Agent Skills Hub

scikit-learn

使用 scikit-learn 進行經典機器學習。適用於分類、迴歸、分群、降維、資料預處理、模型評估，以及構建 Python 機器學習流程。

MLOps Industrialization

一套將實驗性機器學習原型轉換為穩健、可發佈的 Python 套件之框架，採用 src 配置、混合架構與嚴謹的設定管理。

stable-baselines3

使用 Stable Baselines3 進行生產級強化學習。透過類 scikit-learn API 訓練智能體、設計自定義環境、實作訓練回調函數並優化工作流程。

iterate

代碼庫自動化優化循環。根據特定目標與機械指標，自動修改、測量並迭代代碼以提升效能。

llmfit-advisor

分析本機硬體 (RAM, CPU, GPU/VRAM) 並獲取最佳化的本機 LLM 模型推薦、量化設定與效能預估。

pytorch-lightning

PyTorch Lightning 深度學習框架技能：自動化模型訓練、多 GPU 編排、數據管道以及 DDP、FSDP 和 DeepSpeed 等分散式訓練策略。

pymc

使用 PyMC 進行貝葉斯建模與機率編程。構建分層模型，執行 MCMC 採樣 (NUTS) 與變分推斷，並透過 LOO/WAIC 進行嚴謹的模型比較與後驗檢查。

flow-nexus-neural

使用 Flow Nexus 平台在分佈式 E2B 沙盒中訓練與管理神經網路，支援 Transformer、LSTM 和 GAN 等自定義架構。

generate-image

使用 AI 模型（如 FLUX 和 Gemini）生成或編輯影像。適用於照片、插圖、概念藝術和視覺素材，不包含技術圖表或原理圖。

manufacturing-failure-reason-codebook-normalization

根據產品代碼手冊將測試工程師的缺陷描述標準化，修正錯別字、縮寫錯誤與歧義，並執行站點驗證。

performance-optimization

透過 Redis 快取、叢集運算、效能剖析與監控技術，優化 Node.js 應用程式效能，打造高效且可擴展的後端服務。

seaborn

Python 統計視覺化程式庫。透過 Pandas 整合與自動統計估計，輕鬆製作盒鬚圖、熱圖與小提琴圖等出版級品質的統計圖表。