stable-baselines3
使用此技能进行强化学习任务,包括训练RL代理(PPO、SAC、DQN、TD3、DDPG、A2C等)、创建自定义Gym环境、实现用于监控和控制的回调、使用向量化环境进行并行训练以及与深度RL工作流程集成。当用户请求RL算法实现、代理训练、环境设计或RL实验时,应使用此技能。
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。
使用此技能进行强化学习任务,包括训练RL代理(PPO、SAC、DQN、TD3、DDPG、A2C等)、创建自定义Gym环境、实现用于监控和控制的回调、使用向量化环境进行并行训练以及与深度RL工作流程集成。当用户请求RL算法实现、代理训练、环境设计或RL实验时,应使用此技能。
专门的机器学习模型开发、训练和部署工作流程
使用此技能处理与Pydantic AI框架相关的请求 - 构建代理、工具、依赖项、结构化输出和模型集成。
分析文本以检测其是否由AI编写。返回0-100的得分及详细指标。在发布或提交内容前使用。
擅长设计和构建自主AI代理。精通工具使用、记忆系统、规划策略和多代理协调。使用场景:构建代理、AI代理、自主代理、工具使用、函数调用。
使用Azure翻译SDK for JavaScript (@azure-rest/ai-translation-text, @azure-rest/ai-translation-document)构建翻译应用程序。在实现文本翻译、音译、语言检测或批量文档翻译时使用。
在处理上下文管理上下文恢复时使用
在使用Gemini模型、Gemini API构建应用程序,处理多模态内容(文本、图像、音频、视频),实现函数调用,使用结构化输出,或需要当前模型规格时,请使用此技能。涵盖SDK使用(Python的google-genai,JavaScript/TypeScript的@google/genai)、模型选择和API功能。
UMAP降维。用于2D/3D可视化的快速非线性流形学习,聚类预处理(HDBSCAN),监督/参数化UMAP,适用于高维数据。
使用ReasoningBank实现自适应学习,用于模式识别、策略优化和持续改进
分析多智能体系统中的协调模式、交接机制和状态共享。当(1)理解智能体如何转移控制权,(2)评估共享状态与隔离状态模式,(3)映射智能体之间的通信协议,(4)评估多智能体编排方法,或(5)比较不同框架下的协调模型时使用。
使用LangChain框架设计包含代理、记忆和工具集成模式的LLM应用程序。在构建LangChain应用程序、实现AI代理或创建复杂的LLM应用时使用...
每个产品都将由AI驱动。问题在于你是否会正确构建它,还是发布一个在生产中崩溃的演示版。此技能涵盖了LLM集成模式、RAG架构、可扩展的提示工程、用户信任的AI用户体验以及不会让你破产的成本优化。使用条件:关键词、文件模式、代码模式。
Azure AI语音实时SDK适用于JavaScript/TypeScript。使用双向WebSocket通信构建实时语音AI应用程序。可用于Node.js或浏览器环境中的语音助手、对话式AI、实时语音到语音转换以及支持语音的聊天机器人。触发词:"voice live", "real-time voice", "VoiceLiveClient", "VoiceLiveSession", "voic…
精通人工智能技术的精英客户服务专家
使用向量数据库实现高效的相似性搜索。在构建语义搜索、实现最近邻查询或优化检索性能时使用。
使用AgentDB为AI代理实现持久内存模式。包括会话内存、长期存储、模式学习和上下文管理。在构建有状态代理、聊天系统或智能助手时使用。
具有动态拓扑切换和自组织行为的高级群集模式,用于复杂的多智能体协调
创建强大的MCP提示,通过模板、参数和上下文注入来引导AI交互
通过性能分析、提示工程和持续迭代系统性地改进现有代理。
使用Azure文档智能(@azure-rest/ai-document-intelligence)从文档中提取文本、表格和结构化数据。适用于处理发票、收据、身份证件、表单或构建自定义文档模型时使用。
AI操作模式(头脑风暴、实施、调试、审查、教学、发布、协调)。根据任务类型调整行为。
CrewAI专家 - 一个基于角色的多代理框架,被60%的财富500强公司使用。涵盖具有角色和目标的代理设计、任务定义、团队协调、流程类型(顺序、层次、并行)、记忆系统以及用于复杂工作流的流程。对于构建协作型AI代理团队至关重要。使用场景:crewai, 多代理团队, 代理角色, 代理团队, 基于角色的代理。
语音代理代表了AI交互的前沿——人类与AI系统自然对话。挑战不仅仅在于语音识别和合成,还在于在处理中断、背景噪音和情感细微差别的情况下,实现低于800毫秒延迟的自然对话流。这项技能涵盖了两种架构:语音到语音(OpenAI实时API,最低延迟,最自然)和管道式(STT→LLM→TTS,更多控制,更容易调试)。关键点:延迟是限制因素。