prompt-optimizer
通过成熟的提示工程原则,将模糊或结构不良的指令转换为优化且高效的 AI 模型提示,提升执行质量与准确性。
探索可复用的代理技能,查看实现细节,快速找到适合你工作流程的技能。
共找到 135 个技能
通过成熟的提示工程原则,将模糊或结构不良的指令转换为优化且高效的 AI 模型提示,提升执行质量与准确性。
使用 Stable Baselines3 进行生产级强化学习。通过类 scikit-learn API 训练智能体、设计自定义环境、实现训练回调函数并优化工作流程。
使用 Lightkurve 进行天文光变曲线预处理与清洁。提供离群值移除、趋势平滑化、去趋势与数据质量标记处理工具,适用于天文时序数据分析。
使用 Flow Nexus 平台在分布式 E2B 沙盒中训练与管理神经网络,支持 Transformer、LSTM 和 GAN 等自定义架构。
优化 Apache Spark 作业,包含分区策略、内存管理、Shuffle 调整与数据倾斜处理,提升数据处理效能。
专注于 Trigger.dev 背景任务与 AI 工作流的专家助手,协助开发、设计与优化高可靠性的异步 TypeScript 任务架构。
使用 CasADi 和 IPOPT 的非线性优化工具组。适用于建立复杂的 NLP 模型、定义符号变量、约束条件与求解器,并提供电力系统优化模式的专业支持。
使用 PyMC 进行贝叶斯建模与概率编程。构建分层模型,执行 MCMC 采样 (NUTS) 与变分推断,并透过 LOO/WAIC 进行严谨的模型比较与后验检查。
端到端自动化研究代理:从想法生成、文献综述到实验执行、对抗式审阅循环与论文撰写。
用于检测光度曲线中凌日系外行星与食双星的 BLS 周期图工具。基于 astropy 的周期、持续时间与深度分析实现。
根据产品代码手册将测试工程师的缺陷描述标准化,修正错别字、缩写错误与歧义,并执行站点验证。
将您的代码库、提示词和 API 调用从 Claude Sonnet 4.0/4.5 或 Opus 4.1 迁移至 Opus 4.5,并自动调整相关设置。