Loading...
Loading...
共找到 351 个 Skills
Meta推出的8600万参数提示注入与越狱检测器。为LLM应用过滤恶意提示和第三方数据。真阳率（TPR）达99%以上，假阳率（FPR）低于1%。处理速度快（GPU环境下<2毫秒）。支持多语言（8种语言）。可通过HuggingFace部署，或用于RAG安全的批量处理。
用于生成基于事实的LLM响应的检索增强生成（RAG）模式。适用于构建RAG流水线、从检索到的文档构建上下文、添加引用或实现混合搜索场景。
面向大语言模型（LLMs）的LlamaIndex数据框架，用于构建RAG应用。
针对使用Python进行LangChain和LangGraph开发的专家指导，涵盖链组合、Agent、内存管理以及RAG实现。
当你使用Mastra（一款用于构建Agent、工作流、工具和AI驱动应用的TypeScript AI框架）时，请使用本技能。在创建Agent、定义工作流、配置内存、搭建RAG管道、设置MCP客户端/服务器、语音集成、评估/评分器、部署以及使用Mastra CLI命令时触发本技能。当提及“mastra dev”、“mastra build”、“mastra init”、Mastra Studio或任何Mastra包导入时也会触发。
使用Convex Agent组件构建AI Agent，包括线程管理、工具集成、流式响应、RAG模式和工作流编排
世界级机器学习工程技能，用于将机器学习模型投入生产、实施MLOps以及构建可扩展的机器学习系统。精通PyTorch、TensorFlow、模型部署、特征存储、模型监控和机器学习基础设施。涵盖LLM集成、微调、RAG系统和智能体AI。适用于部署机器学习模型、构建机器学习平台、实施MLOps或将LLM集成到生产系统的场景。
提供将Chroma向量数据库集成到语义搜索应用中的专业指导。当用户询问向量搜索、嵌入、Chroma、语义搜索、RAG系统、最近邻搜索或为其应用添加搜索功能时使用。
知识库RAG实现了完整的Retrieval-Augmented Generation流程：文档导入、智能分块、嵌入生成、向量存储索引、语义检索以及基于事实的响应生成。
使用Cargo CLI创建和配置AI Agent、上传用于RAG的文件、管理MCP服务器以及处理Agent记忆。适用于用户需要创建或更新Agent、上传知识库文件、连接MCP工具服务器或管理Agent记忆的场景。若要向Agent发送消息，请使用cargo-orchestration技能。
使用Cloudflare Vectorize V2构建语义搜索。涵盖异步变更、每个索引500万向量、31ms延迟、returnMetadata枚举变更以及V1版本弃用。可预防14类错误，包括维度不匹配、TypeScript类型问题、测试设置等。 适用场景：构建RAG或语义搜索、排查returnMetadata问题、V2时序问题、元数据索引、维度错误、vitest设置或wrangler --json输出问题。
面向AI应用的开源嵌入向量数据库。存储嵌入向量与元数据，支持向量检索、全文检索以及元数据过滤。提供简洁的四大核心功能API。可从笔记本环境扩展至生产集群。适用于语义搜索、RAG应用或文档检索场景，非常适合本地开发与开源项目。