aesthetic-pattern-miner
[美学] 从参考中提取重复出现的视觉模式:对比习惯、形状、密度/空白平衡、节奏、纹理。在Brain画布上以数据表节点的形式生成美学模式库。
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。
[美学] 从参考中提取重复出现的视觉模式:对比习惯、形状、密度/空白平衡、节奏、纹理。在Brain画布上以数据表节点的形式生成美学模式库。
Higgsfield AI视频生成平台主操作员指南。涵盖所有70多种摄像机预设、23种以上视觉效果、Soul ID角色一致性、多模型集成(Sora 2、Veo 3.1、WAN 2.5、Kling 2.6)、Python SDK以及生产工作流程。
专家级桌面和在线游戏的RPG地图创建与生成。擅长为ComfyUI中的z-image turbo模型创建视觉描述和优化提示。涵盖所有类型的地图(世界/大陆,区域/本地,战斗/遭遇,地下城/内部)以及多种主题和设置(奇幻,科幻,赛博朋克,后启示录,恐怖等)。当Claude需要:(1) 创建任何类型的RPG地图,(2) 为ComfyUI中的地图可视化生成图像提示,(3) 设计环境、生物群落、定居点或战术…
分析文章内容,在需要视觉辅助理解的位置生成插画。配图可以是信息补充、概念具象化,或引导读者想象。当用户要求"给文章配图"、"为文章生成插图"、"添加配图"时使用此技能。
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。
管理LLM上下文窗口的策略,包括总结、裁剪、路由和避免上下文腐化。使用场景:上下文窗口、令牌限制、上下文管理、上下文工程、长...
重要:用于MolyKit AI聊天工具包。触发于:BotClient, OpenAI, SSE流, AI聊天, molykit, PlatformSend, spawn(), ThreadToken, 跨平台异步, 聊天组件, 消息, 提示输入, 头像, LLM
半二次量化用于无需校准数据的LLMs。当将模型量化为4/3/2位精度且不需要校准数据集时使用,适用于快速量化工作流程,或在使用vLLM或HuggingFace Transformers部署时。
专家级数据科学、分析、可视化和统计建模
智能提示词生成器 - 语义理解、常识推理、一致性检查,基于元素数据库生成完美提示词
ElevenLabs 语音转文字工作流程,支持99种语言、说话人分割和Vercel AI SDK集成。当实现音频转录、构建STT功能、集成语音转文本、设置与ElevenLabs的Vercel AI SDK,或用户提到转录、STT、Scribe v1、音频转文本、说话人分割或多语言转录时使用。
专为InfiniteTalk项目设计的小省导购员数字人带货提示词生成技能,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),生成适配Image-to-Video模式的结构化提示词(角色固定特征+动作时序+场景环境+音频匹配+光影氛围+技术约束),支持9:16竖屏、5s/幕、音频同步(Suno+chinese-wav2vec2-base)、一致性管控(角色/视觉/情绪),直…
在处理上下文管理的上下文恢复时使用
构建从数据准备到模型训练、验证和生产部署的端到端MLOps管道。在创建机器学习管道、实施MLOps实践或自动化...时使用。
GPU加速的数据整理,用于LLM训练。支持文本/图像/视频/音频。特点包括模糊去重(快16倍),质量过滤(30多种启发式方法),语义去重,个人身份信息删除,成人内容检测。通过RAPIDS在多个GPU上扩展。可用于准备高质量的训练数据集、清理网络数据或对大型语料库进行去重。
通过Flash Attention优化变压器注意力,实现2-4倍的速度提升和10-20倍的内存减少。当训练/运行具有长序列(>512个令牌)的变压器时遇到GPU内存问题或需要更快的推理时使用。支持PyTorch原生SDPA、flash-attn库、H100 FP8以及滑动窗口注意力。
情感支持与心理慰藉专家,擅长倾听、共情并提供温暖的心理引导。
全面的Python AI/ML开发专家,拥有10年以上使用UV包管理器的经验。涵盖PyTorch、TensorFlow、scikit-learn、transformers、langchain、pandas、numpy、OpenCV以及所有主要的AI/ML库。自动审核项目,生成带有类型提示的生产就绪代码,优化性能,设置RAG管道,使用UV管理依赖项,并确保最佳实践。适用于AI/ML项目设置、模型训练…
指导写作避免常见的AI/LLM特征,并审查现有文本中的AI特征,提供具体的改写建议。当用户要求'使文本更人性化'、'去AI化'写作、审查文本中的AI特征、自然地写作、避免听起来像AI、使文本听起来像人写的,或提到AI检测问题时使用。
执行一个使用并行代理编排的计划。当用户说/go、要求执行计划或请求多代理并行时激活。
当用户要求“优化上下文”、“减少令牌成本”、“提高上下文效率”、“实现KV缓存优化”、“划分上下文”,或提到上下文限制、观察屏蔽、上下文预算,或扩展有效上下文时,应使用此技能...
使用PyTorch 2.x、TensorFlow和现代机器学习框架构建生产级ML系统。实现模型服务、特征工程、A/B测试和监控。
激活感知的权重量化,用于4位LLM压缩,速度提升3倍且精度损失极小。当在有限的GPU内存上部署大型模型(7B-70B)时使用,或者当你需要比GPTQ更快的推理同时更好地保持精度时使用,也适用于指令调优和多模态模型。荣获MLSys 2024最佳论文奖。
提供了使用torchforge(Meta的库,将基础设施与算法分离)进行PyTorch原生代理RL的指导。当您需要清晰的RL抽象、易于进行算法实验或希望通过Monarch和TorchTitan实现可扩展训练时,请使用此指南。