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 11-21 00:15

全部 Skills

258,628 个结果

knowledge-distillation

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。

智能体与模型100 次安装

mlflow

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)。

数据与分析100 次安装

phoenix-observability

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。

智能体与模型100 次安装

serving-llms-vllm

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。

部署与运维100 次安装

sglang

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。

智能体与模型100 次安装

skypilot-multi-cloud-orchestration

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。

部署与运维100 次安装

tensorboard

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。

数据与分析100 次安装

explain-changes

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。

编程与开发100 次安装

retro

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。

办公与效率100 次安装

initialize

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。

智能体与模型100 次安装