agentic-jujutsu
Agentic Jujutsu 是面向 AI 智能体的版本控制工具，支持多智能体并发无锁操作、ReasoningBank 自学习与模式识别、量子抗性指纹校验，并宣称自动冲突解决。
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 10-27 00:15
智能体与模型
24,912 个结果
cudaq-guide
CUDA-Q 入门指南技能，按参数跳转到安装、测试程序、GPU 模拟、QPU 硬件、应用与多 GPU 并行等主题，支持 Python 与 C++，并给出各平台安装与验证要点。
cuopt-skill-evolution
cuopt-skill-evolution 是一个技能自进化工作流：在解决非平凡问题后，检测可泛化的经验，并提议更新技能文件，需用户批准后才应用。它始终处于激活状态。
nemo-automodel-distributed-training
NeMo AutoModel 分布式训练配置指南，讲解如何通过 YAML 选择 FSDP2、MegatronFSDP 或 DDP 策略，并设置张量并行、流水线并行、上下文并行与专家并行等参数，适用于多 GPU 和多节点大模型训练场景。
nemo-mbridge-mlm-bridge-training
用于运行 Megatron-LM（MLM）与 Megatron Bridge 训练的指南型技能，覆盖 mock 或真实数据、损失相关性测试、可用 recipe 与多 GPU 示例。
nemo-mbridge-perf-expert-parallel-overlap
用于在 Megatron-Bridge 中验证并启用 MoE 专家并行（EP）通信重叠的技能，涵盖 overlap_moe_expert_parallel_comm、delay_wgrad_compute 与 flex 调度器配置，并给出兼容性约束、验证命令与故障排查要点。
nemo-mbridge-perf-moe-comm-overlap
面向 Megatron Bridge 的 MoE 专家并行通信重叠调优技能，涵盖 dispatch/combine 重叠、flex dispatcher 后端与专家 wgrad 调度，用于在 EP>1 且通信时间可见时提升吞吐。
nemo-mbridge-perf-moe-vlm-training
面向 Megatron Bridge 中 MoE 视觉语言模型（VLM）训练的实用指南，对比 FSDP 与 3D 并行两条路线，并汇总 Qwen3-VL 等近期训练中的调优经验、配置家族与常见陷阱。
nemo-mbridge-perf-sequence-packing
用于在 Megatron-Bridge 中校验并启用序列打包与长上下文训练的 NVIDIA 技能。区分面向 LLM 的离线打包 SFT 与面向 VLM 的批内打包，给出配置项、代码锚点、约束与验证命令。
nemo-mbridge-resiliency
Megatron Bridge 的容错与弹性能力集合，涵盖故障容错、掉队者检测、进程内重启、抢占处理与重跑状态机，并提供配置类、运行插件、验证脚本和已知限制说明。
nemo-rl-brev-etiquette
面向 NeMo-RL 智能体的 Brev 实例操作规范：在 /home/ubuntu/RL 保留代码与小体积记录，把检查点、日志、缓存等大文件放到 /ephemeral，并给出磁盘检查、密钥加载、缓存路径导出与清理的操作要点。
nemoclaw-user-agent-skills
NemoClaw 随附的智能体技能说明，介绍如何通过克隆仓库获取这些技能，适用于用户咨询 AI 智能体支持、编码助手集成或 .agents/skills/ 目录时参考。
nemoclaw-user-configure-inference
指导将 NemoClaw 接入本地推理服务器的技能，覆盖 Ollama、vLLM、TensorRT-LLM、NIM 及任意 OpenAI 兼容端点，统一走 inference.local 路由，由 OpenShell 拦截并转发推理流量。
nemoclaw-user-get-started
NemoClaw 新手入门技能：安装 NemoClaw、创建沙箱并运行首个 OpenClaw 智能体提示，适用于首次上手、安装或启动 NemoClaw 沙箱的场景。
nemoclaw-user-reference
NemoClaw 用户参考文档，说明 NemoClaw 集成层与 blueprint 架构如何编排兼容的智能体沙箱，并给出 CLI、网络策略与故障排查等参考入口。
omniverse-cad-to-simready
用于协调从 CAD/源资产到 SimReady 资产的端到端工作流技能，编排转换、属性分配、一致性校验、验证、渲染与打包等既有阶段，适用于 CAD to SimReady、源资产转仿真就绪 USD 等宽泛请求。
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。它收集来源信号、构建上下文 JSON、渲染 Markdown 卡片，并检查人工审核标记是否已清除。
tao-finetune-huggingface-model
在本地 NVIDIA GPU 的 NGC PyTorch 容器中微调任意 HuggingFace CV / VLM / LLM 模型，并以实时抓取的文档为依据，附带精选参考资料作为兜底。适用于用户希望在本地 NVIDIA GPU 上微调 HuggingFace 模型的场景。
tao-run-automl
用于 NVIDIA TAO 网络的 AutoML 超参数优化（HPO）技能，通过 AutoMLRunner 统一管理推荐生成、训练任务启动、指标提取与反馈循环，支持 bayesian、hyperband、asha、bohb、llm 等算法。
tao-train-dino
用于二维目标检测的 DINO（改善去噪锚框的 DETR）模型训练技能，基于 Transformer，支持去噪训练、多尺度特征与可选蒸馏，可通过 TAO 进行训练、评估、导出与部署，并支持模型层 AutoML。
tao-train-mask-auto-encoder
TAO 框架中的掩码自编码器（MAE）技能，用于图像自监督预训练与微调：随机遮盖图像块并重建以学习视觉表征，支持 pretrain 与 finetune 两个阶段，并提供评估、推理、导出和 TensorRT 部署流程。
tao-train-mask-grounding-dino
Mask Grounding DINO 是面向开放集实例分割的模型技能，在 Grounding DINO 基础上增加掩码预测头，由文本提示引导分割。提供训练、评估、推理、量化、导出及 TAO Deploy 相关流程规范。
tao-train-mask2former
面向 NVIDIA TAO 的 Mask2Former 技能，用于全景、实例与语义图像分割。基于 Transformer 与掩码注意力，支持训练、评估、推理、导出、量化及 TensorRT 部署流程，并提供数据规格与 AutoML 策略说明。
tao-train-ocrnet
OCRNet 场景文字识别技能，针对裁剪后的文本区域图像识别文字内容，支持 CTC 与注意力（Attn）解码器。属于 NVIDIA TAO 技能库，可执行训练、评估、推理、导出与部署等动作，训练层支持 AutoML。