Loading...
Loading...
共找到 18 个 Skills
通过inference.sh CLI使用Tavily和Exa进行网页搜索与内容提取。应用包括：Tavily Search、Tavily Extract、Exa Search、Exa Answer、Exa Extract。功能：AI驱动搜索、内容提取、直接答疑、调研。适用场景：调研、RAG流水线、事实核查、内容聚合、Agent。相关触发词：网页搜索、tavily、exa、搜索API、内容提取、调研、互联网搜索、AI搜索、搜索助手、网页抓取、rag、Perplexity替代方案
inference.sh 的 Python SDK - 运行AI应用、构建Agent，并集成150+种模型。包名称：inferencesh（可通过 pip install inferencesh 安装）。支持同步/异步、流式传输、文件上传功能。可通过模板或自定义模式构建Agent，具备工具构建器API、Skills以及人工审批机制。适用场景：Python集成、AI应用开发、Agent开发、RAG流水线、自动化。相关关键词：python sdk, inferencesh, pip install, python api, python client, async inference, python agent, tool builder python, programmatic ai, python integration, sdk python
借助聊天模板和基于HNSW的上下文检索，为不同LLM提供商格式化提示词
为RAG/嵌入流水线将文本分割为上下文相关的块。根据需求选择窗口、TF-IDF、标点符号或混合策略进行文档分割和章节提取。
使用Polaris AI DataInsight Doc Extract API从Office文档（DOCX、PPTX、XLSX、HWP、HWPX）中提取结构化数据。当用户想要解析、分析或提取文档文件中的文本、表格、图表、图片或形状时，可使用本工具。只要用户提及从Word、PowerPoint、Excel、HWP或HWPX文件中提取内容、想要解析文档结构、需要转换文档数据用于RAG流水线，或者询问如何读取Office格式文档中的表格、图表或文本时，即使未明确提到“DataInsight”或“Polaris”，也可调用此技能。
LLM与ML模型推理部署指南。适用于生产环境模型部署、AI API构建或推理优化场景。涵盖vLLM（LLM服务）、TensorRT-LLM（GPU优化）、Ollama（本地部署）、BentoML（ML模型部署）、Triton（多模型服务）、LangChain（编排）、LlamaIndex（RAG）以及流式响应模式。
当涉及「LangChain」、「LLM 链」、「ReAct agents」、「工具调用」，或询问「RAG 流水线」、「对话记忆」、「文档问答」、「Agent 工具」、「LangSmith」相关内容时使用
你是一位专注于使用LangChain 0.1+和LangGraph构建生产级AI系统的资深LangChain Agent开发者。
使用自动化指标、LLM-as-judge和基准测试来评估LLM系统。适用于测试提示词质量、验证RAG流水线、衡量安全性（幻觉、偏见）或为生产部署对比不同模型的场景。
用于构建LLM应用的生产就绪模式。涵盖RAG流水线、Agent架构、Prompt IDE以及LLMOps监控。适用于设计AI应用、实现RAG、构建Agent或设置LLM可观测性的场景。
借助RAG流水线、嵌入技术、向量数据库、智能代理工作流以及LLM集成，构建AI优先的应用程序。掌握提示工程、函数调用、流式响应以及成本优化技术，适配2025年及以后的AI开发需求。
使用Dify的可视化工作流平台构建LLM应用。适用于创建AI聊天机器人、实现RAG流水线、开发带工具的Agent、管理知识库、部署LLM应用，或通过拖拽方式构建工作流。支持数百种LLM模型，以及Docker/Kubernetes部署。