opik-compare
opik-compare 是 Opik 技能,用于在同一测试套件上对比基线与候选实验:逐条读回结果,给出各指标增量、由通过转为失败(回归)与由失败转为通过(修复)的用例、最差行、可比性说明及对比视图链接。它只做对比,不给出是否发布的结论。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-23 00:12
259,833 个结果
opik-compare 是 Opik 技能,用于在同一测试套件上对比基线与候选实验:逐条读回结果,给出各指标增量、由通过转为失败(回归)与由失败转为通过(修复)的用例、最差行、可比性说明及对比视图链接。它只做对比,不给出是否发布的结论。
Opik Optimize 技能用于借助 Opik Agent Optimizer 依据数据改进提示词:解析提示词、数据集与指标,选择算法,在限定预算内运行优化,并用留出数据验证提升效果,同时在 Opik 中记录运行链接与成本。
opik-test 是 Opik 技能之一,用于把失败的 Opik trace(或描述中的失败)转成可重复的回归检查:在指定测试套件中创建一条含失败输入与一两条二元断言的测试项,供 /opik-compare 运行。它只写入 Opik,不修改应用代码。
opik-verify 依据可读的发布策略,对 /opik-compare 产出的基线与候选实验数据机械计算 ship、hold、needs_review 或 insufficient_evidence 的发布裁决,并列出各准则阈值、观测值与通过情况,不修改应用代码、不部署。
该技能让 Claude 生成并完善 Blender Python 脚本,用于自动化 3D 工作流,包括程序化场景生成、动画自动化、对象与材质创建、场景搭建等,帮助用户即使不熟悉 Blender 也能通过 AI 辅助脚本创建复杂场景与动画。
面向 Claude 与 AI 智能体系统的上下文工程工作流技能,用于结构化、压缩与编排上下文,提升推理质量与执行一致性。
通过 Rube MCP(Composio)自动化 Notion 操作,覆盖页面、数据库、区块、评论与用户。使用前需连接 Rube MCP 并完成 Notion OAuth,且应先调用 RUBE_SEARCH_TOOLS 获取最新工具 schema。
通过 Rube MCP(Composio)自动化 Slack 工作区操作,包括发送消息、搜索会话、管理频道与用户、添加表情回应、处理线程及定时发送消息。需先连接 Rube MCP 并完成 Slack OAuth 授权。
scan 是 continuedev/skills 中的代码审计技能,通过并行智能体团队按另一技能的标准扫描代码库。支持 /scan <skill-name> 调用,将技能内容提炼为可测试的编号标准,发现相关文件后分派给多个扫描智能体,汇总生成报告并可再启动修复团队。
连接 Power BI Desktop 本地 Analysis Services 实例的技能,通过 PowerShell 使用 TOM 与 ADOMD.NET 进行模型枚举、DAX 查询、查询跟踪与模型修改,并配合 Desktop Bridge 完成重载与截图验证。
Shipwright Build 是一个自主应用构建技能,可将自然语言描述转化为经过构建、测试并部署的应用,采用九阶段流水线,支持四种技术栈,并内置提交前校验、测试覆盖率、安全审计与代码规范等企业级安全措施。
ops-yolo 是 buildwithclaude 中的 YOLO 模式技能,会并行启动 CEO、CTO、CFO、COO 四个高管智能体,从各自视角分析业务数据,汇总成 Hard Truths 报告,并可在用户确认后进入自主执行模式处理收件箱、PR、故障等运维事务。
Elicit 是 davidlee/doctrine 中的价值elicitation会话工具,偏向由人筛选、排序和呈现“下一个值得问的成对价值问题”,并审查可疑锚点。依赖 doctrine compare 命令读取只读队列并记录答案。
NeMo Evaluator SDK 是 NVIDIA 推出的企业级大语言模型评测工具,通过容器化、可复现的方式,在 100 多个基准测试和 18 个以上评测框架(harness)上评估 LLM,涵盖 MMLU、HumanEval、GSM8K、安全评测和视觉语言模型(VLM)任务。它支持多种执行后端,包括本地 Docker、Slurm HPC 集群和 Lepton 云。用户可通过 pip 安装 nemo-evaluator-launcher,配置 API 端点与评测任务后运行评测,并可将结果导出到 MLflow、Weights & Biases 或本地 JSON。适用于需要对 OpenAI 兼容 API(如 vLLM、TRT-LLM、NIM)进行大规模、可复现评测的场景。
verl(Volcano Engine Reinforcement Learning)是字节跳动 Seed 团队开源的大语言模型强化学习训练库,实现 HybridFlow 框架,支持 PPO、GRPO、DAPO、RLOO、REINFORCE++ 等算法,可切换 FSDP、FSDP2、Megatron-LM 训练后端与 vLLM、SGLang、HuggingFace Transformers 推理引擎,适用于 RLHF、数学推理、智能体多轮工具调用及视觉语言模型训练。
该技能用于下载 Bilibili 视频字幕,将其分块以供大语言模型处理,并生成高质量总结。适用于用户提供 BV 号或 URL,希望获取视频内容总结、核心要点或详细分解的场景。
面试辅导系统,来源于 dbhat93/job-search-os 技能库。该技能在被触发时会加载辅导相关的状态文件(coaching_state.md)与故事库索引(storybank.md),并以 ${CLAUDE_SKILL_DIR} 为基准目录解析引用文件(如 references/commands/prep.md)。它通过一系列辅导命令激活,命令关键词包括:prep、round、sync、strategy、stories、mock、outreach、thankyou、analyze、progress、practice、research、decode、fit、apply、feedback、reflect、salary、negotiate、hype、pitch、resume、linkedin、present。从命令命名看,用途覆盖面试准备、轮次推进、进度同步、策略制定、故事梳理、模拟面试、外联沟通、感谢信、分析、练习、调研、解读、匹配度评估、投递、反馈、复盘、薪资与谈判、打气激励、自我推介、简历与领英内容、演示等方向。资料未提供每一条命令的具体执行逻辑、输出格式或使用步骤,也未说明是否收费、支持的平台与集成方式,故这些内容暂未提供。
shadcn-hooks 是一套面向 React / Next.js 项目的 Hooks 集合与使用指南,目标是帮助开发者在合适的场景下复用现成的 Hook,从而减少自造代码、提升实现的可读性、可维护性与性能。该技能会先判断需求能否由现有 Hook 满足,再映射到最合适的 Hook 并按其调用规则使用。安装方式有两种:推荐使用 shadcn CLI 按需添加单个或多个 Hook,也可安装完整 npm 包;CLI 方式从本地路径导入,npm 包方式从 "shadcn-hooks" 导入。Hook 按 State、Advanced、Lifecycle、Browser、Dev、External 等类别组织,多数标注为 AUTO(适用时自动使用),External 类(如 useMcp、useQuery、useStickToBottom、useSWR)仅在用户已安装相应外部依赖时使用。每个 Hook 的用法细节与类型声明需查阅对应 references 文档。
用于制定个人发展计划(IDP)的专家型技能,支持能力映射、技能评估与学习路径设计,基于能力框架、70-20-10 学习模型和多来源反馈构建可跟踪的发展方案。
面向 TYPO3 v14 的 SEO 配置技能,覆盖 EXT:seo 安装、元数据、hreflang、XML 站点地图、robots.txt、规范链接与结构化数据等配置。
codebase-discovery 是 dius/agent-toolkit 中的技能,用于从文档匮乏的现有代码库中逆向提取领域知识、架构、业务规则、工作流和业务术语表,产出精简的入职文档,供新成员或 AI 工具在编写规格前获取上下文。
为网站和 Web 应用定义独特且可落地的视觉方向,适用于智能体建立或修复艺术指导、排版、色彩与整体视觉系统。
JSON Schema Validator 是一个用于校验 JSON 数据的工具,可将 JSON 文档与 JSON Schema(支持 Draft 4、6、7)规范进行比对。它适用于 API 校验、配置文件校验以及数据质量检查等场景。该工具提供 Schema 校验、详细的校验错误信息、批量校验、从示例生成 Schema 以及多 Draft 支持等能力。既可作为 Python 类库调用,也可通过命令行使用,依赖 jsonschema>=4.20.0。
FinalRun 测试与套件生成技能:按严格的 FinalRun YAML 格式生成测试与套件规格,覆盖自动化测试计划、按功能分组目录、仓库应用配置推断、环境变量与密钥声明、边界的用例分析与校验流程。