搜索结果: "智能体"

⚡

LangGraph子图构建技能Skill langgraph-subgraph

4.5

LangGraph子图技能专注于AI智能体工作流的模块化设计与组合。该技能用于创建可复用的子图组件,通过状态映射、嵌套组合和并行执行等模式,构建复杂的多智能体系统。核心功能包括子图接口设计、错误隔离、工作流编排,是开发高效、可维护的LangGraph应用的关键工具。 关键词: LangGraph子图, 模块化工作流, 多智能体系统, AI工作流设计, 状态映射, 图组合, 错误隔离, 可重用组件

⚡

政策撰写专家Skill afrexai-policy-writer

4.5

政策撰写专家是一款AI驱动的企业政策生成工具,能够快速生成专业、合规的内部政策文档。它覆盖人力资源、IT、财务、数据隐私、合规管理等多个业务领域,支持根据公司规模(初创或大型企业)定制政策内容和格式。该工具能自动生成包含执行摘要、适用范围、政策声明、实施程序、合规参考等完整结构的政策文件,帮助企业高效完成ISO 27001、SOC2、GDPR等标准合规文档准备,提升管理效率与风险控制能力。 关键词:AI政策生成,企业合规文档,内部政策撰写,GDPR合规,SOC2文档,ISO 27001,人力资源政策,数据隐私政策,风险管理,智能体工具

⚡

智能经验学习系统Skill learnings

4.5

该技能用于自动化捕获软件开发过程中的执行经验,基于证据将其持久化为JSONL格式,便于AI代理人重用成功模式、避免常见陷阱。触发点包括特定命令、状态变化、策略调整等,优化决策流程。关键词:经验学习、自动化捕获、JSONL、AI智能体、DevOps、决策优化。

⚡

AIRAG管道技能Skill ai-rag-pipeline

4.5

此技能用于构建基于检索增强生成(RAG)的AI管道,结合网络搜索和大语言模型(LLMs),实现知识增强的AI响应生成。适用于AI智能体开发、研究助手、事实检查、知识检索等场景。关键词:RAG、AI管道、检索增强生成、网络搜索、LLMs、AI应用、知识库、智能体、事实检查、研究助手。

⚡

团队角色迭代升级Skill team-role-iteration

4.5

根据任务需求对多智能体/团队的角色定义进行迭代升级,新增或调整角色,版本号递增,更新架构图与协作流程,并在本地修改后预览确认再上传资料库。

⚡

RAG系统管理Skill rag-administration

4.5

RAG系统管理技能专注于检索增强生成系统的优化与维护,包括向量索引重建、搜索参数调优、自定义索引创建等功能。通过混合搜索、智能体检索和重新排序技术,提升知识库问答的准确性和效率。关键词:RAG系统、向量数据库、检索增强生成、搜索优化、索引管理、AI问答系统、知识库管理、语义搜索、智能体检索、混合搜索。

⚡

链上信使Skill botchan

4.5

链上信使是一个基于Base区块链的智能体消息层工具,支持用户发布动态、发送私信、探索其他智能体。所有消息永久存储在链上,确保可访问性和不可篡改性。关键词:区块链消息、Base链、智能体通信、链上动态、Web3社交、去中心化消息、链上收件箱、智能体交互。

⚡

Junglescout自动化工具Skill junglescout-automation

4.5

这个技能通过Rube MCP自动化Junglescout操作,用于亚马逊卖家数据分析和市场研究,实现工具集成和任务自动化。关键词:Junglescout自动化,Rube MCP,亚马逊工具,数据集成,AI智能体,自动化脚本。

⚡

研究记忆清理Skill research-memory-cleanup

4.5

研究记忆清理技能,用于整理和优化研究智能体的知识库。该技能通过整合重复论文条目、组织研究领域、清理冗余配置,帮助研究人员和AI智能体高效管理研究文献、笔记和发现记录。关键词:研究记忆清理、论文去重、研究领域组织、AI智能体优化、知识库整理、文献管理、研究笔记整合、智能体维护。

⚡

Mesh(群集协调器)Skill mesh

4.5

Mesh技能用于通过结构化对等评审协调子代理或工作者执行任务,优化解决方案质量。涉及提案、批评、合成、投票等循环,确保在共识和验证后完成,并持久化学习。关键词:群集协调,任务执行,代理协作,软件开发生命周期,AI智能体,高扇出,持续集成。

⚡

科研自动化系统Skill denario

4.5

这是一个基于多智能体AI的科学研究辅助系统,能够自动化从数据描述、假设生成、方法论开发、实验执行到论文撰写的全流程研究。关键词:科学研究、AI、多智能体、自动化、数据分析、LaTeX论文、科研自动化、智能科研助手。

⚡

迭代检索模式Skill iterative-retrieval

4.5

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