SuperAPI AI 工具集

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 10-22 00:14

智能体与模型

24,488 个结果

physicalai-runtime-configuring-inference-pipeline

该技能用于在 PhysicalAI 推理运行时中围绕 InferenceModel 配置预处理、后处理和 runner。它通过 manifest 规格和 ComponentRegistry 来组装推理流水线,流水线顺序为:观测 → 预处理器 → runner → 后处理器 → 动作输出。涉及的核心代码包括 component_factory.py(ComponentRegistry、instantiate_component、_MAX_COMPONENT_DEPTH)和 model.py(依据 manifest 规格构建处理器链)。支持使用 type(注册表短名)引用内置组件,或用 class_path + init_args 显式指定类。适用于编辑推理流水线配置、新增内置处理器、校验组件顺序与产物路径等场景。

智能体与模型80 次安装

dive-into-claude-code-analysis

本技能聚焦于 VILA-Lab 对 Claude Code v2.1.88 架构的系统性分析,帮助使用者理解并应用其中记载的架构模式、设计原则与实现策略,用于构建 AI 智能体系统。资料显示,该分析覆盖约 51.2 万行 TypeScript、1884 个文件,内容涵盖:架构蓝图(98.4% 确定性基础设施与 1.6% AI 决策逻辑的分工)、5 项核心价值观到 13 条设计原则再到具体实现模式的推导、7 层纵深防御权限系统与渐进式信任谱系、5 阶段上下文压缩流水线、基于 ReAct 模式的智能体 while 循环(含流式执行与优雅恢复)、以及 4 个渐进式扩展点(钩子、技能、插件、MCP)。安装方式为克隆 GitHub 仓库并阅读仓库内论文或访问 arXiv 链接。该技能适合需要参考生产级 AI 智能体架构设计的开发者与研究人员,涉及权限、上下文管理、会话持久化、子智能体隔离、配置与恢复等主题。资料未提供该技能本身的收费、价格、具体使用步骤或效果数据。

智能体与模型80 次安装