Loading...
Loading...
共找到 118 个 Skills
MosaicML集成。管理数据、记录并自动化工作流。适用于用户需要与MosaicML数据交互的场景。
将用户请求转换为针对AI模型的详细、精准提示词。当用户说“promptify”“promptify this”，或明确请求提示词工程优化其请求以获得更优AI响应时使用。
模型自动降级与故障切换。当主模型请求失败、超时、达到速率限制或配额耗尽时，自动切换到备用模型，确保服务连续性。支持多供应商、多优先级的智能模型选择，提供健康监控、自动重试和错误恢复机制。
Google Gemini集成。管理用户、对话场景。适用于需要与Google Gemini数据进行交互的场景。
为指定任务选择合适的fal.ai端点。按模态分类的生产端点默认目录，涵盖文本转图像、图像转图像、文本转视频、图像转视频等场景。适用于用户未指定具体模型，或询问“做X用哪个模型”“做Y的最佳端点是什么”“做Z应该用什么”的情况。
[通义千问] 推荐最优的Qwen模型及参数。触发场景：在选择Qwen模型、对比Qwen模型定价、了解Qwen模型能力、查询使用情况或账单、查看费用历史、执行技能需要模型选择建议时，或用户明确通过名称调用该技能（例如：use qianwen-model-selector）。禁止触发场景：非Qwen模型相关讨论（如OpenAI、Gemini等）、与Qwen无关的通用AI问题。
规划并协调将模型部署到Amazon SageMaker AI。当用户想要在SageMaker或AWS上部署、托管、服务或暴露模型时使用此技能——包括诸如“部署模型”、“在AWS上托管此LLM”、“服务此嵌入模型”、“部署重排序器”、“部署文本转图像/扩散模型”、“托管用于异步推理”、“创建端点”、“服务我的微调模型”等表述，或任何涉及在AWS上使模型可用于推理的请求。即使用户表述模糊（例如“我只想让这个在AWS上运行，你来搞定”）也可使用此技能。适用于文本生成LLM、嵌入模型、重排序器、分类器、文本转图像/扩散模型——会选择合适的服务栈，并在实时推理和异步推理之间做出选择。这是SageMaker部署工作的入口技能——它会提出澄清问题、选择部署路径并协调其他部署技能。
使用MAX的`max serve`命令部署模型：搭建环境（使用max-nightly conda源/ nightly wheel索引的pixi或uv），将服务器指向Hugging Face仓库或本地 checkpoint，通过`--custom-architectures`指定自定义架构，并为模型选择合适的部署参数。当用户想要在MAX上运行、启动或托管模型、搭建OpenAI兼容端点、部署自定义/移植架构、调试`max serve`启动失败问题，或者确定特定模型需要哪些部署参数（设备、量化编码、最大长度、任务、信任远程代码）时，即使未明确提及“max serve”，也可使用本指南。
添加和配置第三方 API 中转站供应商到 OpenClaw。当用户需要添加新的 API 供应商、配置中转站、设置自定义模型端点时使用此技能。支持 Anthropic 兼容和 OpenAI 兼容的 API 格式。
基于@google/genai SDK的Google Gemini API指南。适用于多模态AI、思维模式、函数调用场景，或解决SDK弃用警告、上下文错误、多模态格式错误等问题。
阿里云百炼模型选型与推荐。当用户需要"选择、推荐、对比"模型，或描述一个 AI 场景/功能需求（隐含需要帮其决策用哪个模型）时激活。核心意图是帮用户做决策， 不是单纯查资料。触发词：推荐模型、选哪个、哪个适合、对比、做一个XX、实现XX 功能、用什么模型好、XX场景方案。当用户同时涉及模型查询和模型选择时，优先 使用本 skill（本 skill 内部会读取模型数据完成推荐）。
通过fal.ai使用Kling最强大的模型家族Kling O3生成图像和视频。