工程開發資料分析自動化
backend-rag-implementation
建立 RAG 系統以運用專有數據增強 LLM。包含向量資料庫整合、嵌入策略、混合搜尋及 FastAPI 後端的高級檢索模式。
瀏覽: 24
探索可重用的代理技能,查看實作細節,快速找到適合你工作流程的技能。
共找到 200 個技能
建立 RAG 系統以運用專有數據增強 LLM。包含向量資料庫整合、嵌入策略、混合搜尋及 FastAPI 後端的高級檢索模式。
基於 Apple Silicon 與 MLX 的本地機器學習推論服務,整合語音識別 (ASR)、語音合成 (TTS)、翻譯、圖像生成與視覺識別功能。
從研究報告到成品 PDF 的全自動論文寫作流水線。
從零開始構建、配置與部署 NexAU Agent 的完整指南與開發框架,包含工具、提示詞與技能實現。
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。
您的協作寫作夥伴,提供研究、大綱擬定、草稿撰寫與即時回饋。適用於技術文件、部落格文章及需引用的內容。
適用於 MCP 的辯證推理與對抗式編碼代理,透過強制 LLM 解決內部矛盾,產出更高品質的推理與程式碼。
透過結構化的自我評估檢查點,確保 AI 在任務執行前、中、後的方案驗證與風險控管,提升程式開發品質。
智能戰略規劃與需求收集,支援多視角共識循環與結構化審議。
MoAI-ADK 基礎架構原則,包含 TRUST 5、SPEC-First TDD、委派模式以及節省 Token 的代理人協作工作流程。
為文件、技術規格與提案提供結構化的共同創作工作流程,引導使用者進行背景資訊匯集、協作式修訂與讀者檢核。
透過 prompts.chat 搜尋、發掘並優化 AI 提示詞。存取數千個專為 ChatGPT、Claude 等 AI 模型設計的社群精選提示詞。