computer-vision-warehouse
当用户想要在仓库中应用计算机视觉,检测缺陷、跟踪包裹、计数库存或自动化视觉检查时。或者当用户提到“计算机视觉”、“图像识别”、“物体检测”、“条形码读取”、“包裹跟踪”、“质量检查”、“YOLO”、“RCNN”、“图像分类”或“基于视觉的仓库自动化”时。对于一般的机器学习,请参阅ml-supply-chain。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
当用户想要在仓库中应用计算机视觉,检测缺陷、跟踪包裹、计数库存或自动化视觉检查时。或者当用户提到“计算机视觉”、“图像识别”、“物体检测”、“条形码读取”、“包裹跟踪”、“质量检查”、“YOLO”、“RCNN”、“图像分类”或“基于视觉的仓库自动化”时。对于一般的机器学习,请参阅ml-supply-chain。
当用户想要优化卡车装载、装载配送车辆或计划车辆容量利用率时。也适用于用户提到“卡车装载”、“配送车辆优化”、“货车装载”、“货运车装箱”、“多点车辆装载”、“配送路线装载”、“轴重分布”或“车辆利用率”的情况。对于集装箱装载,请参见container-loading-optimization。对于路线优化,请参见route-optimization。
为大胆、简约的演示文稿提供视觉设计指导。提供了布局模式、字体层次结构、颜色规范和幻灯片构图规则。在询问“这张幻灯片应该看起来怎样?”、“...的设计指导”、“这张幻灯片应该使用什么布局?”,或者将内容转化为演示文稿的视觉结构时使用。
使用电影技巧、音频指导和时间戳编排为Google Veo 3.1制作专业的视频提示。在生成AI视频、创建视频提示或与Veo 3工作时使用。
当用户想要为Suno AI创作歌曲、写歌词、创建风格提示或生成Suno v5元标签时,应使用此技能。支持J-pop、K-pop、EDM、民谣、摇滚和拉丁音乐流派,以及专辑/EP创作、变体和歌曲延续。还处理基于参考的创作(如“像YOASOBI”、“Aimer风格”)和J-pop级别预设(“动画歌曲”、“主流”、“同人”)。触发词包括:“写一首歌”、“Suno提示”、“Suno元标签”、“音乐风格”、…
为LLM后训练(SFT/DPO/RLHF)创建高质量数据集的指南。在准备微调数据、评估数据质量或设计数据收集策略时使用。
在最少的监督下自主执行1-2小时或更长时间的任务。需要事先提供任务合同(成果、排除项、持续时间、限制条件),然后通过澄清→计划→自主工作→会议报告的方式执行。
视觉艺术和静态设计创作。输出:.png、.pdf文档。功能:海报设计、信息图表、视觉艺术、设计理念创作、构图、布局。操作:创建、设计、构图、生成海报/艺术/信息图表。关键词:海报、信息图表、视觉艺术、画布、构图、布局、PDF设计、PNG创建、图形设计、视觉层次、设计理念、美学运动、静态设计、可打印、艺术品。使用场合:创建海报、设计信息图表、生成视觉艺术、制作静态设计、生产可打印材料、以视觉方式表达…
当用户希望优化集装箱装载、高效装载运输集装箱或最大化集装箱利用率时。此外,当用户提到“集装箱装箱”、“整柜优化”、“拼柜整合”、“集装箱填充”、“货物优化”、“运输集装箱装载”或“集装箱利用率”时也适用。对于托盘级别的优化,请参阅托盘装载。对于一般的三维包装,请参阅3D箱子包装。
本地优先的RAG记忆系统,适用于AI代理。渐进式披露搜索、会话自动捕获、每个项目的上下文大脑目录、注入防御。
在法律情境中展示AI能力的框架。提供跨越租客法、商业合同、创业纠纷、雇佣索赔以及消费者保护等领域的详细角色设定,并配有逐步复杂的情景。使用场景:(1) 展示由AI驱动的法律分诊或接收系统,(2) 展现负责任的AI辅助客户互动,(3) 培训员工如何在法律环境中恰当地使用AI,(4) 为法律科技演示创建现实场景,(5) 开发关于法律服务中AI应用的教育材料,或者(6) 在受控环境中测试由AI驱动的法律…
[WHAT] 为AI产品吉祥物、球形化身和动画伴侣的角色设计与插图助手。[HOW] 生成文本到图像的提示、角色参考表、动画状态矩阵、Lottie运动规范和SwiftUI动画参数。使用“nano banana”快速渲染模式进行快速5样本概念探索。[WHEN] 在设计吉祥物、化身、球形角色、动画斑点、引导动画、表情表或角色状态系统时使用。触发词包括:“character design”、“mascot…
有效使用write_todos工具进行Deep Agents中的任务规划和分解。当用户想要(1)使用write_todos实现任务规划,(2)将复杂任务分解为子任务,(3)通过待办事项跟踪代理进度,(4)调试为什么待办事项未完成,(5)为不同类型的任务(研究、编码、分析)设计待办事项结构,(6)了解待办事项状态生命周期和最佳实践,或(7)从LangSmith痕迹可视化待办事项进展时使用。
专注于 LLM 应用开发,涵盖 RAG 和 LangChain 架构。
在设置或运行自主股票交易操作时使用此技能。系统会持续研究股票,在没有人工输入的情况下做出交易决策,在Alpaca纸面交易上执行交易,并发送Telegram通知。基于AI-Trader的自主代理模式。
生成数据可视化、图表和曲线图。分析数据结构以选择最佳的可视化类型。支持条形图、折线图和散点图以提高清晰度。
当用户希望将自然语言处理应用于供应链,从文档中提取信息,分析供应商通信,对物品进行分类,或处理非结构化文本时。也适用于用户提到“自然语言处理”、“NLP”、“文本挖掘”、“文档提取”、“供应商情绪分析”、“基于文本的产品分类”、“BERT”、“用于文本的转换器”或“用于供应链的聊天机器人”。对于一般的机器学习,请参阅ml-supply-chain。
当用户需要准确/精确的字幕时间,或者使用强制对齐将字幕与音频/视频对齐时使用。校正字幕时间以匹配实际语音。使用LattifAI Lattice-1模型。
使用AI根据评分标准对事物进行打分、评级或评估。适用于作文评分、代码审查评分、候选人回答评级、支持质量审核、合规性评估、构建质量评分标准、根据标准运行质量检查、绩效评估、内容质量评级,或任何需要带有理由的数字分数的任务——而不仅仅是分类。
将ML/DL问题路由到专门的技能。当不确定适用哪种技能、用户提出广泛的ML问题或可能涉及多个主题时,请使用FIRST。映射:回归/分类 → ml-fundamentals,集成/聚类 → ml-advanced,TF-IDF/Word2Vec → nlp-classical,训练/反向传播 → deep-learning-core,PyTorch → pytorch-mastery,CNNs/图像…
当您已经验证了对称群,并且需要设计尊重这些对称性的神经网络架构时使用。当用户提到等变层、G-CNN、e3nn、可操纵网络、将对称性构建到模型中,或者需要针对特定对称群的架构建议时调用。提供架构模式和实现指导。
使用AgentDB的9种强化学习算法创建和训练AI学习插件。包括决策转换器、Q学习、SARSA、演员-评论家等。在构建自学习代理、实施RL或通过经验优化代理行为时使用。
通过一行代码自动进行探索性数据分析和可视化 - 生成全面的图表,检测模式,并导出到HTML/笔记本
从PDF文档生成具有可调节难度级别的评估数据集,用于RAG系统的测试和基准测试