使用 Azure Cognitive Services 偵測時間序列資料中的異常。此技能提供用於單變數和多變數異常偵測的 Java SDK 模式，並支援即時串流處理。

使用 Claude 或 GitHub Copilot 整合，將音頻錄音轉換為可搜尋的文字，並透過 AI 驅動的摘要生成專業會議記錄。

許多團隊追蹤的資料無法作為決策依據。此技能可設計出準確、可用於決策的分析資料衡量策略。

此技能讓 Claude 能夠透過 Rube MCP 自動化 Amplitude 產品分析工作流程，包括事件追蹤、使用者活動查詢、群組管理以及使用者識別。

此工作流程套件提供構建生產級 AI 應用程式的綜合指南，涵蓋從 LLM 整合到 RAG 系統和 AI 代理。它將多個專業技能協調為一個連貫的開發流程。

LLM agent 在生產環境中經常失敗，即使通過了基準測試。此技能提供行為測試、能力評估和可靠性指標，以便在部署前發現問題。

A/B 測試常因設計不良、過早停止和指標無效而失敗。此技能強制執行嚴謹的方法論，在任何測試運行之前必須通過假設鎖定、指標定義和樣本量計算的強制關卡。

研究人員和開發人員需要從網站收集結構化數據，但面臨反爬蟲措施和複雜頁面結構的挑戰。just-scrape 提供了一個 CLI 工具，使用 AI 智慧地從網頁中提取內容。

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。

Create professional text-to-video content with HappyHorse 1.0, the top-ranked model on the Artificial Analysis Video Arena. Generate native 1080p videos with synchronized audio in a single pass.

此技能消除了在進行公式計算時需要 Excel 或瀏覽器試算表 UI 的需求。它讓 AI 代理能夠使用 Bilig WorkPaper 函式庫，直接在 Node.js 服務、測試和 MCP 工具中計算試算表公式。

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。

無需手動操作即可從圖片中提取資訊。此技能使用 MiniMax 視覺 MCP 來分析照片、截圖、圖表和模型圖，提供詳細描述、文字提取和設計回饋。