transformer-lens-interpretability
TransformerLens 是用于 GPT 类语言模型机制可解释性研究的库，通过 HookPoints 检查和操纵模型内部激活，支持激活缓存、激活补丁、电路分析与注意力模式研究。
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 10-18 00:12
全部 Skills
231,394 个结果
serial-position-effect
序列位置效应（Serial Position Effect）是一项关于记忆与注意力的设计技能，用于指导菜单、列表和步骤的顺序编排。其核心原理是：人们最容易记住序列开头（首因效应）和结尾（近因效应）的项目，而中间位置的项目记忆最差，形成所谓“序列位置低谷”。该技能帮助设计者把关键项目放在用户最易注意和回忆的位置，并在重要项目不得不居中时用视觉差异加以补偿。
service-virtualization
本技能提供一套测试套件中隔离外部依赖的决策框架，帮助团队判断何时使用进程内 Mock、HTTP 桩（MSW、WireMock）、录制回放、服务假实现、Testcontainers 临时真实服务或共享真实服务。它按测试层级（单元、集成、E2E）匹配隔离强度，强调优先使用提供方官方测试模式或沙箱，并给出 MSW、WireMock、Testcontainers、Toxiproxy、录制回放等工具的选型、CI 集成方式、反模式与验证方法，确保测试完全虚拟化且不泄漏真实调用。
zustand-5
Zustand 5 是一个面向 React 的客户端状态管理方案，本技能整理了 Zustand 5 的常见使用模式，包括基础 store 创建、persist 持久化中间件、选择器与 useShallow 优化、异步 action、slices 分片模式、Immer 中间件以及 DevTools 集成，并说明了如何在 React 组件之外访问和订阅 store。适用于使用 Zustand 实现客户端状态管理的开发场景。
facebook-ads-library-mcp-server
Facebook Ads Library MCP Server 是一个遵循 Model Context Protocol (MCP) 的服务器，让 AI 代理能够查询 Facebook 公开广告库 API、获取品牌广告数据，并对广告素材（图片和视频）进行 AI 分析。它支持批量处理多品牌查询，内置智能缓存和 API 额度管理。核心功能包括：品牌搜索（将品牌名转换为 Meta 平台 ID）、广告检索（获取单个或多个品牌当前投放的广告）、图片分析（识别视觉元素、文字、颜色、构图）、视频分析（借助 Gemini AI 进行节奏、叙事、信息传达的深度分析）、批量处理（同时查询多个品牌，约节省 88% token）、智能缓存（减少 API 调用）以及额度管理（自动检测 API 额度耗尽）。服务器需通过 ScrapeCreators API 获取广告数据，视频分析需 Google Gemini API（可选）。安装方式支持一键脚本或手动配置虚拟环境，并可集成到 Claude Desktop 或 Cursor 的 MCP 配置中。适用于竞品广告监测、多品牌投放策略对比、广告创意分析与素材筛选等营销场景。
magicstarfishboost-seo-content-marketing-skill-suite
MagicStarfishBoost SEO 与内容营销技能套件是一套面向 Claude Code 的 SEO 与内容营销命令集合，源自 shanraisshan/claude-code-best-practice。该套件提供 10 个 SEO 与内容营销命令和 5 个多步骤工作流，每条命令均输出结构化、可执行的结果，并带有进度跟踪与优先级行动计划。核心命令覆盖四大方向：关键词研究（聚类、机会评分、意图映射）、内容审计（质量评分、重复检测、关键词蚕食报告）、技术 SEO（抓取预算、Core Web Vitals、结构化数据、可索引性）、竞争对手分析（外链缺口、主题缺口、精选摘要机会），此外还包括内容策略（AI 简报、SERP 监控、编辑日历）、外链建设（含 DA/DR 筛选的潜客列表与拓展模板）以及本地 SEO（NAP 一致性、Google Business Profile 优化、引用审计）。套件以命令加参数方式使用，支持 json、csv、md 等输出格式，并可按国家、深度、阈值等条件定制。安装方式为将技能文件克隆或复制到 Claude Code 技能目录，并在会话中注册或写入配置文件实现持久激活。
web-asset-generator
Web Asset Generator 是一个用于生成网站资源的技能，可从 logo 图片、emoji 或文字标语生成 favicon、PWA 应用图标以及社交媒体分享预览图（Open Graph 图片），覆盖 Facebook、Twitter、WhatsApp 和 LinkedIn 等平台。它通过 Python 脚本（generate_favicons.py 与 generate_og_images.py）批量输出标准尺寸的图标与图片，并附带对应的 HTML 标签，还支持将标签自动集成到 Next.js、Astro、SvelteKit、Nuxt、Gatsby 或纯 HTML 项目中，并提供主流社交平台的预览测试链接。
meshy-3d-agent
Meshy 3D Agent 是一个通过 Meshy AI API 生成与处理 3D 资产的技能，覆盖文本/图像转 3D、贴图、绑定、动画及 3D 打印准备，并管理 API 密钥、任务轮询、下载与文件归档。
llamaindex
LlamaIndex 是一个用于构建 LLM 应用的数据框架，专注于 RAG（检索增强生成）。它提供文档摄取（300+ 连接器）、索引和查询能力，支持向量索引、列表索引、树索引等多种结构，并可将查询引擎封装为工具供智能体调用。项目在 GitHub 上拥有 45,100+ 星标，被 23,000+ 仓库使用，拥有 1,715+ 贡献者，当前稳定版本为 v0.14.7，采用 MIT 许可证。
model-merging
Model Merging 是一个基于 mergekit 的技能，用于将多个微调后的模型合并，从而在不重新训练的情况下组合各自能力。它适合把数学、编程、对话等不同领域的专长模型融合成新的专用模型，通常能在基准测试上比单一模型提升 5-10%，且合并过程无需 GPU、可在 CPU 上运行，几分钟即可生成新模型变体，并有助于避免灾难性遗忘。该技能提供线性合并、SLERP、任务算术、TIES、DARE 等合并方法，支持层级别合并、MoE 构建、分词器合并，并给出配置示例、权重与密度调参建议、评估测试方法以及常见陷阱。
outlines
Outlines 是一个用于结构化文本生成的 Python 库，由 dottxt.ai（原 .txt）开发，GitHub 星标 8000+。它通过有限状态机（FSM）在 token 采样层面约束生成过程，保证输出严格符合 JSON、XML、代码或正则表达式等结构，无需生成后再校验或重试。支持 Pydantic 模型实现类型安全输出，可自动将 JSON Schema 转换为语法约束。兼容多种本地模型后端，包括 Hugging Face Transformers、llama.cpp 和 vLLM，也提供有限的 OpenAI API 支持。提供 choice、json、regex、integer、float 等专用生成器，适用于数据抽取、分类、表单填写、多实体识别和代码生成等场景。
simpo-training
SimPO（Simple Preference Optimization）是一种用于大语言模型对齐的无参考模型偏好优化方法，是 DPO 的替代方案，无需参考模型即可获得更好性能（在 AlpacaEval 2.0 上提升约 6.4 分）。该技能基于 HuggingFace alignment-handbook 提供完整的训练流程，支持从基础模型训练、指令模型微调以及推理密集型任务等场景，包含安装步骤、配置文件示例、超参数说明、常见问题排查和硬件需求等资料。
sparse-autoencoder-training
SAELens 是用于训练与分析稀疏自编码器（Sparse Autoencoders, SAEs）的主要 Python 库，面向机械可解释性研究。其核心思路来自 Anthropic 的 monosemanticity 研究：神经网络中单个神经元往往具有多义性（polysemantic），因为模型使用叠加（superposition）来表示比神经元数量更多的特征。SAE 通过稀疏瓶颈将稠密激活分解为稀疏、可解释的特征，从而缓解这一问题。该技能提供加载与分析预训练 SAE、训练自定义 SAE，以及特征分析与特征引导（steering）的完整工作流，包含基于 TransformerLens 与 SAELens 的代码示例、关键超参数、评估指标，以及常见问题（如死特征过多、重建质量差、显存不足）的排查建议。安装方式为 pip install sae-lens，依赖 Python 3.10+ 和 transformer-lens>=2.0.0。适用于发现模型激活中的可解释特征、理解模型学到的概念、研究叠加与特征几何、执行基于特征的引导或消融，以及分析安全相关特征。
training-llms-megatron
Megatron-Core 是 NVIDIA 提供的大规模语言模型训练框架，支持训练 2B 至 462B 参数量的模型，在 H100 GPU 上最高可达 47% 的模型 FLOP 利用率（MFU）。它通过张量并行、流水线并行、数据并行、上下文并行和专家并行等高级并行策略，实现大模型的高效分布式训练。该工具适合参数量超过 10B、需要最大化 GPU 效率、使用 NVIDIA A100/H100 等 GPU 进行生产级大规模训练的场景。安装方式支持 Docker（推荐）和 pip。资料中提供了 LLaMA 风格模型训练、MoE 训练、性能优化等工作流的配置示例，以及常见问题排查和硬件要求说明。
sumsub-integrate-dint-websdk
本技能用于在已集成 Sumsub WebSDK 的 Web 项目中启用设备智能（Device Intelligence，即 Fisherman 模块）。设备智能是欺诈检测层，可采集设备指纹、机器人/自动化、VPN/代理、模拟器、无痕模式、设备复用等底层设备与浏览器信号，并以设备风险标签的形式附加到申请人上，供风险评分使用。核心要点：对标准 WebSDK 集成而言，设备智能主要是仪表盘开关而非新增前端代码——在验证级别设置中勾选“Capture device data”后，WebSDK 会自动初始化 Fisherman、在步骤切换时对设备进行指纹采集并绑定到当前申请人，无需自行编写调用逻辑。技能还覆盖自渲染/无头集成的高级接线方式、服务端读取设备信号与风险标签的方法，以及沙箱测试与上线检查清单。集成过程中仅使用沙箱令牌，禁止使用生产 App Token 或密钥。
sumsub-integrate-id-connect
Sumsub ID Connect 集成技能，提供基于 OIDC 的“Verify with Sumsub ID”端到端接入方案。该技能引导开发者按顺序完成前置条件确认、预检脚本校验、前端按钮接入、后端授权码换取令牌、共享令牌与复用 KYC 等步骤，最终在业务工作区中生成申请人记录。技能强调必须使用沙箱令牌、先完成 Sumsub 侧手动配置再编写代码，并说明 ID Connect 与 WebSDK 的区别、各阶段端点、PKCE 流程、ngrok 本地开发方式及 onSuccess 不代表验证结论等限制。
tailwindcss-development
Tailwind CSS Development 是来自 laravel/boost 的一个技能（skill），用于在项目中按规范编写 Tailwind CSS 样式。它在用户消息中出现「tailwind」相关内容时被触发，也适用于响应式网格布局等场景。该技能强调使用 Tailwind CSS v3，并要求先检查并遵循项目已有的 Tailwind 约定，再引入新模式。它会指导使用 Tailwind 类来为 HTML 添加样式，并在合适时建议将重复模式抽取为符合项目约定的组件（如 Blade、JSX、Vue）。内容涵盖类的位置、顺序、优先级与默认值处理，以及减少重复、按逻辑分组元素等实践。技能还给出具体用法示范：通过 @tailwind 指令导入 base、components、utilities；使用 gap 工具类处理列表间距而非外边距；若项目支持深色模式，则新页面与组件需用 dark: 变体保持一致。常用模式示例包括 Flexbox 布局与响应式 Grid 布局。验证环节建议检查浏览器视觉效果、测试响应式断点，并在项目使用深色模式时验证深色模式。常见陷阱包括用 margin 代替 gap、遗漏深色模式变体、未检查既有约定、过度使用内联样式等。
bmad-marketing-growth-module
BMAD Marketing Growth Module 是构建在 BMAD Framework 之上的 AI 营销团队模块，提供 14 个专业化智能体与 6 套协同工作流，面向 SaaS 公司的完整增长需求。它采用三层智能体层级：顶层编排者负责整体营销战略与任务委派，中层为内容、SEO、社交媒体、发布、增长分析等部门负责人，底层为 Twitter/X、Reddit、LinkedIn、YouTube、Discord、Instagram、TikTok、Pinterest 等平台专项智能体。模块支持多平台社媒自动化、SEO 策略与内容优化、产品发布协调、增长分析与 KPI 追踪、内容流水线自动化，并带有可持久化的智能体记忆系统。安装需先具备 BMAD Framework Core，可通过 bmad install marketing-growth 快速安装，或手动克隆仓库并复制记忆文件。配置集中在 config.yaml，可设置公司信息、主要渠道、目标受众、自动委派开关等。
malware-detection-security-awareness
该技能用于识别并宣导伪装成正规安全软件的恶意软件分发行为。资料以一个伪装为 Bitdefender Total Security 破解版的仓库为例，列出欺骗性命名、可疑仓库特征、恶意话题、高危关键词等威胁指标，并给出攻击向量与社工手法分析。技能内容还包含合法安全软件来源、Windows Defender 与 ClamAV 的安装与扫描命令、仓库安全检查清单代码、文件哈希校验示例、下载后的应急响应步骤及上报渠道，面向 AI 编程代理在用户谈及此类仓库时即时告警并引导至正规替代方案。
data-scientist
这是一个面向数据科学家的专业 Agent 技能，覆盖高级分析、机器学习与统计建模，用于处理复杂数据分析、预测建模以及数据驱动的商业洞察。技能强调从探索性数据分析到模型上线的完整流程，涉及统计分析假设检验、实验设计、因果推断、时间序列、机器学习与深度学习、特征工程、模型可解释性、数据可视化、模型部署与监控等。适用于营销、金融、运营等业务分析场景。使用前需明确目标、约束与所需输入，成果需结合具体环境验证与专家复核。
sumsub-integrate-dint-standalone
该技能用于在自有网页（登录、注册、密码重置、2FA、结账等）中集成 Sumsub Device Intelligence（设备智能），且这些页面不包含 Sumsub 验证组件。通过直接嵌入 Fisherman JS 模块（npm 包 @sumsub/fisherman），在用户操作时采集设备信息，并在服务端向 Sumsub 确认事件，从而检测设备欺诈（机器人、模拟器、VPN/代理、设备复用、多账号等）。属于持续监控/预 KYC 路径。集成期间仅使用沙箱令牌，需先运行预检脚本确认工作区具备 DI 权限，再按四个阶段实现：后端签发行为访问令牌、前端采集设备、后端确认事件、读取结果。
api-contract-testing
API Contract Testing 是一套用于验证服务间 API 契约的技能，核心目的是确保消费者与提供者之间的接口保持兼容，防止因服务变更而导致破坏性修改。它通过契约测试独立验证请求/响应格式、数据类型与 API 行为，无需依赖完整的集成测试。该技能适用于微服务通信测试、防止破坏性 API 变更、验证 API 版本控制、测试消费者-提供者契约、确保向后兼容、验证 OpenAPI/Swagger 规范、测试第三方 API 集成，以及在 CI 中捕获契约违规。技能包含快速入门示例（基于 Pact 的 TypeScript 测试）以及多个参考指南，涵盖 Pact 消费者驱动契约、OpenAPI 模式验证、JSON Schema 验证、REST Assured for Java、Postman 契约测试和 Pact Broker 集成。同时提供最佳实践清单，明确推荐从消费者视角测试契约、使用匹配器灵活匹配、验证模式结构而非具体值、对契约进行版本管理、测试错误响应、使用 Pact broker 共享契约、在 CI 中运行契约测试并测试向后兼容性；不推荐在契约测试中测试业务逻辑、硬编码具体值、跳过错误场景、测试 UI、忽略契约版本、未经验证即部署或测试实现细节。
senior-ml-engineer
Senior ML Engineer 是一个面向生产环境的机器学习工程技能，聚焦模型部署、MLOps 基础设施与 LLM 集成。它提供模型部署工作流（导出 ONNX/TorchScript/SavedModel、Docker 打包、灰度发布与验证）、MLOps 流水线搭建（特征存储、实验追踪、模型注册、A/B 测试、漂移监控）、LLM 集成（供应商抽象层、重试与降级、成本追踪、结构化输出校验）、RAG 系统实现（向量数据库选型、分块策略、检索与重排）以及模型监控（延迟、错误率、数据漂移检测与告警阈值）。技能内含 Docker 容器模板、Feast 特征视图、tenacity 重试、KS 漂移检测等代码示例，并提供部署流水线、RAG 构建器、监控套件三个脚本工具，以及 MLOps、LLM 集成、RAG 架构三份参考文档。
elasticsearch-query-optimization
该技能用于诊断 Elasticsearch Query DSL 搜索缓慢的问题，并给出经过实测验证的修复方案。它通过 elastic CLI 执行操作，先对慢查询开启 profile 定位主要耗时来源，再检查字段映射，随后重写查询以消除瓶颈（例如将非评分条件从 must 移入 filter、消除前导通配符），最后重新 profile 对比前后耗时。适用于搜索变慢、profile 显示某子句开销过高、精确匹配被不必要评分、通配符查询拖慢延迟等场景。技能强调先修查询再考虑基础设施，不负责迁移到 ES|QL，也不以加分区或扩容作为首选方案。