微信扫一扫把 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。
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。
公众号初稿写作技能。用于在选题和大纲已确认后，基于参考资料、语音底稿和文风 DNA 生成一版高保真初稿。适用于正文写作阶段，不负责选题、大纲和标题决策。
三阶段思维链（CoT）分析器，用于/deep-reasoning页面。对复杂新闻文章进行三个阶段的全面分析：直接影响→次级影响→最终结论。优化了深度而非速度。
收集每日股市热点问题和主要波动股票，为MeowStreet Wars视频制作提供素材。识别出价格有显著变化的股票代码，并设置冲突叙述（多头与空头）。
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。
面向公众号作者的文风 DNA 梳理技能。用于从 3-10 篇参考文章中建立可复用的风格画像，输出 14 维分析、标点符号偏好、分块习惯、段落配方、叙述方法体系、内容推进方式和默认 DNA 文件，并通过用户校准确保画像可直接给写稿技能调用。
分析用户上传的文档（PDF、TXT、Word等），提取关键信息，生成摘要、大纲或详细分析报告。
深入的像素艺术专业知识，涵盖基础、有限调色板、抖动图案、子像素动画、瓷砖设计、复古硬件限制以及HD-2D混合技术。这些知识是Claude通常不会从像Pedro Medeiros (saint11)这样的独立大师那里获得的。当提到“像素艺术、精灵艺术、抖动、有限调色板、子像素动画、图块集、自动平铺、枕头阴影、选择性轮廓、selout、色调偏移、色彩渐变、NES风格、SNES风格、HD-2D、Asep…
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。
用于生产AI应用的托管向量数据库。全托管、自动扩展，支持混合搜索（密集+稀疏）、元数据过滤和命名空间。低延迟（<100ms p95）。适用于生产RAG、推荐系统或大规模语义搜索。最适合无服务器、托管基础设施使用。
分析带有丰富元数据推荐的数据
精通所有流派的音乐创作、MIDI编程、音频合成、音乐理论和编曲。在创作音乐、创建MIDI文件、生成旋律/和声/节奏、编排曲目或处理音阶、和弦、进行和管弦乐编配等音乐概念时使用。
RNN+Transformer混合模型，具有O(n)推理。线性时间，无限上下文，无KV缓存。像GPT一样并行训练，像RNN一样顺序推理。Linux基金会AI项目。已在Windows、Office、NeMo中投入生产。RWKV-7（2025年3月）。模型参数多达140亿。