通过Membrane CLI连接0codekit工作区数据,可处理表格、数据库、任务、日历、邮件、聊天消息和文档等信息;请求不明确时需补充应用或数据细节。
- 处理0codekit工作区信息
- 查看表格或数据库数据
- 查询任务和日历活动
通过反复实验改进模型、提示词或智能体系统,并按可量化目标评估。技能会将假设和经验保存在树状记录中、隔离各次试验,并用独立于探索的数据比较候选方案。
Applies Arbor Hypothesis Tree Refinement to research artifacts with repeatable evaluators, including model training, agent harnesses, data synthesis and benchmark optimization. Uses persistent hypotheses, isolated experiments, evidence propagation and held-out candidate comparison for multi-experiment research runs. Includes a standard-library state manager and guidance for the RUC-NLPIR Arbor CLI.
实测评分 未实测
查看安装方法本技能通过反复评估来改进模型、提示词或智能体运行系统。它将假设和实验结果保存在树状记录中,把成功或失败中得到的经验带入后续试验,并使用与探索阶段分开的评估来比较有潜力的候选方案。附带的状态管理工具可记录尝试过的修改,以及采纳或舍弃方案的依据。
当你有可修改的成果、有可重复执行的评估方法,而且需要开展多轮试验时,可以使用本技能。它适用于改进模型训练、提高智能体准确率、优化数据生成流程或比较提示词,也能帮助保留此前失败中得到的经验。
状态管理工具需要Python 3.10或更高版本;隔离实验工作区需要Git。可选的arbor-agent命令行工具需要另行安装;自主调用模型还需要认证信息和网络访问。附带工具本身不会运行评估,也不会合并Git分支。反复使用评估数据可能导致过度拟合。
本介绍由 AI(OpenAI Codex)根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。
AI 根据 SKILL.md 的内容检查了需要注意的操作和使用前提。评分只依据实际运行的结果(实测对比)。
不计入评分。 由 AI(OpenAI Codex)于 2026年11月15日 评估。仅供参考,安装前请同时查看原文。
安装前可以查看交给 AI 代理的指令内容。
还没有评价。欢迎分享你的使用感受。
无需登录即可发表。欢迎分享使用感受、提问,或说明在哪些环境下无法运行。
还没有评论。来写第一条吧。
通过Membrane CLI连接0codekit工作区数据,可处理表格、数据库、任务、日历、邮件、聊天消息和文档等信息;请求不明确时需补充应用或数据细节。
通过0xArchive API查询Hyperliquid、Lighter.xyz和HIP-3的历史及当前市场数据,包括价格、订单簿、交易、资金费率、未平仓量和清算,并检查数据更新时间与覆盖范围。
依据12-Factor App的12项原则检查代码库,逐项评估配置、依赖和日志等方面,并提供文件与行号证据、问题说明及按优先级排列的改进建议。
以玛雅历为灵感,用13天一个周期推进个人或团队项目。每天的“音调”提示行动重点,涵盖设定目标、执行、发布成果、整理和复盘。
根据稳态碳13示踪测量估算细胞内代谢通量,检查碳原子映射和测量输入,模拟标记分布并拟合受约束的通量,以判断数据能约束哪些通路反应速率。
此技能按步骤指导你通过 1688.com 选品、核查供应商、申请样品、议价并比较运输方式,也会梳理商品信息和付款风险,以及何时应咨询采购专家。