搜索结果: "智能体"

4.5

迭代检索模式技能Skill iterative-retrieval

迭代检索模式是一种用于优化多智能体系统中上下文检索的技能。它通过循环的分发、评估、优化和循环阶段,帮助子智能体逐步获取所需上下文,解决代码库搜索问题,提高工作效率。关键词包括:迭代检索、上下文优化、多智能体、代码库搜索、AI智能体、RAG应用、智能体编排。

4.5

持续学习技能Skill continuous-learning

这个技能用于在Claude Code会话结束时自动提取可重用的模式,并将其保存为学习技能,以提高AI辅助编程的效率和准确性。关键词包括:持续学习、模式提取、AI智能体、技能提取、会话分析、自动化学习、编程辅助、AI优化。

4.5

持续学习v2Skill continuous-learning-v2

这是一个基于直觉的AI学习系统,专为Claude Code会话设计。它通过钩子(Hooks)100%可靠地观测工具使用,检测用户模式,创建带有置信度评分的原子直觉,并自动聚类演进为技能、命令或AI智能体。该系统支持隐私保护、本地存储和直觉共享,帮助用户自动化学习过程,提高代码效率和个性化AI助手能力。关键词:持续学习,直觉学习,AI智能体,Claude Code,技能演进,置信度评分,钩子观测。

4.5

迭代检索Skill iterative-retrieval

迭代检索技能是一种用于多代理系统中解决上下文缺失问题的技术。它通过四个阶段(派遣、评估、精炼、循环)逐步检索和精炼相关文件,确保代理获得足够且相关的上下文信息,以提高任务执行效率。关键词:迭代检索、上下文检索、子代理、文件检索、精炼搜索、AI智能体、RAG应用。

4.5

多智能体截图分析器Skill screenshot-analyzer

这个技能使用多智能体架构从产品UI截图自动提取功能并生成开发任务清单,适用于竞品分析、需求文档生成、UI设计评估等场景。关键词包括截图分析、多智能体、功能提取、任务清单、竞品分析、AI应用。

4.5

OpenAI助手APIv2技能Skill openai-assistants

这个技能封装了OpenAI Assistants API v2,用于快速构建状态ful的聊天机器人应用,支持代码解释器、文件搜索和RAG技术,提高开发效率并预防常见错误。关键词:OpenAI, 助手API, 聊天机器人, RAG, 代码解释器, 文件搜索, AI智能体, 状态ful对话, 向量存储, 错误处理。

4.5

ElevenLabs语音智能体平台Skill elevenlabs-agents

这个技能是用于构建生产就绪的对话式AI语音智能体的平台,集成自动语音识别(ASR)、大型语言模型(LLM)、文本转语音(TTS)和对话轮流模型,支持多种语音、语言和工具集成,适用于客户服务、知识库检索(RAG)、多语音切换和语音AI应用开发。关键词:AI语音智能体,对话式AI,语音识别,文本转语音,ElevenLabs,ASR,TTS,RAG,语音代理,AI应用。

4.5

Cloudflare智能体Skill cloudflare-agents

这是一个用于在Cloudflare Workers上构建和部署AI智能体的技能。它支持工具集成、多种LLM提供商(如OpenAI、Anthropic、Google Gemini)、MCP协议,并利用Cloudflare的serverless平台实现高效AI应用开发。关键词:Cloudflare、AI智能体、serverless、MCP、LLM、工具集成。

4.5

ClaudeAgentSDKSkill claude-agent-sdk

Claude Agent SDK 是一个用于构建和部署自主AI代理的软件开发工具包,支持工具集成、MCP服务器、多代理编排和会话管理,适用于自动化工作流、代码分析、系统监控等场景。关键词:Claude Agent SDK, AI智能体, 工具编排, MCP协议, 自主代理。

4.5

提示工程Skill prompt-engineering

提示工程是一种技能,专注于设计和优化人工智能模型特别是大语言模型的输入提示,以提升输出质量和准确性。涉及模式如结构化提示、链式思考、少样本学习等,关键词包括提示优化、大模型、AI、自然语言处理、AIGC、智能体应用。

4.5

Mesh(群集协调器)Skill mesh

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。

4.5

智能经验学习系统Skill learnings

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。