此技能使用 Tavily 的擷取 API 從特定網址擷取乾淨的 markdown 或文字內容。非常適合研究、文件擷取和內容聚合，無需編寫自訂爬蟲程式碼。

資料庫效能不佳會使應用程式變得極為緩慢。本技能提供 27 種經過優化的 PostgreSQL 模式，涵蓋索引、查詢優化、連線管理、安全性和結構設計，可實現 10-100 倍的效能提升。

Crawl4AI 支援 JavaScript 的高效能網頁爬取、基於 schema 的資料提取，以及靈活的輸出格式。使用者可以在不呼叫 LLM 的情況下提取資料以實現具成本效益的自動化，也可以使用 LLM 驅動的提取來處理複雜內容。

AI 代理程式難以從過去的經驗中學習並隨著時間改進。ReasoningBank 提供使用 AgentDB 的自適應學習模式，使代理程式能夠追蹤軌跡、判斷結果，並將記憶提煉為可重複使用的模式。

傳統資料庫在語義搜尋查詢方面表現吃力。AgentDB 提供 150 倍更快的向量運算，搜尋時間低於毫秒，可建立智慧 RAG 系統和知識庫。

隨著資料增長，AgentDB 向量搜尋速度會變慢，導致應用程式延遲。此技能提供量化和索引技術，在保持準確度的同時實現 4-32 倍的記憶體減少，搜尋速度提升 150 倍。

建立自我學習的代理程式需要複雜的強化學習設定。此技能提供 9 種演算法的範本和指導，包括決策轉換器、Q 學習和Actor-Critic。

利用亞毫秒級同步和進階搜尋功能建構複雜的分散式 AI 系統。學習實作 QUIC 同步、自訂距離度量，以及混合向量加中繼資料搜尋，以用於生產環境應用程式。

測量代理品質需要結構化的方法。此技能提供多維度評估量表、測試集管理和生產監控，以持續評估和改進代理效能。

有限的上下文視窗限制了複雜任務並增加了 API 成本。本技能提供了經過驗證的技術，可通過壓縮、觀察遮罩、KV 快取最佳化和上下文分區，將有效的上下文容量提高兩倍或三倍。

上下文是有效 AI 代理效能的基礎。本技能將教您如何理解、設計和優化代理系統中的上下文。學習漸進式披露、注意力機制和上下文預算的原則，以建立更強大的 AI 代理。

手動評估 LLM 輸出耗時且審核者之間的結果不一致。本技能提供使用 LLM 作為評審的自動化評估生產級技術。包括直接評分量表、帶有位置偏差緩解的成對比較，以及置信度校準。

此技能提供 Azure AI 服務的完整文件和 SDK 參考，包括 Search、Speech、OpenAI、Vision、Translation 和 Document Intelligence。它可協助開發人員快速找到適合其 AI 解決方案的正確 API 和程式碼模式。

JSON Canvas 是一種用於 Obsidian 的開放式檔案格式，用於無限畫布資料。本技能提供全面的文件和指導，幫助您建立有效的 JSON Canvas 檔案，包含節點、邊線、群組和連接，適用於視覺畫布、心智圖和流程圖。

ZINC 資料庫包含超過 2.3 億種可用於藥物發現研究的可購買化合物。此技能提供程式化存取，可透過 ZINC ID、SMILES 或供應商代碼進行搜尋，擷取 3D 結構，並執行相似性搜尋以進行虛擬篩選和分子對接研究。

處理超過記憶體限制的大型資料集。Zarr-python 支援分塊陣列儲存和壓縮，為雲端原生科學計算工作流程提供高效能解決方案。

此技能可建立、編輯和分析包含公式、格式化和資料分析的 Excel 試算表。它還可以重新計算公式並驗證零錯誤，以確保發布品質的輸出。

處理超過 RAM 容量的大型表格資料集需要專門的工具。Vaex 支援核心外資料框架操作、延遲評估，以及每秒處理數十億筆資料集，適用於超出記憶體容量的資料。非常適合天文資料、金融時間序列和大規模科學分析。

高維度資料難以視覺化和分析。UMAP 在保持資料結構的同時縮減維度，實現清晰的 2D/3D 視覺化效果和更準確的聚類結果。

圖神經網路驅動著藥物發現、社交網路分析和推薦系統等現代應用。本技能提供可立即使用的模板和文件，用於使用 PyTorch Geometric 實作圖神經網路。