Agent Skills Hub

prompt-engineering-patterns

掌握先进的提示工程技术，以最大化生产环境中大型语言模型（LLM）的性能、可靠性和可控性。

ReasoningBank Intelligence

通过 ReasoningBank 实现代理程序的自适应学习，进行模式识别、策略优化与持续改进。

prompt-estruturado

一个结构化的提示工程框架，能将随意输入转换为包含角色、背景、任务、格式及防护机制的专业模块化提示词。

skill-template

为建立与记录模块化代理技能所设计的标准化模板，确保在 AI 代理系统中间实现一致且高效的上下文工程。

creative-thinking-for-research

应用认知科学框架于计算机科学与人工智能研究，通过系统化的创造力策略生成具备原创性的研究方向。

flow-nexus-neural

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。

ai-multimodal

使用 Google Gemini 处理与生成多媒体内容。支持音频转录、图像识别、视频分析、PDF 解析及 AI 图像生成，具备超长上下文窗口，适用于复杂的多模态 AI 任务。

ascii-art

一个用于生成 ASCII 艺术的代理技能，针对无需反复修改的一次性艺术输出进行了优化。

ReasoningBank with AgentDB

使用 AgentDB 的超快速向量后端实现 ReasoningBank 自适应学习。具备轨迹追踪、判定评估、记忆蒸馏与模式识别功能，适用于构建自我学习的自主智能体。

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。

training-data-curation

用于 LLM 后训练（SFT/DPO/RLHF）的高质量数据集策劃指南，涵盖数据格式、质量过滤与收集策略。

stable-baselines3

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。