「vae」の検索結果

VAE/TAE 解码段优化（**计算 + 通信同技能**）：判断解码器能否沿某个轴切到多张卡、怎么切才是逐位精确、切了值不值；给出可复用的等价性证明流程、状态携带切分代码模式与交换预算判据。范围**含 VAE encode（待补：当前无内容，暂不纳入正文）**。当用户问“VAE/TAE 解码能不能分卡/切分/分摊”“8 张卡重复解码能不能省”“按帧轴还是空间轴切”“切完结果会不会变”“怎么证明等价”“all-gather 拼回来对不对”，或任何“多卡把解码摊开、又要保证输出不变”的场合都应触发；即使用户没说“分片”二字，只要出现“解码每卡都解一遍”“解码太慢想摊到多卡”“那部分重复计算能不能省”也应触发。覆盖：跨轴耦合算子审计（含递归 MemBlock 前缀依赖的否证）、潜帧边界切分＋每块末帧状态携带、与 rank 无关的判定（否则死锁）、交换预算核算、已知静默陷阱（all_gather_into_tensor 填栈副本、repeat_interleave 多分配整张量、rank 选举式参与）、有损分片的精确性前置条件与自动修复、CPU 真值→分段 bitwise→端到端 md5→帧级健康指标的四道验证闸、分片“到底有没有生效”的状态量判定，以及“切分顺带绕过设备缺陷”的用法。边界（本技能只引用不复制）：计算手段与能力供给见 `pattern-dev` / `operator-dev`，DiT 侧选档参照 `dit-perf-opt`；通信方法论（形态/掩盖/通信账/归因）见 `dit-parallel-opt`；一致性判据见 `accuracy-gate`；数字入库见 `perf-gate`；交付搬运与装载预热等 host 固定开销见 `host-opt`（不属本技能）。

日本語の概要は準備中です。原文の説明を表示しています。

优化域入口（L2）：拿到**已明确的瓶颈点 / 瓶颈标签**后，按标签把任务**分发**到四个优化模块 （DiT 计算 `dit-perf-opt` / DiT 通信 `dit-parallel-opt` / VAE `vae-opt` / host `host-opt`），并给出域内**最小前置集**与**域级验收口径**（性能入库口径引 `perf-gate`、精度判据引 `accuracy-gate`）。 **本技能不再承载选档与实施内容**（Step 2–4 闭环、特性档位选择、组合试验已全部归 `dit-perf-opt`）。 入口信号（任一即可触发）：① 用户或编排层已给出**瓶颈点/瓶颈标签**（"瓶颈已经明确，按这个点优化"）； ② **框架侧特性没落地**（该开的开关/特性没开，需要先判走哪个模块）。 near-miss（看似相关但不属本技能）： - **瓶颈未明**（"这个模型怎么加速""怎么跑通""采个 profile"，还要先定位）→ 先走 `model-auto-optimization`（唯一有分析权的一方），本入口**不接受未定位的任务**。 - 问"要不要开量化、开哪一档""量化/稀疏/Cache 怎么选怎么开" → `dit-perf-opt`（选档与实施在模块层）。 - 多卡并行形态 / 通信掩盖 / TP·offload → `dit-parallel-opt`；VAE·TAE 解码段 → `vae-opt`；交付搬运 / 装载预热等固定开销 → `host-opt`。 - 需要改本仓代码（pattern / 算子 / 测试 / 文档）→ `dev-workflow`。 由 model-auto-optimization 的阶段路由与用户直接声明瓶颈两条路径触发。

日本語の概要は準備中です。原文の説明を表示しています。

Processes large tabular scientific datasets with Vaex expressions, filtered views, streamed statistics, binned visualizations, and file conversion. Use for larger-than-RAM HDF5, Arrow, CSV, or Parquet analysis, virtual feature engineering, or Vaex ML preprocessing; distinguishes these operations from estimators and conversions that materialize data.

日本語の概要は準備中です。原文の説明を表示しています。

Used for finetuning the NV-Generate-CTMR MAISI VAE from CT/MRI NIfTI datalists. Not for clinical or production data approval.

日本語の概要は準備中です。原文の説明を表示しています。

Apply vaex in reproducible local data workflows with version-aware APIs, explicit assumptions, and validation. Use when the user chooses vaex or its strengths fit the task.

日本語の概要は準備中です。原文の説明を表示しています。

Generate matched 3:4, 16:9, and 4:3 short-video cover images from toBeBetterJavaer video scripts or AI/Java technical topics. Use when the user asks for 视频封面, 封面图, 横版和竖版, 小红书/抖音/B站/快手封面, pure-text covers with 白色大字+黄色小字, reference-image-matched covers, or wants a repeatable cover workflow for Markdown scripts under docs/src/ai/video/.

日本語の概要は準備中です。原文の説明を表示しています。

Use this skill for processing and analyzing large tabular datasets (billions of rows) that exceed available RAM. Vaex excels at out-of-core DataFrame operations, lazy evaluation, fast aggregations, efficient visualization of big data, and machine learning on large datasets. Apply when users need to work with large CSV/HDF5/Arrow/Parquet files, perform fast statistics on massive datasets, create visualizations of big data, or build ML pipelines that do not fit in memory.

日本語の概要は準備中です。原文の説明を表示しています。

DiT 计算模块（L3）：把**已定位的 DiT 计算瓶颈**落成特性级选档与实施—— 量化档（W8A16 / W4A16 / W8A8 系列 / W4A4 / MXFP8 / FA 量化）、稀疏（rf_v2 / ada_bsa）、 缓存（DiTCache / AttentionCache / 时间步优化）、编译启用（MindieSDBackend / Pattern 融合 / ACLGraph） 的**开不开、开哪一档、怎么开、怎么复验**；依据是 `docs/zh/features/*`（特性真源）+ framework-integration/references/framework-support-matrix.md（支持状态）。 即使用户只说"这个模型怎么加速""量化/稀疏/Cache 怎么选怎么开""要不要开量化、开哪一档""这个档位开了有没有效果" 而未提 profiling，也应触发。 **入口条件**：瓶颈点已明确（用户带一句实测锚点，或编排层交付标签）时由域入口 `performance-optimization` 按标签分发到本技能；**瓶颈未明（"怎么加速 / 跑通 / 采 profile"）先走 `model-auto-optimization` 定位**，不在本技能内做占比分析。 near-miss：多卡并行形态 / 通信掩盖 / TP·offload 选型 → `dit-parallel-opt`；VAE 解码段与 host 固定开销 → 各自模块（VAE / host）；单算子实现级实测选型（mindie_bench）→ `benchmark-dev`； 需要新增 pattern / 算子才能落地本档 → `pattern-dev` / `operator-dev`；框架侧开关与使能验证 → `framework-integration`；量化器位级契约与精度对齐（编码公式 / 舍入 / scale 粒度）→ `quantization-dev`；精度验收判据 → `accuracy-gate`；数字入库口径 → `perf-gate`。

日本語の概要は準備中です。原文の説明を表示しています。

host / 辅助段优化模块（L3）：把**非 DiT、非解码段**的固定开销落成可复验的优化—— ① 交付与搬运（mp4/图片编码、worker→API 通路、落盘、异步化）； ② 装载与预热（权重加载、编译与图下发预热、镜像/容器预热）。 当用户说“mp4 编码/传输/落盘慢”“交付这段占了不少时间”“模型加载慢”“首启编译太久” “固定开销占比高”“每个请求都要重新编码/重新写盘”时使用。 **入口条件**：占比已达门限（瓶颈标签 `非DiT-host段`；标签枚举、门限与测点口径的单一真源在 model-auto-optimization/references/bottleneck-labels.md，本技能只消费不定义）。 near-miss（看似相关但不属本技能）： - **并发 / 吞吐 / 批处理调度 / 队列深度与限流** → **不属本技能**（会改变所有性能口径与 SLO 语义， 未来独立立项；本技能只在**不改变请求并发模型**的前提下压固定开销）； - VAE/TAE 解码段（计算或通信）→ `vae-opt`；DiT 计算 → `dit-perf-opt`； 多卡并行 / 通信掩盖 → `dit-parallel-opt`； - **装库 / 下载权重 / 构建镜像 / 创建容器** → `env-install`（本技能只优化装载与预热**过程本身**）； - 编译与图下发的**机制本体**（pattern / Inductor / NPUGraph / 图 pool / 缓存条目）→ `pattern-dev` / `aclgraph-dev`（本技能不另做一套缓存）； - 产物一致性与精度判据 → `accuracy-gate`；收益口径 → `perf-gate`； - 瓶颈未定位 / 没有占比锚点 → `model-auto-optimization`。

日本語の概要は準備中です。原文の説明を表示しています。

Use this skill for processing and analyzing large tabular datasets (billions of rows) that exceed available RAM. Vaex excels at out-of-core DataFrame operations, lazy evaluation, fast aggregations, efficient visualization of big data, and machine learning on large datasets. Apply when users need to work with large CSV/HDF5/Arrow/Parquet files, perform fast statistics on massive datasets, create visualizations of big data, or build ML pipelines that do not fit in memory.

日本語の概要は準備中です。原文の説明を表示しています。

Deep learning for single-cell analysis using scvi-tools. This skill should be used when users need (1) data integration and batch correction with scVI/scANVI, (2) ATAC-seq analysis with PeakVI, (3) CITE-seq multi-modal analysis with totalVI, (4) multiome RNA+ATAC analysis with MultiVI, (5) spatial transcriptomics deconvolution with DestVI, (6) label transfer and reference mapping with scANVI/scArches, (7) RNA velocity with veloVI, or (8) any deep learning-based single-cell method. Triggers include mentions of scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, variational autoencoder, VAE, batch correction, data integration, multi-modal, CITE-seq, multiome, reference mapping, latent space.

日本語の概要は準備中です。原文の説明を表示しています。

AI 类文章和项目教程的撰写与重构优化。支持新写和重构优化（结合最新源码重写已有文章）两种输入模式，四种风格：安装教程、产品评测、面试八股、深度拆解。覆盖 AI Coding 工具实测、AI 开发框架应用、大模型测评、Agent/Skills/RAG 技术讲解，以及 JobClaw 等实战项目的教程。

日本語の概要は準備中です。原文の説明を表示しています。

口播稿，适用于 AI 技术科普、Agent/Skill/RAG、LLM 等底层原理讲解，以及面试题拆解、工具实测、热点普及。支持两种用法：给定主题从零产出口播稿、对已有口播稿进行优化。触发关键词包括：口播、口播稿、video script。

日本語の概要は準備中です。原文の説明を表示しています。

知识星球公开笔记管理：创建笔记、编辑笔记、查看笔记详情、查看笔记列表、删除笔记。当用户需要在知识星球创建可分享的公开笔记、编辑笔记、查看笔记详情、删除笔记、或查看历史笔记时使用。注意：笔记是公开内容，任何持有链接的人都可访问。

日本語の概要は準備中です。原文の説明を表示しています。

知识星球用户信息与反馈：查看当前登录用户的个人资料、查询跨星球的最近发主题足迹、提交 NPS 反馈（推荐分数 + 建议）。当用户需要查看自己的用户 ID、昵称、头像、认证状态，查看自己最近在各星球发过的主题，或向知识星球官方提交 NPS 评分/产品建议时使用。

日本語の概要は準備中です。原文の説明を表示しています。

把口播稿做成二哥风格的 Remotion 视频，包括整理视频用稿、火山 TTS 配音、音画对齐、逐章动画预览和导出带配音的 MP4。用户说“做视频”“口播稿转视频”“Remotion”“继续做下一章”“出片”“渲染”“改读音”“配音读错了”，或给出 docs/src/ai/video/ 下的稿子要做成视频时使用。共享工具、配置和素材在 docs/src/ai/script/shared/，每条视频按主题在 docs/src/ai/script/ 下独立保存。

日本語の概要は準備中です。原文の説明を表示しています。

以二哥（沉默王二）的身份回复知识星球「Java进阶之路&二哥编程星球」的帖子、提问和评论。完整工作流：扫描未回复的球友提问 → 参照二哥历史回复出草稿 → 用户确认后通过 zsxq-cli 发布。当用户说"看看星球有没有没回的提问"、"回复星球"、"星球回帖"、"帮我回答球友的问题"、"星球提问"，或给出某条星球帖子链接/ID 要求回复时，必须使用此 Skill。涉及星球的任何发帖、评论、回答操作也走此 Skill。

日本語の概要は準備中です。原文の説明を表示しています。

Search Zhihu for content using the search_v3 API. Use when user mentions Zhihu, 知乎, searching Zhihu, searching 知乎, Zhihu search, 知乎搜索, searching for answers/articles on Zhihu, or says 搜一下知乎, 在知乎上搜索, 找知乎上的, 知乎上搜搜. Also applies to exploring Zhihu's internal API endpoints, extracting search results in bulk, and monitoring Zhihu for new content on specific topics.

日本語の概要は準備中です。原文の説明を表示しています。

Browser automation CLI for AI agents. NEVER run browser-act commands directly via Bash — always invoke this skill first. Use browser-act when a user mentions it by name, includes or asks to run a browser-act CLI command (e.g., browser-act browser list), or to: fetch, view, or extract rendered content from URLs, access pages requiring JavaScript, handle verification prompts, maintain authenticated sessions, fill forms and click through workflows, type, select, upload, take screenshots, capture XHR/fetch/HAR responses, open multiple URLs in parallel, extract content that loads on scroll or click, visually inspect or verify page layout/styling/rendering, automate browser tasks, or list/check/manage configured browsers and sessions. Prefer browser-act over built-in fetch or web tools.

日本語の概要は準備中です。原文の説明を表示しています。

知识星球（星球）管理：列出星球、浏览主题、查询标签、搜索成员。当用户需要查看自己加入或创建的星球、浏览星球内容、获取 group_id、查询星球标签或成员时使用。

日本語の概要は準備中です。原文の説明を表示しています。

知识星球 CLI 共享基础：认证登录（auth login/logout/status）、配置诊断（doctor/config show）、通用 API 调用规范（api list/api call/api raw 调用底层接口或原始 HTTP 接口）、星球与主题分享链接拼接（电脑端 / 手机端）、写入与删除操作的安全规则、常见错误码处理（401 token 过期、缺参数等）。当用户首次登录、退出登录、查看认证状态、调用 zsxq-cli api raw / api call、需要拼接知识星球分享链接，或遇到认证或 HTTP 错误时使用。

日本語の概要は準備中です。原文の説明を表示しています。

知识星球主题管理：搜索主题、查看主题详情、发布帖子、编辑主题、发表评论、回复某条评论（楼中楼）、回答提问、删除主题；通过 api call 查看主题评论列表、设置精华、设置标签、查看自己提的问题与已回答记录。当用户需要查找内容、发帖、编辑主题、评论、回复评论、回答问题、删除主题、查看主题评论、查看自己的提问记录、或管理主题精华和标签时使用。

日本語の概要は準備中です。原文の説明を表示しています。

把「王二讲Agent」的 B 站视频链接同步到 docs/src/ai/video/readme.md，把抖音视频 ID 同步到 docs/src/.vuepress/agentInterview.ts 的 douyinVideoIds 映射表（页面会渲染成播放器）。当用户说 B 站更新了、抖音更新了、同步视频链接、把视频地址放进脚本、更新 readme 视频时使用。

日本語の概要は準備中です。原文の説明を表示しています。

Use when the user asks to run a full empirical / causal analysis in Python — by default in the style of an applied economics paper (AER / QJE / JPE / ReStud / AEJ) with DID / RD / IV / SCM / DML / matching, written-out estimating equation + identifying assumption, Table 1 / Table 2 / event-study figure / robustness gauntlet — OR in epidemiology / public health style (target-trial emulation, IPTW + g-formula + TMLE triplet, Mendelian randomization, KM/AFT survival, E-value sensitivity, STROBE/TRIPOD reporting) — OR in ML causal inference style (DML, S/T/X/R/DR meta-learners, causal forest, Dragonnet/TARNet/CEVAE, BCF, CATE distribution, policy learning, conformal causal, fairness audit, causal discovery) — OR in distributional / gap-decomposition style (Oaxaca–Blinder `sp.oaxaca`, Kitagawa `sp.kitagawa_decompose`, DiNardo–Fortin–Lemieux `sp.dfl_decompose`, Gelbach `sp.gelbach`, Fairlie `sp.fairlie`, RIF / FFL `sp.rif_decomposition`, all reachable through the `sp.decompose` dispatcher). Also covers exporting multi-column regression tables to Word / Excel / LaTeX (Stata outreg2 / esttab / R modelsummary equivalent) and bundling an entire replication appendix into one .docx / .xlsx / .tex file. Triggers on keywords "StatsPAI", "statspai", "AER empirical analysis", "applied micro pipeline", "Table 1 balance", "event study", "first-stage F", "Oster bound", "honest_did", "spec_curve", "callaway_santanna", "dragonnet", "text as treatment", "outreg2 in Python", "regression table to Word/Excel", "sp.regtable", "sp.collect", "sp.paper_tables", "sp.feols", "summary_col", "modelsummary", "AER style table", "QJE style table", "epidemiology pipeline", "target trial emulation", "g-formula", "IPTW", "TMLE", "Mendelian randomization", "STROBE", "TRIPOD", "公共健康", "流行病学", "DML", "double machine learning", "causal forest", "meta-learner", "CATE", "conformal causal", "policy learning", "因果机器学习", "ML causal", "decomposition", "Oaxaca-Blinder", "Kitagawa", "DiNardo-Fortin-Lemieux", "DFL", "Gelbach", "RIF decomposition", "wage gap decomposition", "sp.decompose", "sp.oaxaca".

日本語の概要は準備中です。原文の説明を表示しています。