Skills
浏览精选 AI 技能,涵盖开发、设计、测试等领域。
浏览精选 AI 技能,涵盖开发、设计、测试等领域。
显示 49-71,共 71 个

@sickn33
从提交历史生成简洁、结构化的 PR 描述,最小化 token 使用。

@sickn33
LLM 上下文窗口管理策略,包括压缩、摘要、优先级排序和高效利用有限上下文空间。

@sickn33
撰写能获得回复的 B2B 冷邮件和跟进序列。适用于创建外呼开发邮件、SDR 触达、个性化开场白、主题行、CTA 和多触点跟进序列。

@sickn33
完整的 Telegram Bot API 集成。包括 BotFather 设置、消息、Webhook、内联键盘、群组、频道。提供 Node.js 和 Python 样板代码。

@sickn33
上下文是推理时语言模型可用的完整状态。包括模型生成响应时可关注的所有内容:系统指令、工具定义、检索文档、消息历史和工具输出。

@affaan-m
审计 Claude Code 上下文窗口在代理、技能、MCP 服务器和规则间的消耗。识别膨胀、冗余组件,并生成优先级排序的 token 节省建议。

@sickn33
Daily 的文档和功能参考,用于实时音视频通信集成。

@sickn33
用于基于文件的上下文管理、动态上下文发现和减少上下文窗口膨胀。将上下文卸载到文件中以实现即时加载。

@sickn33
创建可复用的命令行脚本和工具来使用 Hugging Face API,支持链式调用、管道和中间处理。可直接访问 API 或使用 hf 命令行工具。

@affaan-m
加权社交图谱排名,用于暖介绍发现、桥接评分和跨 X 和 LinkedIn 的网络缺口分析。适用于用户需要可复用的图谱排名引擎本身,而非构建在其上的更广泛触达或网络维护工作流。

@sickn33
Yann LeCun 技术子技能。涵盖 CNN、LeNet、反向传播、JEPA(I-JEPA、V-JEPA、MC-JEPA)、AMI、自监督学习(SimCLR、MAE、BYOL)、基于能量的模型(EBM)和完整 PyTorch 代码。

@sickn33
根据 168 条基于研究的 UX/UI 原则评估界面,检测反模式,并将 UX 上下文注入 AI 编码会话。

@affaan-m
ECC 的证据优先当前状态研究工作流。适用于用户需要新鲜事实、比较、丰富化或基于当前公开证据和提供的本地上下文构建的建议。

@sickn33
在 SQL/dbt 编辑前呈现 Monte Carlo 数据可观测性上下文(表健康度、告警、血缘、影响范围)。

@sickn33
创建或更新可复用的产品营销上下文文档,包含定位、受众、ICP、用例和消息传递。在项目开始时使用,避免跨任务重复核心营销上下文。

@sickn33
自适应 Token 优化器:智能过滤、精准输出、歧义优先、上下文窗口感知、VCS 感知、MCP 感知。

@sickn33
上下文优化通过策略性压缩、掩码、缓存和分区扩展有限上下文窗口的有效容量。目标不是神奇地增加上下文窗口,而是更好地利用可用容量。

@affaan-m
从本地成本跟踪数据库跟踪和报告 Claude Code Token 使用量、支出和预算。适用于用户询问按项目、工具、会话或日期的成本、支出、使用量或预算明细。

@sickn33
顶级 AI 上下文工程专家,精通动态上下文管理、向量数据库、知识图谱和智能记忆系统。

@sickn33
GitHub 推送前深度审计:清除垃圾文件、死代码、安全漏洞和优化问题。逐行检查每个文件的生产就绪状态

@affaan-m
为模糊决策、权衡取舍和执行/放弃判断召集四方意见委员会。适用于存在多条有效路径且需要结构化分歧讨论后再做选择的场景

@sickn33
通过裁剪冗余上下文、管理 Token 使用和强制超简洁直达价值的响应来优化 AI 代理性能

@affaan-m
AI 原生线索情报与外联管道。用代理驱动的信号评分、互评排名、暖路径发现、来源衍生语音建模和跨渠道外联(邮件、LinkedIn、X)替代 Apollo、Clay 和 ZoomInfo