content-analysis
使用传统NLP和基于大语言模型的方法分析文本内容。从包括社交媒体帖子、文章、评论和视频内容在内的各种内容类型中提取情感、主题、关键词和见解。在进行文本分析、情感检测、主题建模或内容优化时使用。
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。
使用传统NLP和基于大语言模型的方法分析文本内容。从包括社交媒体帖子、文章、评论和视频内容在内的各种内容类型中提取情感、主题、关键词和见解。在进行文本分析、情感检测、主题建模或内容优化时使用。
当用户要求“建模代理心理状态”、“实现BDI架构”、“创建信念-愿望-意图模型”、“将RDF转换为信念”、“构建认知代理”,或提到BDI本体、心理状态建模、理性代理,或神经符号AI集成时,应使用此技能。
精通动态上下文的精英AI上下文工程专家
使用G-4 CONTEXT并行收集历史背景。在进行复杂工作之前,部署6个探针来收集所有相关背景。
挖掘所有过去的Claude对话,以构建一个关于你的‘活的用户手册’。提取写作风格、商业背景、目标、偏好和模式。让所有其他技能在上下文中变得更智能。
自定义LLM在每次生成时接收的信息。使用此功能可以控制消息历史记录、实现RAG上下文注入、跨线程搜索以及提供自定义上下文。
将人工代理集成到自动化工作流中,以实现人在环路的交互。当需要人工与AI代理一起响应、处理升级问题或提供AI无法确定的上下文时,请使用此功能。
使用Claude、Codex和Gemini对复杂问题获得多模型AI共识
过滤并分类AI研究内容,按相关性、主题和作者类别进行。在详细声明提取之前,用于对原始内容进行批量分拣。
设计上下文高效的人工智能代理和工具的原则。在设计LLM工具、代理、MCP服务器或多代理系统时使用。
解释了SpecWeave如何通过Claude的原生渐进式披露和子代理并行化来实现上下文效率。当询问关于令牌使用、上下文管理或SpecWeave如何随着大型项目扩展时使用。利用Claude内置机制而无需自定义缓存。
从多个来源(记忆、文档、网络)高效收集和综合上下文。在分析或访谈之前,协调MCP工具来构建全面的上下文。在开始发现、研究或分析任务时使用。
专家级对话AI。用于聊天机器人流程、对话设计、自然语言理解意图和对话用户体验。
设置并配置用于基于聊天的AI交互的Convex代理。在初始化代理实例、创建对话线ведение程以及从大型语言模型生成基本文本或结构化响应时使用此功能。这是任何Convex代理实现的基本基础。
使用GitHub Copilot Spark通过自然语言构建应用程序。非常适合快速原型设计、教授非编码人员以及在全面实施之前探索想法。触发词包括:spark、原型、应用程序构建器、无代码、低代码、自然语言应用程序、教授编码、入职培训。
多模型AI顾问提供可执行的项目建议。并行利用Gemini 3 Flash和GPT-5.2的技能,然后通过Opus Judge进行综合,以提供适合阶段且不过度复杂的建议。在寻求架构指导、代码审查综合或实施计划时使用。
识别、诊断并缓解代理系统中的上下文退化模式。当上下文变得庞大,代理性能意外下降,或调试代理故障时使用。
RAG管道、嵌入、大语言模型交互和流程编排。
应用优化技术来扩展有效上下文容量。当上下文限制制约了代理性能、优化成本或延迟,或者实现长时间运行的代理系统时使用。
为RAG实现的上下文检索 - 在嵌入之前,将LLM生成的上下文添加到每个临床笔记片段前。根据Anthropic的研究,这可以提高引用准确性49%。
使用Convex Agent组件构建AI代理,包括线程管理、工具集成、流式响应、RAG模式和工作流编排
使用AI(Groq)生成猜词游戏的绘图卡片,当AI不可用时回退到预设的库。在创建新的游戏卡片、实现基于类别的卡片选择或处理AI卡片生成时采用优雅降级的方式。
多智能体辩论系统。在委员会、辩论、观点、代理讨论时使用。使用SkillSearch('council')查找文档。
用于多角度分析,Codex和Gemini从不同视角进行探索。触发词包括“委员会观点”、“委员会的利弊”、“委员会评估选项”、“权衡是什么”、“委员会共识”。