jp-prd
jp-prd 是 Juspay 支付集成 PRD 的创建、编辑与校验技能,帮助产出面向实现交接的集成需求文档,明确集成范围、输入流程与约束;后续由 jp-architecture 决定实现方式、jp-executor 编写代码。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-21 00:15
258,628 个结果
jp-prd 是 Juspay 支付集成 PRD 的创建、编辑与校验技能,帮助产出面向实现交接的集成需求文档,明确集成范围、输入流程与约束;后续由 jp-architecture 决定实现方式、jp-executor 编写代码。
Convex 后端开发指导技能,覆盖查询、变更、动作、schema、验证器、认证、组件、智能体、搜索、测试与生产配置等后端开发主题,并针对客户端/服务端集成给出规范建议。
将 PDF、Word、PowerPoint、HTML、图片等文档规范化并翻译为日语的技能,可完成结构校正、清理、分块、日语翻译、Markdown 合并与 Word docx 转换。需 Docling Serve 与 OpenAI 兼容 API,不提供无外部服务的 PDF 降级方案。
知识蒸馏(Knowledge Distillation)是一种将大型教师模型的能力压缩到小型学生模型的技术,用于在部署时以更小的模型保留较高性能。该技能涵盖温度缩放、软目标、前向与反向 KLD(MiniLLM)、logit 蒸馏和响应蒸馏等核心方法,并提供基于 transformers、torch、deepspeed 等框架的安装命令与训练代码示例。适用于将 70B 模型压缩到 7B、把专有模型能力迁移到开源模型、降低推理成本、构建领域专用小模型,以及用大模型合成数据改进小模型等场景。资料同时给出超参数选择、模型尺寸比例、数据质量等最佳实践,以及评估与部署脚本。
MLflow 是一个机器学习生命周期管理平台,用于跟踪机器学习实验并管理模型生命周期。它支持记录参数(mlflow.log_param)、指标(mlflow.log_metric)和产物(mlflow.log_artifact),并提供自动日志(autologging)功能。该技能覆盖实验与运行管理、模型注册表(含版本管理与阶段转换)、模型部署(本地、云端、serving)、运行搜索、与各类机器学习框架的集成,以及跟踪服务器配置。MLflow 与框架无关,可配合 PyTorch、Scikit-learn、Keras/TensorFlow、HuggingFace Transformers 等使用。安装方式为 pip install mlflow,可通过 mlflow ui 启动界面(默认 http://localhost:5000)。
Phoenix 是一个开源的 AI 可观测性与评估平台,面向 LLM 应用提供追踪、评估、数据集、实验和实时监控能力。它基于 OpenTelemetry 采集任意 LLM 框架的追踪数据,支持 LLM-as-judge 评估器、版本化测试集、提示与模型对比实验、多模型交互式 Playground,并可通过 PostgreSQL 或 SQLite 自托管部署,避免供应商锁定。适用于调试 LLM 应用、在数据集上运行系统化评估、实时监控生产 LLM 系统以及构建提示/模型对比实验流水线。
vLLM 是一个高性能大语言模型(LLM)推理与服务框架,通过 PagedAttention(基于块的 KV 缓存)和连续批处理(混合 prefill/decode 请求)实现高吞吐量,据资料称其吞吐量可达标准 transformers 的 24 倍。它支持离线批量推理和 OpenAI 兼容的在线服务,适用于部署生产级 LLM API、优化推理性能以及在有限 GPU 显存下服务大模型。安装方式为 pip install vllm,可通过 vllm serve 命令启动服务,并支持张量并行、量化(AWQ/GPTQ/FP8)、前缀缓存、指标监控等特性。
SGLang 是一个面向大语言模型(LLM)与视觉语言模型(VLM)的高性能服务框架,核心创新是 RadixAttention 自动前缀缓存。它适合需要结构化输出(JSON、正则、语法约束)、带重复前缀的智能体工作流、函数调用、多轮对话共享上下文等场景。官方称在智能体负载下可提速约 5 倍、少样本提示约 10 倍、JSON 解码约 3 倍。支持 OpenAI 兼容 API、多 GPU 张量并行、投机解码与多模态模型,可通过 pip 安装并启动服务。
SkyPilot 多云编排技能,用于在多个云平台(AWS、GCP、Azure、Kubernetes、Lambda、RunPod 等 20 多家提供商)上运行机器学习训练与批处理任务,并自动进行成本优化。支持自动选择最便宜的云和区域、使用抢占式(Spot)实例并自动恢复、多节点分布式训练、托管作业的容错与检查点、以及 Sky Serve 模型服务自动扩缩。适合需要跨云运行训练或批处理作业、避免供应商锁定、统一管理多云 GPU 资源的场景。
TensorBoard 是用于机器学习训练过程可视化的工具包,可通过 PyTorch 的 SummaryWriter 和 TensorFlow/Keras 回调记录并查看训练数据。它支持标量(如损失、准确率)、图像、文本、直方图、模型计算图、嵌入投影(t-SNE、PCA)、超参数实验以及性能分析等可视化能力。安装方式为 pip install tensorboard,PyTorch 需额外安装 torch、torchvision、tensorboard,TensorFlow 已内置。启动命令为 tensorboard --logdir=runs,默认在 http://localhost:6006 访问。适用于训练指标跟踪、模型调试、多实验对比、模型结构查看、嵌入降维可视化、超参数实验跟踪和性能瓶颈分析等场景。
explain-changes 是一个面向 AI 工具的技能,用于在用户要求解释改动时生成一份统一的审查页面,直观展示具体改了什么。该技能通过 assets/review.py 从 git 仓库、变更前后的文件快照以及脚本自身运行过的命令中构建页面,避免凭记忆复述改动,只需在页面顶部写简短说明,并为文件和具体改动添加注释。它支持 GitHub 仓库、本地仓库或未推送改动、仓库外的文件、仅能通过命令读取的状态(如定时任务、服务、API 配置)、有副作用的一次性命令,以及 MCP 工具调用等场景。该技能需要 Python 3.10+ 和 git,页面包含描述、统计、变更文件列表、并排或行内 diff 视图、状态差异与已记录操作,并可标记已查看以便折叠。注意页面会展示被监视文件与捕获输出,不应放入密钥或 .env 文件。
面试雷达 InterviewRadar 是一个面试准备技能:上传 PDF/图片简历并给出模糊岗位方向后,它会从牛客、小红书(主力,带时间戳)及 GitHub 等来源检索真实面经,过滤近两年内容、去重排序,并结合简历生成带项目追问的个性化备考包。
teach 是一个面向多会话学习的教学技能:把当前目录当作教学工作区,用 MISSION.md、RESOURCES.md、学习记录、参考文档与 HTML 课程文件组织教学,围绕用户目标设计短小、可交互、带反馈的课程,帮助建立长期记忆。
to-spec 是一个技能:把当前对话内容与对代码库的理解直接综合成一份 spec,并发布到项目的 issue tracker,无需再对用户做访谈。
No Slop UI 是一个前端界面设计与审查技能,用于构建或检查干净、克制、像真人设计的 UI,避免通用 AI 视觉套路。它提供具体规范与禁用模式清单,适用于界面设计、前端实现、视觉打磨和设计评审。
该技能提供用 Python C 扩展实现高性能投资组合优化的指导,涵盖与 NumPy 数组交互的 C 扩展编写、验证策略及常见陷阱,适用于投资组合风险计算、矩阵向量运算加速等任务。
retro 是一个用于工作周期复盘的中文可读技能:它把已完成、失败或令人失望的一轮工作,转化为下一轮可直接使用的经验教训、反模式、质量门禁和架构词汇。它不写变更日志、不做情绪化总结,而是基于目标、产物、QA 证据、用户反馈等本地证据,区分可复用的资产与被误导的进展,把失败命名为具体反模式,并把重复或高影响的失败升级为下一轮必须通过的硬性门禁。适用于构建、QA 等周期结束后,让新的智能体仅凭本地文档就能避开同样的失败。
Rowset 是一个面向用户自有结构化数据集的稳定后端,可通过 MCP、Rowset CLI 或 REST API 访问同一账户与数据。本技能用于在访问已配置后,发现 Rowset 能力并管理项目、数据集、关系、行、导出与公开预览。
role-switch 是一个从多利益相关方视角分析决策的技能,覆盖工程、产品、法务、财务、用户等角色,用于发现盲点、暴露张力并综合出可行路径。
用于以 React/TypeScript 编程方式制作视频的 Remotion 技能,覆盖项目搭建、基于帧的动画、场景编排、素材与音频处理、参数化视频及渲染输出。
doc-condenser 是一个已弃用的文档精简技能,用于把冗长的技术文档压缩成面向开发者的简明规格。因现代模型已原生具备同等质量的摘要能力,该技能不再提供明显增益,仅作存档参考。
MATLAB 图像显示技能,指导使用 imageshow 与 viewer2d 替代 imshow 等旧函数,实现高性能图像显示、叠加标注、交互绘制、多视图联动与动画捕获,适用于图像处理、计算机视觉和视觉检查。
基于 MATLAB SerDes Toolbox 的技能,用于建模、仿真和优化串行/并行 SerDes 链路,支持 NRZ 与 PAM3 至 PAM16 信号,涵盖均衡架构评估、通道建模、IBIS-AMI 模型生成与验证,适用于高速链路设计与交付。
initialize 是 melvynx/ai-maxxing-skills 技能包中的基础安装技能,用于在整台电脑的所有文件夹中,为 Claude Code 和 Codex 两个代理一次性安装基础技能。它通过一条命令完成安装,内容包括 AIBlueprint 基础包(技能、代理、状态栏、拦截危险命令的安全钩子以及 cc / cx 终端快捷方式),以及 /show-me、/grill-me、/connect-tool 三个技能和来自 Matt Pocock 技能的 /wait-what。脚本会把每个技能统一安装到 ~/.agents/skills/ 作为唯一来源,~/.claude/skills/ 仅做链接;结束时按技能输出 ok 或 MISS,失败可通过重跑对应行修复。该技能要求具备 Node 环境,可借助 setup-node 技能先配置。