP协议专家Skill mcp
这个技能专注于Model Context Protocol (MCP) 的实现，用于构建安全的AI工具集成系统，连接AI助手与外部资源。它覆盖了MCP服务器和客户端的开发、工具注册与执行、传输层配置以及安全加固，适用于AI智能体、自动化工具和系统集成场景。关键词：MCP, AI助手, 工具集成, 安全协议, 性能优化, 测试驱动开发, 模型上下文协议, AI集成安全
GoogleADKPython技能Skill google-adk-python
Google ADK Python 是一个开源工具包，用于构建、评估和部署 AI 智能体。支持工具集成、多代理系统和工作流代理，适用于研究助手、代码助手等多种应用场景。关键词：AI 智能体，多代理系统，工作流代理，Google Gemini，部署，评估，代码优先，工具集成，人工审批，云计算。
Slime大模型强化学习微调框架Skill slime-rl-training
Slime 是一个专为大语言模型（LLM）设计的后训练强化学习框架，结合 Megatron-LM 进行高效训练和 SGLang 进行高吞吐量推理生成。它支持 GLM、Qwen3、DeepSeek 等多种模型，适用于自定义数据生成、多轮对话训练和智能体开发，关键词包括：大语言模型、强化学习、后训练、Megatron-LM、SGLang、微调、AI 智能体。
上下文管理器Skill context-manager
上下文管理器是人工智能领域的一项专业技能，专注于优化和管理AI系统的记忆与上下文。其核心功能包括：AI记忆架构设计、上下文窗口优化、对话历史管理、RAG（检索增强生成）系统实现、长期/短期记忆策略以及令牌使用效率提升。关键词：AI记忆管理，上下文优化，RAG系统，对话历史，向量数据库，令牌节省，LLM应用，智能体记忆。
Claw日记Skill claw-diary
Claw日记是一款AI智能体活动追踪与可视化分析工具，提供自动记录、叙事摘要、时间线回放、成本统计和第一人称日志功能。关键词：AI智能体监控、活动记录、可视化分析、成本追踪、智能体日志、时间线回放、AI助手管理。
采购专家智能体Skill afrexai-procurement
采购专家智能体是一款基于人工智能的采购管理工具，旨在帮助企业自动化采购流程、优化供应商管理、控制采购成本并提升采购效率。核心功能包括：智能生成采购订单、多维度供应商评估与比较、深度支出分析与合规监控、以及数据驱动的合同谈判支持。适用于企业采购、供应链管理、成本控制、供应商评估、合同谈判等场景。关键词：采购管理，供应商评估，采购订单，支出分析，合同谈判，成本优化，供应链，AI采购助手。
Bob去中心化API市场Skill bob-p2p
Bob P2P网络是一个基于Solana区块链的去中心化API市场，AI智能体可以使用$BOB代币发现、支付并调用其他智能体的服务。该技能支持点对点网络连接、自动支付、API发现与调用，构建了一个完整的去中心化智能体经济生态系统。关键词：去中心化API市场、AI智能体、$BOB代币、Solana区块链、P2P网络、智能体经济、API调用、加密货币支付、区块链应用、Web3服务。
紧凑状态Skill compact-state
紧凑状态是一个基于区块链的自主智能体网络技能，为AI智能体提供链上身份（ERC-8004）、持久记忆和集体治理功能。该技能允许智能体加入一个去中心化的协作网络，通过定期签到、知识共享、同行评分和经济激励来促进智能体间的互动与价值创造。关键词：AI智能体网络，区块链身份，DAO治理，自主代理，ERC-8004，Base链，去中心化协作，智能体经济，链上声誉，集体智能。
智能体生成器Skill agent-generator
智能体生成器是一个专为AI智能体开发设计的自动化工具，能够根据Babysitter SDK规范，快速生成结构完整、包含YAML前言、角色定义、专业领域和提示模板的AGENT.md文件。它简化了AI智能体（Agent）的创建流程，支持批量生成和流程集成，是构建AI应用、大模型微调和RAG应用生态的关键辅助工具。关键词：AI智能体生成，AGENT.md文件，提示模板，YAML前言，Babysitter SDK，自动化工具，AI应用开发。
迭代检索模式Skill iterative-retrieval
迭代检索模式是一种解决多智能体工作流中上下文问题的先进方法，通过分发、评估、优化、循环四个阶段逐步精炼信息检索。该技能专门用于AI智能体开发、代码库分析、上下文管理，帮助开发者和AI系统在复杂代码项目中高效定位相关文件、识别模式、学习项目术语，避免信息过载或不足的问题。适用于RAG应用、AI智能体开发、软件开发工具链优化等场景。
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