unsloth
提供快速微调与内存优化的实践与工具，兼容 LoRA/QLoRA。
▸ 推荐理由侧重速度与内存节省，适合资源受限的训练场景
▸ 风险提示依赖硬件特性与实现细节，可能存在兼容性限制
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 8087 个
skypilot-multi-cloud-orchestration
跨云自动调度 ML 作业并优化成本与抢占实例恢复策略。
▸ 推荐理由便于在多云/现货实例上最低成本运行训练与批处理
▸ 风险提示会在云上创建实例并产生费用，需注意账号权限与账单
ray-data
用于机器学习的分布式数据处理与预处理，可扩展至集群。
▸ 推荐理由支持多模态与分布式流水线，适合大规模数据准备
▸ 风险提示集群部署可能涉及网络与权限配置或产生云端费用
peft-fine-tuning
使用 LoRA/QLoRA 等方法进行参数高效微调以降低显存与训练成本。
▸ 推荐理由在低资源 GPU 上实现大模型微调与多适配器部署
▸ 风险提示微调可能下载/改写大模型，需注意许可与资源消耗
ml-training-recipes
提供面向多领域的 PyTorch 训练实战模板与调参建议。
▸ 推荐理由集成生产级训练模式与调试技巧，便于快速落地训练
▸ 风险提示部分配置需大量算力或特定 GPU 环境
ml-paper-writing
提供从结构到模板的论文写作指导与投稿与审稿准备支持。
▸ 推荐理由集合顶级研究者写作策略与实用模板，适合投稿准备
evaluating-llms-harness
在60+学术基准上系统评估并比较语言模型性能的基准工具。
▸ 推荐理由行业标准基准套件，便于复现与横向比较
▸ 风险提示会下载/加载大型模型并消耗大量带宽与算力
creative-thinking-for-research
用认知科学框架为 AI/CS 研究生成新颖的研究方向与点子。
▸ 推荐理由系统化替代即兴头脑风暴，助力产出新颖研究点子
brainstorming-research-ideas
提供十种结构化的 ideation 框架，帮助生成高影响力的研究方向。
▸ 推荐理由适合早期探索与团队头脑风暴，能把模糊想法转为可执行问题。
huggingface-accelerate
为 PyTorch 提供统一分布式训练 API，少量改动即可启用多卡/混精度训练。
▸ 推荐理由极简改造即可在多卡/多机环境运行，降低分布式训练门槛。
▸ 风险提示需要安装外部依赖并访问 GPU/集群资源，可能涉及权限与兼容性问题。
academic-plotting
为 ML 论文生成架构图与数据驱动的出版级图表（matplotlib / Gemini）。
▸ 推荐理由同时支持系统图与数据图，一键产出可用于论文的高质量图表。
▸ 风险提示可能调用外部图像生成服务或需安装可视化依赖。
autoresearch
采用双环架构自动化编排整个 AI 研究项目，含实验迭代与成果合成。
▸ 推荐理由适合科研团队或代理人做长期探索与快速实验迭代的总体治理。
▸ 风险提示可能自动执行实验代码并消耗大量计算资源与权限。
nanoresearch-writing
汇总前期产出，自动生成完整 LaTeX 论文草稿并编译成 PDF。
▸ 推荐理由将研究成果直接产出为投稿级文稿，节省排版与整合时间。
▸ 风险提示可能调用外部编译工具或生成的参考文献需人工核验。
nanoresearch-planning
从选定假设生成详细实验蓝图，指定数据集、基线与评估指标。
▸ 推荐理由把高层假设转为可执行的实验计划，便于团队复现与实施。
nanoresearch-ideation
检索 arXiv 与 Semantic Scholar，做差距分析并生成研究假设。
▸ 推荐理由加速发现研究空白并产出可验证的假设，适合立项与选题阶段。
▸ 风险提示依赖外部学术检索接口，可能需要 API key 或外部请求。
nanoresearch-experiment
根据实验蓝图生成可运行的 Python 实验代码骨架，含训练/评估/消融配置。
▸ 推荐理由快速把研究想法落地为可跑代码，节省大量样板工程时间。
▸ 风险提示生成代码未经审计，直接执行存在安全和错误风险。
node-tools
通过 tsx 运行 TypeScript 脚本以发起 HTTP 请求并流式返回响应。
▸ 推荐理由适合需要快速本地 Node 小工具进行 HTTP 调用的场景
▸ 风险提示执行本地 Node.js 脚本并可能访问网络，需信任来源
playwright-expert
编写 Playwright E2E 测试脚本、配置测试夹具、CI 集成与视觉回归。
▸ 推荐理由帮助构建稳定可复现并适合集成到 CI 的浏览器自动化测试。
php-pro
使用现代 PHP8+ 与框架构建控制器、迁移、测试与类型化 DTO。
▸ 推荐理由适合维护传统 PHP 项目或进行现代化重构的开发者。
pandas-pro
执行高效 pandas DataFrame 操作，完成清洗、合并、透视与时序分析。
▸ 推荐理由擅长复杂表格变换与性能优化的数据处理助手。
nextjs-developer
构建 Next.js 14+ 应用的路由、服务组件、SEO 优化与部署配置。
▸ 推荐理由专注现代 App Router 与性能优化的前端全栈助理。
nestjs-expert
为企业级 TypeScript 后端生成 NestJS 模块、控制器、鉴权与测试代码。
▸ 推荐理由能快速产出符合依赖注入与模块化的后端实现与样板代码。
monitoring-expert
搭建 Prometheus/Grafana 监控与告警、日志与分布式追踪管线并做容量规划。
▸ 推荐理由适用于想把可观测性与性能调优做到位的团队。
ml-pipeline
设计并实现生产级 ML 流水线、训练编排、模型注册与自动化重训练。
▸ 推荐理由适合需要稳定模型上线与持续训练的工程团队。
microservices-architect
设计微服务边界、通信模式与弹性策略，并产出架构图与迁移方案。
▸ 推荐理由适合拆单体与云原生架构设计的资深顾问型助手。
mcp-developer
用于实现和调试 Model Context Protocol 的服务器/客户端以连接 AI 与外部工具与数据。
▸ 推荐理由适合构建 AI 工具链与外部数据接入的工程师。
legacy-modernizer
为遗留系统提供评估、分阶段迁移、依赖图与风险控制方案。
▸ 推荐理由擅长可执行的渐进迁移路线与风险管控。
laravel-specialist
为 Laravel 10+ 提供模型、认证、队列与 API 设计与实现建议。
▸ 推荐理由适合中小型 PHP 团队加速开发与最佳实践落地。
kubernetes-specialist
创建与排查 Kubernetes 清单、网络、存储与资源配置的专家级建议。
▸ 推荐理由覆盖部署、RBAC 到性能与日志调试的运维场景。
kotlin-specialist
提供协程、多平台、Compose 与服务器端的 Kotlin 实践与架构建议。
▸ 推荐理由适合 Android 与 KMP 项目提升并发与架构质量。
javascript-pro
编写、调试与重构现代 JavaScript/Node.js 代码并优化性能与异步流程。
▸ 推荐理由覆盖前后端常见问题，高频实用。
java-architect
为 Spring Boot 3.x、微服务与安全认证提供架构与调试建议。
▸ 推荐理由适合企业级 Java 应用架构设计和性能排查。
graphql-architect
为 GraphQL 架构、模式设计、Apollo Federation 与订阅优化提供专家级指导。
▸ 推荐理由适合设计跨服务 GraphQL 架构与性能调优的工程师。
golang-pro
提供 Go 并发模式、微服务设计与性能分析的高级实践建议。
▸ 推荐理由注重并发与性能优化，适合构建高吞吐微服务的工程团队。
game-developer
支持游戏系统设计、Unity/Unreal 实现与性能优化建议。
▸ 推荐理由覆盖从架构到帧率优化的实务要点，适合游戏开发团队与独立开发者。
fullstack-guardian
在全栈开发中实现分层安全、防注入与安全编码实践的建议。
▸ 推荐理由强调端到端安全性与实用防护措施，适合重视合规与安全的产品团队。
flutter-expert
提供 Flutter 与 Dart 的跨平台应用开发、状态管理与性能优化建议。
▸ 推荐理由聚焦实战开发与性能调优，适合移动与桌面跨平台项目团队。
fine-tuning-expert
指导 LLM 微调、LoRA/QLoRA 配置与训练数据处理流程。
▸ 推荐理由覆盖参数高效微调与数据验证，适合需要定制化模型的团队。
▸ 风险提示可能涉及下载大模型与高算力资源，存在成本与合规风险。
feature-forge
通过结构化研讨产出功能规格、用户故事与验收标准。
▸ 推荐理由兼顾产品与开发视角，能快速生成可执行的需求文档与清单。
fastapi-expert
辅助构建高性能异步 Python API，包括 Pydantic V2 与鉴权方案。
▸ 推荐理由覆盖从模型校验到 WebSocket 与 JWT 的完整实战流程，适合后端开发者。