sirv-api
Sirv REST API集成用于图像和文件管理。当与Sirv CDN工作时使用,包括上传/下载文件到Sirv、管理图像元数据、搜索文件、创建360度旋转视图、转换视频或执行任何Sirv API操作。涵盖身份验证、文件操作、元数据、搜索查询、异步任务以及账户管理。
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。
Sirv REST API集成用于图像和文件管理。当与Sirv CDN工作时使用,包括上传/下载文件到Sirv、管理图像元数据、搜索文件、创建360度旋转视图、转换视频或执行任何Sirv API操作。涵盖身份验证、文件操作、元数据、搜索查询、异步任务以及账户管理。
使用 yt-dlp 下载 YouTube 视频、音频或字幕。Use when user wants to 下载视频, 下载YouTube, youtube下载, 下载油管, download youtube, download video, 下载B站, bilibili下载.
当用户希望将自然语言处理应用于供应链,从文档中提取信息,分析供应商通信,对物品进行分类,或处理非结构化文本时。也适用于用户提到“自然语言处理”、“NLP”、“文本挖掘”、“文档提取”、“供应商情绪分析”、“基于文本的产品分类”、“BERT”、“用于文本的转换器”或“用于供应链的聊天机器人”。对于一般的机器学习,请参阅ml-supply-chain。
使用LanceDB向量嵌入进行文档的语义和多模态搜索。在搜索知识库、语义上查找信息、为RAG摄取文档或执行向量相似性搜索时使用。触发词包括“搜索文档”、“语义搜索”、“在知识库中查找”、“向量搜索”、“索引文档”、“LanceDB”,或RAG/嵌入操作。
将多个AI步骤链接成一个可靠的管道。当您的AI任务对于单个提示过于复杂时,请使用此方法,您需要将AI逻辑分解为多个阶段,结合分类然后生成,进行多步骤推理,构建复合AI系统,协调多个模型,或将AI组件连接在一起。由DSPy多模块管道提供支持。
使用AI自动排序、分类或标记内容。适用于将票据分类、内容自动标记、邮件标注、情感检测、将消息路由到正确的团队、支持请求的初步处理、构建垃圾邮件过滤器、意图检测、主题分类,或任何文本输入后输出类别的任务。
使用高质量的AI语音合成(Apple Silicon上的Kokoro TTS)朗读文本。当用户要求朗读、叙述或大声说出文本时使用。支持为多个呼叫者同时生成音频。
使用AgentGo进行本地RAG(检索增强生成)操作,包括文档摄入、语义搜索和问答。支持多提供商LLM、MCP工具、技能和认知记忆(Hindsight/PageIndex)。在构建具有长期记忆能力的本地知识库和AI助手时使用。
使用Sirv AI Studio(www.sirv.studio)的指南,这是一个基于人工智能的图像和视频处理平台。当处理产品图片、去除背景、图像放大、AI生成、视频创建、批量处理或电子商务图像工作流程时,请使用此指南。在提到Sirv AI Studio、产品摄影、去除背景、图像放大、AI图像生成、批量图像处理或市场优化时触发。重要提示 - 如果有sirv-ai MCP工具可用(如sirv_rem…
系统地分析现有媒体,以提取可用于新场景的可转移元素。当将电视、电影或游戏改编为小说,跨类型转换套路,或为新背景转换类型元素时使用。
本地优先的RAG记忆系统,适用于AI代理。渐进式披露搜索、会话自动捕获、每个项目的上下文大脑目录、注入防御。
当用户需要准确/精确的字幕时间,或者使用强制对齐将字幕与音频/视频对齐时使用。校正字幕时间以匹配实际语音。使用LattifAI Lattice-1模型。
使用DSPy构建一个新的AI功能。当向您的应用程序添加AI、启动新的AI项目、构建由AI驱动的功能、从零开始设置DSPy程序或引导由大语言模型支持的后端时,请使用此功能。
在不破坏现有功能的情况下切换AI提供商或模型。当您想从OpenAI切换到Anthropic、尝试更便宜的模型、不再依赖单一供应商、并排比较模型、模型更新导致输出错误、需要供应商多样化,或者希望迁移到本地模型时使用。涵盖DSPy模型可移植性——供应商配置、重新优化、模型比较和多模型管道。
[WHAT] 为AI产品吉祥物、球形化身和动画伴侣的角色设计与插图助手。[HOW] 生成文本到图像的提示、角色参考表、动画状态矩阵、Lottie运动规范和SwiftUI动画参数。使用“nano banana”快速渲染模式进行快速5样本概念探索。[WHEN] 在设计吉祥物、化身、球形角色、动画斑点、引导动画、表情表或角色状态系统时使用。触发词包括:“character design”、“mascot…
有效使用write_todos工具进行Deep Agents中的任务规划和分解。当用户想要(1)使用write_todos实现任务规划,(2)将复杂任务分解为子任务,(3)通过待办事项跟踪代理进度,(4)调试为什么待办事项未完成,(5)为不同类型的任务(研究、编码、分析)设计待办事项结构,(6)了解待办事项状态生命周期和最佳实践,或(7)从LangSmith痕迹可视化待办事项进展时使用。
通过inference.sh CLI使用Pruna P-Image模型生成图像。模型包括:P-Image、P-Image-LoRA、P-Image-Edit、P-Image-Edit-LoRA。功能包括:文本转图像、图像编辑、LoRA风格、多图像合成、快速推理。Pruna在不损失质量的情况下优化了模型的速度。触发词:pruna, p-image, pruna image, fast image g…
当用户想要在仓库中应用计算机视觉,检测缺陷、跟踪包裹、计数库存或自动化视觉检查时。或者当用户提到“计算机视觉”、“图像识别”、“物体检测”、“条形码读取”、“包裹跟踪”、“质量检查”、“YOLO”、“RCNN”、“图像分类”或“基于视觉的仓库自动化”时。对于一般的机器学习,请参阅ml-supply-chain。
基于FFmpeg的免费游戏广告视频自动生成技能。通过游戏ID(steam app id)自动收集截图→应用模板样式(动作/益智/儿童)→包含文本叠加的15~30秒MP4输出。
在法律情境中展示AI能力的框架。提供跨越租客法、商业合同、创业纠纷、雇佣索赔以及消费者保护等领域的详细角色设定,并配有逐步复杂的情景。使用场景:(1) 展示由AI驱动的法律分诊或接收系统,(2) 展现负责任的AI辅助客户互动,(3) 培训员工如何在法律环境中恰当地使用AI,(4) 为法律科技演示创建现实场景,(5) 开发关于法律服务中AI应用的教育材料,或者(6) 在受控环境中测试由AI驱动的法律…
构建能够回答有关您数据库问题的人工智能。当您需要文本转SQL、自然语言数据库查询、面向非技术人员的数据助手、由AI驱动的分析、用简单的英语进行数据库搜索,或者一个可以与您的数据库对话的聊天机器人时,请使用此功能。涵盖用于理解模式、生成SQL、验证以及结果解释的DSPy管道。
确切地查看您的AI在特定请求上做了什么。当您需要调试错误答案、追踪特定的AI请求、分析缓慢的AI流程、找出哪个步骤失败、检查LM调用、查看每次请求的令牌使用情况、构建审计跟踪或了解客户为何收到不良响应时,请使用此功能。涵盖DSPy检查、每步追踪、OpenTelemetry工具化以及追踪查看器设置。
将ML/DL问题路由到专门的技能。当不确定适用哪种技能、用户提出广泛的ML问题或可能涉及多个主题时,请使用FIRST。映射:回归/分类 → ml-fundamentals,集成/聚类 → ml-advanced,TF-IDF/Word2Vec → nlp-classical,训练/反向传播 → deep-learning-core,PyTorch → pytorch-mastery,CNNs/图像…
从学术论文和内容生成专业的幻灯片图片。创建包含样式说明的全面大纲,自动从PDF中检测图表,然后生成单独的幻灯片图片。当用户要求“创建幻灯片”、“制作演示文稿”、“生成幻灯片集”或“幻灯片集”时使用。