查找技能

连接运行中的Jupyter，保留变量和已加载数据，反复试验Python代码、检查对象及编辑单元格，并可重启后从上到下验证整个笔记本。

• 保留变量并逐步探索数据
• 检查DataFrame和Python对象
• 试验并修改API调用或复杂代码

帮助安装和使用LLaVA，为照片生成说明、回答图像内容问题，并支持围绕同一图像持续对话、理解带图文档，以及选择模型和配置量化以降低内存占用。

• 为照片编写说明
• 询问图像中的物体和场景
• 制作图像对话原型

使用稀疏自编码器将语言模型内部的激活分解为少量特征，研究模型学到的概念。涵盖预训练SAE分析、自定义训练、重建质量评估，以及利用特征调整输出的实验。

• 使用预训练SAE研究特征
• 针对特定模型层训练SAE
• 比较不同输入文本的特征响应

为处理长输入的Transformer模型接入Flash Attention，加快训练与推理中的注意力计算并减少GPU显存占用，涵盖安装、性能测量和输出比较。

• 加快长输入模型的训练
• 减少长文本推理的显存占用
• 比较处理速度与模型输出

帮助你使用FAISS实现大规模向量相似性搜索，涵盖索引选择、保存与加载及GPU使用，并调整搜索速度、准确率和内存占用。

• 实现大规模向量相似性搜索
• 按速度、准确率和内存选择索引
• 使用GPU批量搜索

指导通过评价回答的强化学习对大语言模型进行后训练。结合Megatron-LM与SGLang，涵盖数据准备、并行执行及自定义生成流程。

• 开始语言模型的GRPO训练
• 并行运行回答生成与训练
• 训练使用工具的智能体

利用优选与非优选回答对，对大语言模型进行无需独立参考模型的追加训练。提供不同模型的配置示例，并指导调整训练参数、应对训练不稳定和显存不足。

• 使用回答偏好数据训练模型
• 进一步调整指令响应模型
• 调整数学与代码任务的训练配置

将PyTorch训练代码整理为LightningModule和Trainer结构，配置验证、日志记录、模型保存及多GPU分布式训练。

• 迁移现有PyTorch训练代码
• 添加验证指标记录和模型保存
• 配置多GPU训练

使用Qdrant将文本等内容表示为向量，实现相似内容搜索。支持按类别或日期筛选、为AI回答检索资料、实时推荐，以及内存和分布式部署的配置调整。

• 为AI回答检索参考资料
• 按类别和日期筛选相似内容
• 实现实时推荐

帮助在有限GPU显存下配置LoRA和QLoRA，对大语言模型进行微调，并支持保存训练得到的适配器、按用途切换适配器及将其合并到基础模型。

• 在有限显存下微调模型
• 选择LoRA训练设置
• 按用途切换适配器

将文本拆分为供AI模型使用的小单位，并转换为数字序列。支持批量处理、自定义词表训练、原文位置对应，以及通过截断和填充统一输入长度。

• 批量处理模型所需的文本输入
• 从文本文件训练自定义词表
• 将预测结果对应到原文位置

以少量修改让现有PyTorch训练代码适用于多GPU或多台机器，指导混合精度、节省内存的DeepSpeed与FSDP配置，以及训练启动方法。

• 将单GPU训练迁移至多GPU
• 配置混合精度训练
• 通过DeepSpeed或FSDP节省内存

使用 NeMo Curator 整理大语言模型训练数据，去除重复和低质量内容，删除或替换个人信息。还涵盖处理流程的构建，以及图像、视频和音频数据的筛选整理。

• 将网页采集文本整理为训练数据
• 按完全匹配、近似和语义去重
• 删除或替换文本中的个人信息

从Hyperliquid获取市场数据、钱包余额、持仓及近期交易记录，结合已实现盈亏、手续费和市场走势复盘交易，并将蜡烛图与资金费率数据导出为分析用JSON。

• 查看市场价格、资金费率和订单簿
• 查询钱包持仓与现货余额
• 结合手续费和市场走势复盘交易

查询Solana钱包余额、持有代币、交易和NFT，并查看以美元计算的资产价值。还可查询代币价格、供应量和主要持有者，检查大额转账及网络状态。

• 查看钱包资产及美元总值
• 核查交易费用和余额变化
• 查询代币价格及主要持有者

帮助在Hermes中安装、配置和排查Honcho，让用户偏好与事实可跨对话保留。支持调整记忆读取方式、信息量及记录频率，并配置多个档案。

• 配置云端或自托管记忆功能
• 排查记忆缺失或档案同步问题
• 在多个档案间共享用户信息

Extract information from web pages through Aside using existing signed-in sessions. Collect lists, tables, prices, or links and receive one JSON document, a structured data format, without changing the page.

中文简介正在准备中。当前显示英语简介。

• Extracting product names and prices
• Collecting tables and links as JSON
• Reading information from signed-in pages

让Claude、GPT和Gemini执行同一技能或提示词，以表格比较响应时间、词元用量和费用，并可选用质量评分，帮助选择适合任务的模型。

• 为技能选择合适的模型
• 比较响应时间与费用
• 通过可选的AI评分比较质量

Turn a Caveman token-usage report into specific edits to instruction files, repeated context, and memory. Review each proposed change before approval, then measure the result and distinguish confirmed file reductions from less certain session-level effects.

中文简介正在准备中。当前显示英语简介。

• Trimming a large CLAUDE.md file
• Moving repeatedly pasted context into cavemem
• Reviewing duplicate rules and broken memory links

View recorded output tokens, cache-read tokens, response counts, and available mode attribution for a Claude Code session. In other agent environments, find the native usage report where supported, without treating observed usage as proof of savings.

中文简介正在准备中。当前显示英语简介。

• Checking recorded token usage for the current session
• Reviewing response counts and mode attribution
• Aggregating recorded output across sessions

Review Caveman Cloud spending, latency, errors, and potential improvements using current reports and traces, or individual execution records. Produce findings tied to time windows and trace IDs, while keeping measured costs, estimated opportunities, and verified savings separate.

中文简介正在准备中。当前显示英语简介。

• Understanding which workflows drive LLM spending
• Investigating slow responses and errors
• Reviewing measured costs and verified savings separately

Organize the information an AI coding agent needs for each task. This skill guides project rules, relevant file selection, conversation summaries, and session handoffs so the agent can follow existing conventions and retain key decisions.

中文简介正在准备中。当前显示英语简介。

• Set up project rules for AI coding agents
• Select relevant files before starting a task
• Trim stale information from a long conversation

Create HTML dashboards and reports from local data or connected services, with data that can be refreshed without redesigning the page. Record sources, timestamps, and transformations so readers can trace where displayed information came from.

中文简介正在准备中。当前显示英语简介。

• Build a dashboard whose data can be refreshed
• Create a report with traceable sources
• Turn connected service data into a status page

Find, compare, and run AI models through Replicate’s API, a service interface for calling models. Use it to explore image, audio, and video generation options and support workflows that frequently switch between models.

中文简介正在准备中。当前显示英语简介。

• Find models for image generation
• Compare audio generation models
• Try video generation models