Skills
收录 101,174 个为 Agent 打包的专项能力与操作指引,复制一行命令即可安装。
全部
当用户的 Copilot Studio Agent 评估结果已出来,需要解读得分、诊断表现不佳的测试用例的根本原因、寻找补救步骤,或分析模式以改进 Agent 时,使用此技能。当用户提及以下内容时务必使用此技能:"eval failed"、"why did this fail"、"triage"、"diagnose failure"、"low pass rate"、"fix evaluation results"、"not passing"、"failing test cases"、"evaluation results"、"improve my eval scores",或任何需要解读评估得分并采取行动的场景。
在决定采用重大通用机制之前,依据明确的定制方案基线,研究并比较成熟的库、开源工具和应用、托管服务,以及标准、框架或平台原语。适用于库/工具推荐、构建还是采用的决策、替换自定义机制、影响重大的未解决依赖,或对新引入的重要依赖开展尽职调查。提供有证据支持的采用、改造、组合、自建、暂缓或不采取行动建议。要探索整个代码库的机会,先使用 improve-codebase-architecture,再评估选定任务。不适用于 Agent 技能发现、仍需明确的约束、琐碎逻辑/胶水代码、已采用工具的日常使用或普通修复。
使用 SwanLab 跟踪 ML 实验。这款开源工具支持 swanlab.init、配置和指标记录、标量图表及媒体记录(图像、音频、文本、GIF、点云、分子),可在云端、本地(mode="local" 搭配 swanlab[dashboard])或自托管环境中运行。集成 PyTorch、Transformers、PyTorch Lightning 和 Fastai。适用于记录训练运行的指标和超参数、比较不同随机种子、检查点或超参数下的运行结果、使用离线或自托管仪表板替代托管 SaaS、在标量旁记录媒体,或将跟踪回调添加到 Transformers、Lightning 或 Fastai 训练循环中。不适用于 Weights & Biases 或 MLflow 等其他跟踪工具。
完整的 Docker FFmpeg 部署系统。以下情况请主动启用:(1) Docker FFmpeg 镜像选择(jrottenberg、linuxserver),(2) GPU 直通(NVIDIA、Intel、AMD),(3) 卷挂载与权限,(4) Docker Compose 视频处理,(5) Kubernetes FFmpeg 任务,(6) 自定义 Dockerfile 构建,(7) Windows/Linux/macOS 的 Docker 用法,(8) 资源限制与优化,(9) 监视文件夹自动化,(10) 生产级容器模式。提供:镜像对比表、GPU Docker 命令、Compose 示例、K8s 清单、故障排查指南。确保:跨平台一致且隔离的 FFmpeg 环境。
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。
