404-agent-wallet
中文介绍正在整理，稍后补充。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-14 00:15
智能体与模型
26,326 个结果
cudaq-guide
CUDA-Q 使用指南技能，用于指导 CUDA-Q 安装、模拟目标、QPU 接入与 @cudaq.kernel 编写。
cuopt-skill-evolution
cuopt-skill-evolution 是 NVIDIA cuOpt 技能体系中的元技能，用于在解决非平凡问题后识别可泛化的经验，并向用户提出技能更新建议。它始终处于激活状态，适用于每次交互，但不会阻塞用户任务。
digital-health-clinical-asr-finetune
临床ASR飞轮的Stage 4微调技能：在优先级类别KER>0.3且清单≥100行时，用NeMo容器内的原版SFT脚本微调Parakeet TDT v2，离线重评cycle N+1并对比KER，可选将.nemo交给Riva部署。
hsb-app
用于在已连接的开发套件与 HSB 板上发现、选择并运行 Holoscan Sensor Bridge 示例应用。按平台、板型与传感器过滤应用列表，在 demo 容器中运行并监控，失败时分析日志辅助调试，最后生成会话报告。需先完成 hsb-setup 环境准备。
jetson-diagnostic
用于 NVIDIA Jetson 设备的只读健康快照技能，汇总设备身份、内存、GPU、温度、功耗、存储、服务与高占用进程等实时信息，帮助智能体基于实测数据回答 Jetson 状态与性能问题。
jetson-inference-mem-tune
面向 NVIDIA Jetson 的 LLM/VLM 推理内存调优技能：根据 jetson-memory-audit 快照与工作负载，推荐 vLLM、SGLang、llama.cpp 或 TensorRT Edge-LLM 运行时及具体内存相关启动参数，仅输出建议，不启停服务。
jetson-llm-benchmark
用于在 NVIDIA Jetson 设备上对 vLLM、llama.cpp 与 Ollama 三种运行时进行 LLM/VLM 推理性能基准测试的技能，输出结构化 JSON 便于对比不同模型、参数与调优前后的结果。
nemo-automodel-model-onboarding
NeMo AutoModel 新模型架构接入指南，分五阶段：发现、实现、示例配置、测试与注册。覆盖稠密 LLM、MoE 与 VLM 的分类判定、权重映射、tie_word_embeddings 处理、checkpoint I/O 与低内存加载、注册到 MODEL_ARCH_MAPPING，以及必须补充的单元测试。
nemo-evaluator-plugin
NeMo Evaluator 插件技能，用于选择评估接口与指标、验证最小示例、提交 NeMo Platform 评估作业并获取结果，支持数据集驱动与任务驱动（智能体）评估。
nemo-mbridge-perf-expert-parallel-overlap
用于在 Megatron-Bridge 中验证并启用 MoE 专家并行通信重叠的 NVIDIA 技能，可让 token 分发/合并的 all-to-all 通信与专家 FFN 计算并发执行，并可选延迟专家权重梯度计算（delay_wgrad_compute）。支持 alltoall 与 flex（DeepEP/HybridEP）两条分发路径。
nemo-mbridge-perf-moe-long-context
面向 Megatron Bridge 的长上下文 MoE 训练指导技能，涵盖上下文并行（CP）规模选择、选择性重计算、调度器选择，以及来自 DSV3、Qwen3 等模型的实践配置模式。
nemo-mbridge-perf-moe-vlm-training
面向 Megatron Bridge 中 MoE 视觉语言模型（VLM）训练的实践指南，对比 FSDP 与 3D 并行两条路线，并汇总 Qwen3-VL、Qwen3-Next 等近期 VLM 训练中的调优经验与常见陷阱。
nemo-mbridge-resiliency
NVIDIA Megatron Bridge 的容错与弹性训练技能，涵盖故障容错、掉队检测、进程内重启、抢占处理与重跑状态机，并提供配置参数、启动方式与验证脚本。
nemoclaw-user-guide
NemoClaw 用户指南技能，引导 AI 智能体通过 NemoClaw 文档 MCP 服务器或 Fern 官方 Markdown 文档获取权威信息，用于安装、配置、推理、网络策略、沙箱管理与排障等任务。
physical-ai-neural-reconstruction
NVIDIA NuRec（Neural Reconstruction）技能路由：把 neural reconstruction、NRE、NCore、USDZ、3DGS、sensorsim 等请求导向上游 nurec-skills 的兄弟技能，并梳理多步工作流顺序，本身不执行训练、渲染等命令。
rag-blueprint
NVIDIA RAG Blueprint 技能，用于部署、配置、排障、关闭和管理 RAG 系统，覆盖 Docker、Helm 与库模式部署，并按意图路由到对应操作手册。
rag-perf
rag-perf 是 NVIDIA 提供的配置驱动性能基准测试 CLI，用于对已部署的 NVIDIA RAG Blueprint 服务器做服务端性能剖析与 aiperf 负载测试，输出统一报告。它只做性能基准，不做答案准确性评估。
skill-card-generator
用于为已存在的智能体技能目录生成或更新 NVIDIA 治理技能卡草稿。它会收集源信号、构建有据可依的 JSON 上下文、渲染确定性 Markdown 卡片，并在提交前检查人工审核标记是否已移除。不适用于解释、列举、比较技能，也不用于创建技能本身或签署、发布、批准卡片。
tao-finetune-clip
NVIDIA TAO 的 CLIP 微调技能，用于图像-文本检索、零样本分类、嵌入提取、ONNX 导出与 TensorRT 部署，支持 train、evaluate、inference、export、gen_trt_engine 等操作。
tao-finetune-huggingface-model
NVIDIA TAO 技能库中的技能，用于在 NGC PyTorch 容器内、本地 NVIDIA GPU 上微调 HuggingFace 的 CV/VLM/LLM 模型，适用于没有专用 TAO 模型技能匹配的场景。
tao-list-capabilities
TAO Skill Bank 的能力查询技能，用于回答该插件支持哪些应用、数据、模型、AutoML 与平台工作流。通过运行打包脚本从清单生成答案，而非手工枚举。
tao-train-centerpose
NVIDIA TAO 技能库中的 CenterPose 训练技能，用于关键点与位姿估计：检测物体中心并回归关键点位置，实现 6-DoF 物体位姿估计。支持训练、评估、推理、导出与 TensorRT 部署，训练阶段默认走 AutoML 流程。
tao-train-image-classification
基于 PyTorch 的 TAO 图像分类技能，支持 FAN、EfficientNet、ResNet 等多种骨干网络，具备蒸馏与量化部署能力，可用于训练、评估、推理、导出及 TensorRT 部署等流程。