这是一个用于Agentuity云平台的命令行工具，专门用于通过指定键值（key）删除一个或多个向量数据。该技能需要用户先进行身份验证，并处于正确的项目上下文中。它支持交互式确认和批量删除操作，适用于向量数据库管理、AI模型数据清理、RAG应用维护等场景。关键词：Agentuity云平台，向量删除，CLI工具，AI数据管理，RAG应用，向量数据库。

高级提示工程师技能专注于大语言模型优化与AI产品开发，提供世界级的提示工程解决方案。核心能力包括LLM性能优化、RAG检索增强生成、智能体系统设计、结构化输出控制、少样本学习、思维链推理和AI评估框架。适用于构建企业级AI应用、优化大模型响应质量、设计自动化智能体、实施高级提示技术。关键技术栈涵盖Python、PyTorch、LangChain、Docker/K8s、AWS/GCP/Azure等，支持生产级部署与监控。SEO关键词：提示工程，LLM优化，RAG应用，AI智能体，大模型微调，AI产品开发，LangChain，GPT-4，Claude，思维链，少样本学习，结构化输出，AI评估，生产级AI系统。

LLM 架构师技能专注于大型语言模型（LLM）系统的端到端设计与实施。它提供专家级指导，涵盖模型选择、RAG（检索增强生成）管道构建、微调策略、服务基础设施部署、成本效益优化以及生产环境安全合规。适用于需要设计高性能、可扩展且安全的LLM应用场景，如智能客服、内容生成、知识问答系统等。关键词：LLM系统架构，大语言模型部署，RAG检索增强生成，模型微调，成本优化，AI应用安全，生产级AI服务。

本项目是一个面向生产环境的机器学习与人工智能技能工具箱，提供11项核心ML/AI技能的完整脚本和参考指南。涵盖AI工程师、LLM架构师、ML工程师、MLOps工程师、数据工程师等角色，包含OpenAI/Claude API集成、RAG系统搭建、模型微调、MLflow实验追踪、ETL管道自动化等关键技术。适用于企业AI应用开发、大模型部署、数据科学项目落地，帮助团队快速构建可维护、可扩展的AI解决方案。关键词：机器学习，人工智能，大模型，RAG，MLOps，数据工程，AI集成，模型部署，生产环境，技能工具箱。

QE覆盖分析技能用于检测软件测试中的覆盖差距，使用O(log n)次线性算法提高效率，结合风险加权分析评估代码风险，并智能优先级排序测试工作，以优化软件质量。关键词：测试覆盖、风险分析、优先级排序、代码质量、QE覆盖。

这个技能用于通过Rube MCP和Composio平台自动化Ragic数据库任务，实现低代码开发环境下的工作流自动化和工具集成。它包括工具发现、连接管理、工作流执行等功能，适用于自动化Ragic操作和提升效率。关键词：Ragic自动化，Rube MCP，工具集成，低代码开发，工作流自动化，Composio，数据库自动化。

Spring AI是Spring官方提供的AI应用开发框架，用于简化与大语言模型（LLM）的集成，支持OpenAI、Anthropic等模型，实现RAG应用、向量存储、Function Calling等功能。关键词：Spring AI, AI集成, RAG应用, 向量存储, 大模型, 提示模板, 流式响应。

这是一个用于Agentuity云平台的CLI工具技能，主要功能是列出所有向量数据库的命名空间。该技能需要用户先完成身份验证，并在项目上下文中执行。适用于向量数据库管理、AI应用开发、RAG应用构建等场景。关键词：Agentuity云平台、向量数据库、命名空间、CLI工具、AI开发、RAG应用、云服务管理

这个技能提供了一套全面的指南，用于监控生产环境中的人工智能和机器学习系统，包括大型语言模型（LLMs）、检索-生成（RAG）应用和传统机器学习模型。它涵盖了监控堆栈的搭建、关键性能指标的跟踪、模型性能监控、数据漂移检测、日志记录、追踪技术、告警策略、仪表板配置、A/B测试监控、成本优化等多个方面，是确保AI系统可靠性和性能的关键工具。

验证代理是一个人工智能代理技能，用于自动验证技术计划中的技术选择，确保其符合2024-2025年最佳实践。通过提取技术决策、检查过去先例（RAG-Judge）、进行Web研究和评估发现，生成详细的验证报告。关键词：技术验证、AI智能体、最佳实践、RAG-Judge、WebSearch、软件开发、验证报告。

这个技能是一个元技能，用于将任何SKILL.md文件自动化升级到决策理论v5 Hybrid格式，通过四个并行Ragie支持的代理使用决策理论和模态逻辑进行分析、优化和验证。关键词：技能升级、决策理论、模态逻辑、RAG应用、AI代理、自动化工具、MDP结构、策略设计、约束提取、验证安全性。

该技能用于配置和部署 Microsoft Semantic Kernel，这是一个用于编排 AI 服务和功能的框架。它专注于设置 AI 规划器（如 Handlebars 和 Stepwise）、创建和管理插件（函数集合）、集成内存存储以及构建自动化的函数调用链。核心功能包括连接 AI 服务（如 OpenAI、Azure）、组织插件、选择规划策略以及实现智能体的规划与执行流程。关键词：Semantic Kernel, AI 编排, 函数调用, AI 规划器, 插件开发, 智能体开发, 大模型应用, RAG, AI 服务集成。