Loading...
Loading...
共找到 57 个 Skills
LLM与AI测试模式——模拟响应、使用DeepEval/RAGAS进行评估、结构化输出验证，以及智能体测试模式（生成器、修复器、规划器）。适用于测试AI功能、验证LLM输出或构建评估流水线场景。
生成包含不确定性说明与引用信息的简洁研究摘要
Vercel AI SDK（Python版）——构建支持流式传输、工具、钩子和结构化输出的大语言模型驱动应用的开发模式
当你需要在Customware生成的React Router和Hono应用中添加或修改AI聊天、文本生成、推理、工具、模型选择或结构化JSON输出时，使用此Skill。它涵盖了仅服务器端可用的Customware AI网关、带有OpenRouter适配器的AI SDK、AI Elements UI、支持的模型选项，以及必须执行的实时模型和结构化输出检查。
处理和分析用户上传的文件引用，提取关键信息并提供应用建议。适用于解析@符号引用、自然语言引用、提取短剧策划相关信息
正确设计n8n AI Agent的指南。适用于构建或编辑任何@n8n/n8n-nodes-langchain.*系列AI节点（包括AI Agent、LLM链、文本分类器、信息提取器）的场景，以及用户提及AI Agent、带工具的LLM、工具调用、$fromAI、系统提示词、Agent记忆、sessionId、结构化/JSON输出、输出解析器、RAG、向量存储、聊天助手/机器人或人工介入审核等内容时。涵盖Agent、链与分类器的选型、模型/记忆/工具/输出解析器插槽配置、作为提示词的工具名称与描述、带自动修复的结构化输出、记忆机制、RAG、人工审核以及聊天拓扑等内容。
当你为大语言模型（LLM）设计、迭代或优化提示词时使用该技能，包括零样本、少样本、思维链、角色提示、结构化输出和提示词链等场景。不适用于模型微调或训练，也不适用于跨基准测试评估模型质量。
使用统一的Opper SDKs（适用于Python和TypeScript的`opperai`包，内置Agent支持）完成AI任务、生成基于Pydantic/Zod/JSON Schema的结构化输出、进行知识库语义搜索、streaming、tracing、工具调用以及多Agent组合。当用户编写导入`opperai`的Python或TypeScript代码、构建Opper Agent，或是询问任何与Opper相关的代码实现问题时，均可使用此技能——即使他们未明确提及SDK。两种语言的SDK位于同一仓库中，配有对应的编号示例；Agent是SDK的一部分，并非单独的包。
直接使用cURL或原生HTTP调用Exa Search。当Agent无需SDK即可通过POST /search实现Exa语义网页检索时使用，包括排序结果、域名或类别筛选、感知时效性的结果内容、高亮或文本提取、结构化输出或流式搜索响应。