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。
无人机系统、计算机视觉和自主导航方面的专家。专注于飞行控制、SLAM、物体检测、传感器融合和路径规划。激活关键词包括“无人机”、“UAV”、“SLAM”、“视觉里程计”、“PID控制”、“MAVLink”、“Pixhawk”、“路径规划”、“A*”、“RRT”、“EKF”、“传感器融合”、“光流”、“ByteTrack”。不适用于特定领域的检查任务，如火灾检测、屋顶损坏评估或热分析（请使用无人机检…
剖析AI引擎的超级能力及其能力边界。
增强认知层，通过将对话连接到用户的持久知识树来使用户变得更聪明。当出现可能有先前知识的话题时，以及当用户要求记住、回忆、搜索或组织信息时主动使用。在技术讨论、决策、项目工作、“记住这个”、“回忆”、“我对什么了解”或任何知识请求时触发。
系统性的探索性数据分析过程 - 发现陌生数据中的模式，识别有意义的见解，为深入研究制定具体问题
在训练微调模型并评估其相对于基础模型的改进时使用。触发条件 - 已过滤训练数据，准备好提交训练任务，需要转换为GGUF格式。首先需要执行finetune-generate。
使用fal.ai Gemini 3 Pro通过文本提示编辑现有图片。当用户希望基于文本描述修改、编辑、转换或更改现有图片时使用。支持多个输入图片以提供上下文。
从YouTube视频中提取最有意义、最吸引人的片段。当用户提供一个YouTube链接并希望找到亮点、最佳时刻、有争议的观点或有价值的片段时使用。支持指定片段数量或主题焦点。
将Gemini API与@google/genai SDK（不是已弃用的@google/generative-ai）集成。支持文本生成、多模态（图像/视频/音频/PDF）、函数调用、思考模式、流式处理。支持1百万输入令牌。防止了14个已记录的错误。使用场景：Gemini集成、多模态AI、使用思考模式进行推理。故障排除：SDK弃用、模型未找到、上下文窗口问题、函数调用错误、流式传输损坏、安全设置、速…
文本向量化（Embedding）基础服务。将自然语言转换为高维稠密向量，为语义搜索、聚类分析、推荐系统等下游任务提供核心数据支持。
策划上下文，使用XML优化提示，并为Anthropic Claude模型管理扩展思考。在构建基于Claude的代理、设计系统提示或处理长上下文任务时使用。
识别并合并知识图谱项目中的重复实体
分析知识图谱以获得洞察。当被要求“分析连接”、“图报告”、“显示中心节点”、“查找孤立节点”或“知识地图”时使用。
有声书的最终化处理从俄语到拉丁美洲西班牙语。检查所有翻译是否完成，生成TTS（文本转语音），合并音频，寻找背景图片，创建视频。仅在claude-translation-pipeline-es_latam完成后使用。
使用Google的Gemini API分析视频 - 描述内容、回答问题、转录音频并附带视觉描述、引用时间戳、剪辑视频以及处理YouTube链接。支持9种视频格式，多种模型（Gemini 2.5/2.0），以及最大达2M tokens（6小时视频）的上下文窗口。
自定义技能用于glm-mcp
基于人类反馈的强化学习中的组相对策略优化。涵盖了GRPOTrainer、奖励函数设计、策略优化以及为了稳定RLHF训练的KL散度约束。包括了意识奖励模式。
文本向量化（Embedding）基础服务。将自然语言转换为高维稠密向量，为语义搜索、聚类分析、推荐系统等下游任务提供核心数据支持。
并行生成多种不同的解决方案并选择最佳方案。适用于架构决策、具有多种有效方法的代码生成，或探索替代方案可以提高质量的创造性任务。
EdgeVLA - 开源的边缘视觉-语言-动作模型，用于机器人技术。标准化Open-X Embodiment数据集，以实现一致的VLA训练和部署。
使用pyfiglet生成ASCII艺术字体。当用户要求ASCII艺术文本、横幅、标题、标志文本、终端艺术或装饰性字体时使用。提供24种精选的显示字体，代理也可以使用500多种pyfiglet字体中的任何一种。
使用Gemini深度研究代理执行复杂的、耗时的研究任务。当需要研究需要多源综合、竞争分析、市场研究或从系统网络搜索和分析中受益的全面技术调查的主题时，请使用此功能。
通过综合来自检索文档的信息并引用这些文档来生成答案。当从多个来源创建答案，或者用户提到答案生成或综合时，用作最终的RAG管道步骤。
使用Gemini嵌入（gemini-embedding-001）构建RAG系统和语义搜索。768-3072维向量，支持8种任务类型，集成Cloudflare Vectorize。防止了13个已记录的错误。使用场景：向量搜索、RAG系统、语义搜索、文档聚类。故障排除：维度不匹配、需要归一化、批量排序错误、内存限制、错误的任务类型、速率限制（100 RPM）。
专家指导使用TRL进行GRPO/RL微调，以实现推理和特定任务模型训练