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。
Flussonic Media Server专家 — 配置、API、直播流、转码、DVR、重流、CDN、协议及故障排除。当用户提到Flussonic，或涉及到使用Flussonic进行媒体服务器流配置、在Flussonic上设置实时输入（RTMP/SRT/WebRTC/多播源）、使用NVENC硬件加速进行转码、DVR录制和回放、通过Flussonic向CDN或社交媒体重流、HLS/DASH/LL-…
计划、录制、编辑和制作教学视频内容，包括屏幕录像、演示和讲解视频
团队中人工智能代理生成大部分实施输出的工程运营模型。
当用户需要从图片、PDF或文档中提取文本时使用此技能。支持URL和本地文件。返回包含识别文本的结构化JSON。
高级意图解析系统，使用认知科学原理分析用户请求，并推断出逻辑意愿。当用户请求模糊、更深层次的理解能够提高响应质量，或帮助用户澄清他们真正需要什么时使用。应用概率意图映射、第一性原则分解和苏格拉底式澄清方法，将模糊的请求转化为明确的目标。
管理LLM上下文窗口的策略，包括总结、修剪、路由以及避免上下文老化。使用场景：上下文窗口、令牌限制、上下文管理、上下文工程、长上下文。
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…
分析媒体文件属性 - 时长、分辨率、比特率、编解码器和流信息
具有减少偏见功能的智能简历解析和候选人筛选
重新表述、纠正和扩展写作内容，根据上下文进行改进。当用户需要帮助时使用：（1）为了更清晰、调整语气或风格而重新表述文本；（2）纠正语法错误、打字错误或拼写错误；（3）将粗略的想法、要点或片段扩展为完整的散文。触发短语包括“重新表述这个”、“修正这段文字”、“帮我写”、“扩展这个想法”，或者直接提供需要改进的文本。
集成Affinda的文档AI API，从文档（发票、简历、收据、合同和自定义类型）中提取结构化数据。涵盖身份验证、客户端库（Python、TypeScript）、使用Pydantic模型和TypeScript接口的结构化输出、Webhooks、上传模式以及完整的文档地图。在使用Affinda解析、分类或从文档中提取数据构建集成时使用。
此技能应在处理基因组区间数据（BED文件）进行机器学习任务时使用。可用于训练区域嵌入（Region2Vec, BEDspace）、单细胞ATAC-seq分析（scEmbed）、构建共识峰（universes），或任何基于机器学习的基因组区域分析。适用于BED文件集合、scATAC-seq数据、染色质可及性数据集以及基于区域的基因组特征学习。
高级提示工程技巧以获得最佳AI响应。在制作提示、优化AI交互或为应用程序设计系统提示时使用此方法。
选择并优化用于语义搜索和RAG应用的嵌入模型。在选择嵌入模型、实现分块策略或针对特定领域优化嵌入质量时使用。
通过SiliconFlow API使用PaddleOCR模型的OCR技能。当用户要求“从图片中识别文本”、“从照片中提取文本”、“对这张图片进行OCR处理”、“从截图中读取文本”，或提到“PaddleOCR”、“图像文本识别”、“从图像中提取文本”时，应使用此技能。
使用Google Gemini API分析视频（摘要、问答、带时间戳和视觉上下文的转录、场景/时间线检测、视频剪辑、FPS控制、多视频比较以及YouTube URL分析）。
知识库的搜索自动完成功能和类型前缀建议优化
在网上研究主题，从多个来源收集信息，并总结发现。
查询捆绑的研究知识图谱以获取方法指导。通过三层知识库路由问题——为什么（研究声明）、如何（指南文档）、它看起来像什么（领域示例）——加上结构化的参考文档。返回基于研究的答案，这些答案基于具体的声明，并具有对用户系统的实际应用。触发词为“/ask”，“/ask [问题]”，“为什么我的系统...”，“我应该如何...”。
使用AgentDB的9种强化学习算法（包括Q-Learning、DQN、PPO和Actor-Critic）来训练AI代理。构建自学习代理，实现带有经验回放的RL训练循环，并将优化后的模型部署到生产环境中。
Azure AI 内容安全SDK for Python。用于检测文本和图像中的有害内容，并进行多级别分类。触发词：'azure-ai-contentsafety', 'ContentSafetyClient', '内容审核', '有害内容', '文本分析', '图像分析'。
使用PyTorch和TensorFlow设计和构建具有各种架构的神经网络，包括CNN、RNN、Transformer以及注意力机制。
使用FFmpeg命令行工具从视频文件中提取关键帧（I帧）。当用户需要从MP4、MKV、AVI或其他视频格式中拉取关键帧、缩略图或重要帧用于分析、预览或处理时，使用此技能。
使用Prophet框架（Meta）检测时间序列数据中的异常，该框架将季节性、趋势、假日效应和其他所需回归因子纳入其模型中，以识别趋势中的异常激增或下降。这是一种通用的方法论，分析师可以用来理解他们的跟踪指标的变化中哪些表现出了异常模式。