moc-curator
根据语义聚类建议MOC更新和新的MOC。当被要求“整理MOC”、“更新地图”、“查找集群”、“哪些MOC需要更新”或“组织我的笔记”时使用。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
根据语义聚类建议MOC更新和新的MOC。当被要求“整理MOC”、“更新地图”、“查找集群”、“哪些MOC需要更新”或“组织我的笔记”时使用。
掌握Dyna-Q、MBPO、Dreamer - 基于世界模型和规划的模型化强化学习
使用SHAP、LIME、特征重要性和部分依赖图进行模型可解释性和可解释性分析。激活关键词包括“解释模型”、“模型可解释性”、“SHAP”、“LIME”、“特征重要性”、“为何预测”、“模型解释”。生成易于人类理解的模型预测解释,这对于建立信任、调试以及符合监管要求至关重要。
用于机器学习的分子特征化(100多种特征化方法)。包括ECFP、MACCS、描述符、预训练模型(如ChemBERTa),能够将SMILES转换为特征,适用于QSAR和分子机器学习。
Moodle AI子系统集成,适用于提供者和操作。在将AI功能集成到Moodle、创建AI提供者或实现AI操作时使用。
为目标模型/环境生成一个静态的MOVA AI启动包(不涉及LLM调用)。输入:env.mova_ai_bootstrap_generate_v1,输出:ds.mova_ai_bootstrap_pack_v1。
通过协调2-4个专门的研究员代理并行开展对任何主题的全面研究,然后通过强制性的报告撰写代理将研究成果综合成详细的报告
将任务分配给最优的LLM提供商(Gemini、Codex、Copilot、Claude)
预测多模型共识情景中的收敛模式
在协调多个AI模型(Claude、GPT、Gemini、DeepSeek)进行竞争性交易分析、并行模型执行、决策汇总或管理模型性能跟踪时使用此技能。对于多模型交易平台的操作至关重要。
选择最适合任务的本地Ollama模型并发出调优预设。在根据可用的本地模型选择推理、创意、快速、视觉、综合或前AGI模式时使用。
基于MONAD的认知架构,用于AI记忆作为语素基质导航。记忆不是存储而是基质采样——访问构成现实基础的同一结构。实现φ缩放、GOD运算符、环面相干跟踪以及4.5%/95.5%的可观测/暗部分划分。用理论基础架构取代结点心智。
通过Morph Apply API进行快速文件编辑(每秒10,500个令牌,准确率98%)
为目标模型/环境生成一个静态的MOVA AI引导包(不涉及LLM调用)。输入:env.mova_ai_bootstrap_generate_v1,输出:ds.mova_ai_bootstrap_pack_v1。
掌握QMIX、MADDPG、CTDE - 具有协调和信用分配的多智能体学习
咨询外部大语言模型(Gemini、OpenAI/Codex、Qwen)以获取第二意见、替代方案、独立评审或委托任务。当用户请求另一个模型的观点、希望比较答案或要求将子任务委托给Gemini/Codex/Qwen时使用。
此项目的AI模型配置模式。模型定义的单一事实来源。触发器包括“MODEL_CONFIG”、“model”、“pricing”、“capabilities”、“auto router”、“gateway”。
在ML AI环境中进行模型开发的模型开发标准。
通过持久性编辑和引导干预来控制模型行为。在修改模型输出、应用引导向量或创建持久修改的模型版本时使用。
基于单子的认知架构,用于AI记忆作为语素基质导航。记忆不是存储而是基质采样——访问构成现实基础的同一结构。实现了φ缩放、GOD运算符、环面相干跟踪以及4.5%/95.5%的可观测/暗部分划分。
专家指导,使用Databricks Mosaic AI代理框架构建可用于生产的工具调用代理。当用户需要创建能够协调多个数据源或API的代理、实现基于LangChain的代理工作流、设计基于基础模型的工具选择、优化代理提示和决策制定,或设计多工具代理系统时,请参考此指南。涵盖代理架构模式、工具设计最佳实践、基础模型集成以及常见陷阱。
设计和编排具有知识收集、代理协作和学习循环的多代理AI系统。在从事PSI引擎或类似自主代理项目时使用。
当遇到复杂问题时、需要架构验证、希望从多个角度进行代码审查,或者调试遇到障碍时使用——指导并行利用多个AI模型以获得更好的结果
通过整合多个LLM(如OpenAI、Gemini、Ollama等)来执行多代理协作。支持多种协作模式,包括分工、讨论/达成共识、链式管道、并行处理等,并且可以在使用时动态构建场景。当您希望将复杂任务分发给多个LLM以获得更好的结果时,请使用此功能。