Loading...
Loading...
共找到 97 个 Skills
为Genkit Dart SDK生成代码并提供文档支持。适用于用户需要在Dart中构建AI Agent、使用Genkit工作流，或在Dart/Flutter应用中集成大语言模型（LLM）的场景。
使用Tavily的LLM优化搜索API进行网页搜索。返回包含内容片段、评分和元数据的相关结果。当你无需编写代码即可查找任意主题的网页内容时使用。
使用网页搜索与LLM构建RAG（Retrieval Augmented Generation，检索增强生成）管道。工具包括：Tavily Search、Exa Search、Exa Answer，以及通过OpenRouter调用的Claude、GPT-4、Gemini。核心能力：调研、事实核查、基于事实的响应、知识检索。适用场景：AI Agent、调研助手、事实核查工具、知识库。相关触发词：rag、retrieval augmented generation、grounded ai、搜索与回答、调研Agent、事实核查、知识检索、AI调研、搜索+LLM、基于网页的AI、Perplexity替代方案、带来源的AI、引用、调研管道
为Convex应用添加AI Agent/RAG后端（@convex-dev/agent）
借助聊天模板和基于HNSW的上下文检索，为不同LLM提供商格式化提示词
管理Shell钩子——通过/hooks命令，在Agent生命周期节点运行的用户脚本，可用于阻止、重写操作或发出警告。
基于PyTorch、TensorFlow和大语言模型（LLM）集成的人工智能与机器学习开发指南。适用于构建机器学习模型、训练流水线、微调大语言模型或实现AI功能的场景。
使用Agno框架构建、部署和管理多Agent AI系统的全面技能指南
用于构建AI Agent的全方位Cline SDK技能指南。涵盖Agent运行时、ClineCore会话、自定义工具、插件、事件、LLM提供商、任务调度、多Agent团队以及生产部署等内容。适用于所有涉及@cline/sdk及其子包的任务。
CrewAI领域专家——这是一款领先的基于角色的多Agent框架，被60%的财富500强企业采用。内容涵盖带角色与目标的Agent设计、任务定义、团队编排、流程类型（顺序式、层级式、并行式）、内存系统以及复杂工作流的流转。是构建协作式AI Agent团队的必备指南。适用场景：crewai、多Agent团队、Agent角色、Agent团队、基于角色的Agent。
使用TanStack AI和React构建基于AI的聊天应用程序。适用于使用@tanstack/ai、@tanstack/ai-react、@tanstack/ai-client或任何TanStack AI包的场景。涵盖useChat钩子、流式传输、工具（服务端/客户端/混合模式）、工具审批、结构化输出、多模态内容、适配器（OpenAI、Anthropic、Gemini、Ollama、Grok）、智能体循环、开发工具以及类型安全模式。适用于使用TanStack AI进行AI聊天UI开发、函数调用、大语言模型集成或流式响应任务的场景。
Portkey AI Gateway Python SDK 完整参考文档，支持通过统一API访问200+大语言模型（LLM），具备自动降级、缓存与全链路可观测能力。适用于构建需要集成LLM且具备生产级可靠性的Python应用。