evaluating-code-models
使用 BigCode Evaluation Harness 评估代码生成模型。涵盖 HumanEval、MBPP 和 MultiPL-E 等基准测试,提供多语言编码模型的 pass@k 指标评估。
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 561 个技能
使用 BigCode Evaluation Harness 评估代码生成模型。涵盖 HumanEval、MBPP 和 MultiPL-E 等基准测试,提供多语言编码模型的 pass@k 指标评估。
使用 Pandoc 将 Markdown 转换为专业 PDF。支持 Eisvogel 模板、EB Garamond 字体,并针对不同场景优化排版(A4 用于打印/桌面,6x9 用于移动设备/Telegram)。
使用 markitdown 将各种文档、媒体和网页内容转换为 Markdown,非常适合大语言模型处理和文本分析。
根据研究计划与叙事报告,以章节为单位编写 LaTeX 学术论文,并通过多模型审阅机制确保质量。
全面的 SAP 系统 ABAP 开发支持,涵盖传统 ABAP、ABAP Cloud、CDS 视图、RAP、EML 以及现代语法模式。
通过管理 conductor/ 目录中的项目环境工件(产品、技术栈、工作流程、跟踪)来标准化开发环境。支持项目脚手架创建、工件同步以及针对全新与既有项目的 AI 对齐。
为 AWS、Azure、GCP 和 OCI 提供系统化的云端成本优化,涵盖资源调整、自动化治理、定价模型分析及架构最佳实践。
通过机会解决方案树、假设映射与假设导向的实验,进行结构化的产品探索,以降低产品开发风险。
通过 Model Context Protocol 自动化 Adobe After Effects。管理合成、图层、关键帧、效果和表达式,适用于动态图形、标题卡和标志动画制作。
将多个研究智能体的发现综合为连贯且附引用的研究报告,解析矛盾并提取核心共识。
一套规范驱动的工作流程管理系统,用于结构化的开发生命周期管理,涵盖提案、规划、实现及归档阶段。
生产级 Playwright 测试工具组。自动化 E2E 测试、修复不稳定的测试、执行从 Cypress/Selenium 的迁移,并整合 CI/CD、TestRail 和 BrowserStack。