Agent Skills Hub

scikit-learn

使用 scikit-learn 进行经典机器学习。适用于分类、回归、聚类、降维、数据预处理、模型评估，以及构建 Python 机器学习流程。

MLOps Industrialization

一套将实验性机器学习原型转换为稳健、可发布 Python 软件包的框架，采用 src 布局、混合架构与严谨的配置管理。

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。

iterate

代码库自动化优化循环。根据特定目标与机械指标，自动修改、测量并迭代代码以提升效能。

llmfit-advisor

分析本地硬件 (RAM, CPU, GPU/VRAM) 并获取优化的本地 LLM 模型推荐、量化设置与性能预估。

pytorch-lightning

PyTorch Lightning 深度学习框架技能：自动化模型训练、多 GPU 编排、数据管道以及 DDP、FSDP 和 DeepSpeed 等分布式训练策略。

pymc

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。

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。

generate-image

使用 AI 模型（如 FLUX 和 Gemini）生成或编辑图像。适用于照片、插图、概念艺术和视觉素材，不包含技术图表或原理图。

manufacturing-failure-reason-codebook-normalization

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。

performance-optimization

通过 Redis 缓存、集群运算、性能分析与监控技术，优化 Node.js 应用程序性能，打造高效且可扩展的后端服务。

seaborn

Python 统计可视化程序库。通过 Pandas 整合与自动统计估计，轻松制作箱线图、热图与小提琴图等出版级品质的统计图表。