mcpField
A
ai-llm-skills-guide

ai-llm-skills-guide

github.com/gmh5225Agent 工作流9744 次安装5 天前更新
代码仓库

关于 ai-llm-skills-guide

ai-llm-skills-guide 是用于整理和查阅 AI 与 LLM 开发主题的参考技能，涵盖 Agent 框架、RAG、可观测性、记忆、上下文工程及多 Agent 模式。

主要功能

  1. 01梳理 Agent 框架类别
  2. 02概述 RAG 组件与技术
  3. 03汇总可观测性与追踪工具
  4. 04介绍记忆系统类型
  5. 05整理上下文工程与 Agent 模式

适用场景

  1. 01为 AI 项目查找技能类别
  2. 02在 README 中整理 AI 技能
  3. 03了解常见多 Agent 架构

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/gmh5225/awesome-skills --skill ai-llm-skills-guide

安装后在 Claude Code 中输入/ai-llm-skills-guide确认已加载。

详细介绍

AI Agent 与大模型开发技能

范围

在以下情况下使用此技能：

  • 查找或添加 AI／大模型相关技能
  • 了解 Agent 架构模式
  • 使用 RAG、嵌入或向量数据库
  • 实现多 Agent 系统

主要技能类别

Agent 框架
框架描述
LangGraph有状态的多参与者 AI 应用
CrewAI基于角色的多 Agent 编排
AutoGenMicrosoft 的多 Agent 框架
RAG（检索增强生成）
组件技能
嵌入文本嵌入模型、分块策略
向量数据库Pinecone、Weaviate、Chroma、Qdrant
检索混合搜索、重排序、上下文优化
可观测性与追踪
工具用途
Langfuse开源大模型可观测性
LangSmithLangChain 追踪与调试
Weights & Biases机器学习实验跟踪
记忆系统
类型描述
短期对话缓冲区、滑动窗口
长期向量存储持久化、实体记忆
情景基于经验的记忆回忆

上下文工程技能

核心概念
  • 上下文基础：什么是上下文，以及它为何重要
  • 上下文退化：中间遗失、投毒、干扰模式
  • 上下文压缩：摘要、裁剪策略
  • 上下文优化：缓存、屏蔽、压缩
多 Agent 模式
  • 编排者模式
  • 点对点协作
  • 分层委派
  • 使用工具的 Agent

在 README 中添加的位置

  • Agent 框架：AI Agents & LLM Development
  • RAG 工具：AI Agents & LLM Development 或 Data & Analysis
  • 可观测性：AI Agents & LLM Development
  • 上下文工程：Context Engineering

重要代码库

sickn33/antigravity-awesome-skills/skills/
├── langgraph/
├── crewai/
├── langfuse/
├── rag-engineer/
├── prompt-engineer/
├── voice-agents/
├── agent-memory-systems/
└── autonomous-agents/

muratcankoylan/Agent-Skills-for-Context-Engineering/skills/
├── context-fundamentals/
├── context-degradation/
├── context-compression/
├── multi-agent-patterns/
└── memory-systems/

最佳实践

  1. 模块化设计：分离检索、生成和编排
  2. 评估：包含基准测试和测试用例
  3. 成本意识：记录 Token 用量和 API 成本
  4. 回退策略：妥善处理 API 故障
  5. 流式传输：尽可能支持流式响应

完整资源列表

如需更详细的技能资源、完整链接列表或最新信息，请使用 WebFetch 获取完整的 README.md：

https://raw.githubusercontent.com/gmh5225/awesome-skills/refs/heads/main/README.md

README.md 包含完整的分类资源列表及所有链接。

评论

支持 Markdown