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 11-02 00:09

数据与分析

17,267 个结果

gym-to-atif

gym-to-atif 是 nvidia-nemo/eval-author 中的技能,用于将一条有界的 Gym Responses rollout 记录,或 Gym 运行中保留的 Harbor ATIF,转换为一条规范的 ATIF 轨迹,供 Harbor 或 Eval Author 的下游流程使用。它提供离线转换脚本,仅依赖 Python 标准库,不需要 Gym 运行时、模型调用或 Docker;转换结果以仅所有者可访问的私有文件输出,并保留来源记录、转换损耗与不确定性说明,强调对轨迹数据的隐私保护与证据可追溯。

数据与分析10 次安装

mlflow-to-atif

mlflow-to-atif 是 NVIDIA NeMo 的 eval-author 技能,用于将受限的 MLflow 实时追踪数据或导出的 Trace.to_dict() JSON 转换为每条追踪一份的规范化 ATIF 轨迹文件,供 Harbor 或 Eval Author 审计覆盖使用。转换不经过 Intake,输出为每个追踪一个仅所有者可访问的 .atif.json 文件,且只打印不含内容的摘要。它支持离线导出文件和限定实验与时间范围的实时 MLflow 存储两种输入模式,区分缺失、显式 null 和已填充的工具输出,按时间戳展平 span 树并保留原生 ID、属性、事件、状态和评估信息。脚本拒绝覆盖已有轨迹,要求输出目录私有,并对远程连接强制 HTTPS。

数据与分析10 次安装

cdf-auto-labeling

CDF Auto-Labeling 是 NVIDIA 提供的一项技能,用于在用户自有数据、领域或用例上启动自动标注流程。它本质上是一个路由型技能:根据用户请求类型,将任务分发到对应的专门参考文档,而不是重复其细节。适用场景包括:新用户上手、为某领域规划标注目标与阶段子集、创建或改编 cookbook、编写 VLM/LLM 提示词与题库、将现有标注仓库迁移到本仓库、运行视频数据增强 cookbook、运行或选择 EPAS/PAS cookbook、运行事件验证推理、调试已集成的工作流、从 NGC 拉取预构建阶段镜像、实现或审查新阶段或 Docker 化服务,以及配置或调试单个生产阶段。技能强调在执行前必须与用户确认关键运行输入(输入数据路径、输出路径、VLM/LLM 端点 URL 与模型名、模型缓存路径、GPU id、推理模型的 max_tokens 上限),并验证环境(仓库已克隆、make 目标可用、模型缓存存在、端点可达、GPU 可用)。建议先运行已发布的示例确认端到端可用,再规划目标场景、改编最接近的 cookbook、编写领域提示词与题库、配置各阶段设置、干跑并验证输出。

数据与分析10 次安装

python-data-pipelines

这是一个面向 Python 数据管道开发的技能包,用于构建 ETL 作业、文档智能管道、OCR、PDF/Excel 摄取、图像/媒体处理以及外部 API 同步管道。其核心是提供可复用的判断标准、领域约束与成熟工作流,强调管道应具备幂等、可恢复、可观测、经过校验和多租户隔离五项特性,覆盖从数据提取、校验、转换、加载到验证的规范流程,并要求在边界使用 Pydantic 校验、将失败记录送入死信队列。技能由 Peter Bamuhigire 分享,前置需加载 python-modern-standards 与 python-saas-integration。

数据与分析10 次安装