Loading...
Loading...
共找到 19 个 Skills
ASP.NET Core Web API 实现方案：基于CQRS的简洁控制器、全局错误处理、模型验证、Swagger/OpenAPI、API版本控制、安全机制（CORS、身份验证）、中间件管道以及性能优化模式。适用于创建或编辑控制器、过滤器、中间件、Program.cs 或 API 端点的场景。
检查BIM模型一致性：包括模型元素的命名规范、参数完整性、空间关系以及数据完整性。
导出并验证用于Runtime部署的Physical AI Studio策略。适用于开发policy.export(...)、physicalai export CLI、ONNX/OpenVINO/Torch/ExecuTorch后端、导出元数据、数值一致性检查，或是Runtime通过InferenceModel(...)使用的导出/加载协议中Studio侧的相关工作场景。
使用数据拆分、TPR/TNR以及偏差校正方法，针对人工标签校准LLM judge。在编写完judge提示词（write-judge-prompt）后，若需要在信任其输出前验证一致性，可使用此方法。请勿将其用于基于代码的评估器（这类评估器具有确定性，应使用标准单元测试进行测试）。
根据提供的参考图、品牌模板、纹理图集、正射前后左右视图，或吉祥物/标志图重建Blender模型，此时对源文件的视觉保真度比对生成对象的合理性更为重要。当用户要求模型必须与模板、线框、纹理包、角色设定图、吉祥物设定图或品牌资产完全匹配时使用；当收到“与参考图不符”“1:1适配纹理”“可见部件数量错误”或“与模板对比”等反馈时也可使用。需要Blender MCP及装有Pillow/OpenCV/numpy的本地Python环境；可搭配blender-uv-texturing、wireframe-to-3d、blender-modeling、blender-materials和blender-export使用。
适用于在Platform、云端GPU或本地代码中训练、微调或验证Ultralytics YOLO模型的场景——涵盖model.train()、yolo train/val、远程指标流、epochs（轮次）、batch（批次）、imgsz（图像尺寸）、devices（设备）、数据增强、多GPU训练、训练恢复、结果分析，以及解决OOM（显存不足）、NaN loss（损失值为NaN）、低mAP（平均精度均值）或过拟合问题。有关超参数搜索和系统性优化循环，请参阅yolo-tuning。
适用于Rails模型设计场景——涵盖ActiveRecord模式、验证、回调、作用域、关联、Concerns、查询对象、表单对象