Loading...
Loading...
共找到 351 个 Skills
使用自然语言设计Azure基础设施，或分析现有Azure资源以自动生成架构图，通过对话优化架构图，并使用Bicep进行部署。 何时使用此技能：- "在Azure上创建X"、"搭建RAG架构"（全新设计场景）- "分析我当前的Azure基础设施"、"为rg-xxx绘制架构图"（现有资源分析场景）- "Foundry运行缓慢"、"我想要降低成本"、"增强安全性"（自然语言修改场景）- Azure资源部署、Bicep模板生成、IaC代码生成- Microsoft Foundry、AI Search、OpenAI、Fabric、ADLS Gen2、Databricks及所有Azure服务
OpenAI传统/无状态API完整指南：涵盖Chat Completions（GPT-5、GPT-4o）、Embeddings、Images（DALL-E 3）、Audio（Whisper + TTS）以及Moderation。包含Node.js SDK和基于fetch的两种实现方式，以实现最大兼容性。 适用场景：集成OpenAI API、使用GPT-5/GPT-4o实现对话补全、流式生成文本、调用函数/工具、通过JSON Schema生成结构化输出、为RAG实现向量嵌入、使用DALL-E 3生成图像、使用Whisper转录音频、使用TTS合成语音、内容审核、部署到Cloudflare Workers，或遇到速率限制（429）、无效API密钥（401）、函数调用失败、流式解析错误、向量嵌入维度不匹配、令牌超限等错误时。 关键词：openai api, chat completions, gpt-5, gpt-5-mini, gpt-5-nano, gpt-4o, gpt-4-turbo, openai sdk, openai streaming, function calling, structured output, json schema, openai embeddings, text-embedding-3, dall-e-3, image generation, whisper api, openai tts, text-to-speech, moderation api, openai fetch, cloudflare workers openai, openai rate limit, openai 429, reasoning_effort, verbosity
基于PostgreSQL的语义与混合搜索方案，使用pgvector和ParadeDB实现。 适用于在PostgreSQL中实现向量搜索、语义搜索、混合搜索或全文搜索的场景。内容涵盖pgvector配置、索引（HNSW、IVFFlat）、混合搜索（FTS + BM25 + RRF）、作为Elasticsearch替代方案的ParadeDB，以及通过Cohere/交叉编码器实现的重排序功能。支持适配OpenAI嵌入的vector(1536)和halfvec(3072)类型。 触发关键词：pgvector、向量搜索、语义搜索、混合搜索、嵌入搜索、PostgreSQL RAG、BM25、RRF、HNSW索引、相似性搜索、ParadeDB、pg_search、重排序、Cohere rerank、pg_trgm、三元组、模糊搜索、LIKE、ILIKE、自动补全、容错输入、fuzzystrmatch
2026年完整Google Gemini API参考手册，编写调用Gemini模型的代码时可随时查阅。内容覆盖google-genai SDK、Gemini 3/3.1模型、思想签名、推理配置、Interactions API、文件搜索（托管RAG）、Computer Use、URL上下文、Nano Banana图像生成、Live API、临时令牌、TTS、Veo视频生成、Lyria音乐生成及所有工具。请始终优先使用`from google import genai`而非任何旧版导入方式。任何Gemini API相关问题（哪怕是简单问题）都可以参考这份资料。
当你需要创建评估数据集、将数据集上传至LangSmith或管理现有数据集时，可调用此Skill。内容涵盖数据集类型（final_response、single_step、trajectory、RAG）、CLI管理命令、基于SDK的创建方式以及示例管理，使用langsmith CLI工具。
适用于连接自托管内存后端、搜索、存储或管理记忆、导入连接令牌，或是排查检索问题的场景。只要用户提到内存搜索、RAG检索、embedding、内存存储、多模态文档上传、知识查询，或是想要连接内存服务，即便没有明确提到“transcendence-memory”也可使用该skill。
使用OpenSearch构建搜索应用、查询日志分析数据。当用户提及OpenSearch、搜索应用、索引设置、搜索架构、语义搜索、向量搜索、混合搜索、BM25、稠密向量、稀疏向量、Agent搜索、RAG、embeddings、KNN、PDF摄入、文档处理或任何相关搜索主题时，使用此技能。也可用于日志分析和可观测性场景——当用户需要设置日志摄入、用PPL查询日志、分析错误模式、设置索引生命周期策略、排查链路追踪问题或检查栈健康状态时使用。即使用户只提到日志分析、Fluent Bit、Fluentd、Logstash、syslog、traceId、OpenTelemetry或日志分析，没有提到OpenSearch，也可激活此技能。
PDF 数据提取工具。当用户提到"PDF 提取"、"PDF 转 Markdown"、"PDF 解析"、"提取 PDF 内容"、"PDF 转 JSON"、"RAG PDF"时使用。OpenDataLoader PDF 是目前基准测试第一的 PDF 解析器，支持本地模式（快速、确定）和混合 AI 模式（复杂表格、扫描件、公式），输出 Markdown、JSON（带边界框）、HTML。适用于需要从 PDF 提取结构化数据用于 RAG/LLM pipeline，或需要批量处理 PDF 文档的场景。
面向AI Agent与LLM应用的DeepEval评估工作流。当用户希望评估或优化AI Agent、工具调用工作流、多轮对话机器人、RAG流水线或LLM应用；添加评估任务；生成数据集或黄金样本；使用deepeval generate命令；使用deepeval test run命令；添加追踪或@observe标记；将结果发送至Confident AI；监控生产环境；运行在线评估；检查追踪数据；或根据评估失败结果迭代优化提示词、工具、检索逻辑或Agent行为时触发。AI Agent是主要适用场景。涵盖Python SDK、pytest评估套件、CLI生成、追踪、Confident AI报告以及Agent驱动的优化循环。除非用户要求对比或迁移至DeepEval，否则请勿在无关的通用pytest、非AI测试设置或非DeepEval可观测性工作中触发。
基于CLIP、SigLIP 2、Voyage multimodal-3的图文检索、跨模态搜索及多模态文档分块方案。适用于构建含图片的RAG系统、实现视觉搜索或混合检索场景。
你可以将本skill用于所有PostgreSQL数据库相关工作——表设计、索引、数据类型、约束、扩展（pgvector、PostGIS、TimescaleDB）、搜索以及数据迁移。 **当用户提出以下需求时触发：** - 设计或修改PostgreSQL表、模式（schema）或数据模型 - 选择数据类型、约束、索引或分区策略 - 处理pgvector向量嵌入、语义搜索或RAG相关工作 - 搭建全文搜索、混合搜索或BM25排序功能 - 使用PostGIS处理空间/地理数据 - 为时序数据搭建TimescaleDB超表（hypertable） - 将表迁移为超表或评估可迁移的候选表 **关键词：PostgreSQL, Postgres, SQL, schema, 表设计, 索引, 约束, pgvector, PostGIS, TimescaleDB, hypertable, 语义搜索, 混合搜索, BM25, 时序数据
为AI增强型关联知识实现知识图谱。涵盖本体设计、图数据库选型（Neo4j、Neptune、ArangoDB、TigerGraph）、实体抽取、图-向量混合架构、查询模式以及AI集成。 适用于实现知识图谱、设计本体、抽取实体与关系、选择图数据库或构建图-向量混合搜索场景。可用于知识图谱、本体设计、实体消歧、Graph RAG、幻觉检测等任务。如需进行架构选型与治理，请使用knowledge-base-manager技能；如需构建文档检索流水线，请使用rag-implementer技能。