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 11-16 00:04

编程与开发

41,266 个结果

pytorch-fsdp2

该技能用于指导编码智能体在 PyTorch 训练脚本中正确接入 FSDP2(fully_shard),涵盖分布式初始化、参数分片、混合精度与 CPU offload 配置,以及分布式检查点保存与加载。适用于模型(参数、梯度、优化器状态)无法放入单张 GPU,或希望采用基于 DTensor 的逐参数分片、更易检查的分片状态字典的场景。技能强调若干必须遵守的约定:使用 torchrun 启动并按 LOCAL_RANK 设置 CUDA 设备;自底向上应用 fully_shard(先子模块后根模块);调用 model(input) 而非 model.forward(input) 以触发钩子;在分片之后创建优化器;使用分布式检查点(DCP)或分布式状态字典辅助函数而非朴素 torch.save。同时给出与 DDP、FSDP1 的取舍建议,以及常见问题(如钩子未运行、优化器拿到非 DTensor 参数、仅根模块被分片、前向后显存尖峰、梯度累积失步)的排查与修复方向。

编程与开发2 次安装

pytorch-lightning

PyTorch Lightning 是一个基于 PyTorch 的高层训练框架,核心是 Trainer 类,用于在保持灵活性的同时消除训练代码中的样板代码。它通过 LightningModule 组织 PyTorch 代码,由 Trainer 自动处理 GPU/TPU/CPU 切换、分布式训练(DDP、FSDP、DeepSpeed)、混合精度(FP16、BF16)、梯度累积、检查点、日志和进度条。安装命令为 pip install lightning,版本 2.5.5+。它能将原本 40 多行的 PyTorch 训练循环压缩到约 15 行,无需手动管理设备和分布式逻辑,支持单机多卡、多节点和 TPU,并提供回调系统(如 EarlyStopping、ModelCheckpoint、LearningRateMonitor)与学习率调度。

编程与开发2 次安装

post-refactor

这是一个在重构完成后进行清洁代码检查的技能。当用户提到“post-refactor”“after the refactor”“合并了几个 PR”等场景时,使用它来检查最近变更的代码是否遗留回归问题、清理债务和测试缺口。它聚焦于最近改动的代码,而非对已合并工作进行完整的 PR 审计。该技能会先确定变更范围(用户指定范围、上一版本标签至今或最近 3-8 个相关提交/PR),运行项目文档化的格式化、lint、测试与依赖安全检查,然后审查重构遗留问题,包括行为与默认值回归、运行时路径中的 unwrap、panic、宽泛捕获、重复逻辑、过度抽象、魔法值、过期注释、模块隐式耦合和破坏性操作等。同时评估测试质量和抖动风险,查找缺失的回归测试、断言实现细节的测试、过宽的快照测试,以及依赖休眠、网络、全局状态或非临时文件系统的测试。发现按 BLOCKING、SHOULD-FIX、NIT、OBSERVATION 分级,并给出文件路径行号、影响、建议和验证方式。除非用户明确要求修复,否则不自动改代码。

编程与开发2 次安装

swift-api-design

该技能用于依据内置的官方 API 设计指南,设计、重命名或审查 Swift API 接口。它主张从真实调用点出发评估 API,给出推荐签名、有用的调用示例以及支持变更的准则依据;适用于 API 形态本身属于工作范围的场景,并不覆盖每一项 Swift 实现任务。使用时会根据具体决策查阅对应参考材料:涉及原则或方案取舍时查核心原则,涉及命名、标签、默认值或重载时查命名与签名,涉及弱领域类型、布尔参数或方法族时查 API 模式,审查现有 API 时查审查清单,需要上游原文措辞或示例时查官方指南,版本信息见 assets/manifest.json。

编程与开发2 次安装

swift-docc

Swift-DocC 技能用于撰写、审阅、预览和发布 Swift-DocC 的符号文档、文章与教程。它通过本地摘要和随附的 DocC 源文件提供撰写指导,按任务类型指向符号注释、目录与文章、链接、格式与资源、交互式教程、预览与发布、指令语法等参考资料。编译器与渲染器内部实现不在该技能覆盖范围内,需要时应查阅相关来源。该技能还要求:修改目录后报告相关构建结果,不能仅凭源文件编辑就暗示预览或发布成功。适合需要按 DocC 规范组织文档内容、检查语法示例或准备发布文档的场景。

编程与开发2 次安装