ralph-setup
设置由Ralph驱动的自动化代理开发。循环运行AI代理以根据用户故事实现功能、验证接受标准,并记录进度供下一个代理使用。
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。
设置由Ralph驱动的自动化代理开发。循环运行AI代理以根据用户故事实现功能、验证接受标准,并记录进度供下一个代理使用。
使用图形后验因果模型(GPCM)进行RAN优化的因果推断与发现、干预效应预测以及因果关系学习。在RAN数据中发现因果模式,并通过因果推理实现智能优化。
基于DSPy的移动性优化,包括时间模式、切换管理,并以15%的改进为目标。使用程序合成和大语言模型推理进行主动移动性优化和智能切换决策。
代理型LLM工作流程的推理与行动模式
高级推理与搜索策略(束搜索、MCTS)。适用情况:需要探索多条解决方案路径的复杂问题解决、优化问题、决策树,当你需要评分/排名的推理路径时。不适用情况:简单的线性推理(使用顺序思维)、琐碎的问题、不需要分支的情况。
根据可用的食材、饮食限制和个人偏好创建自定义食谱
激活递归思维委员会多人格框架
应用研发框架来优化提示和上下文。在优化上下文窗口使用、减少提示大小、委托给专门的代理或应用系统化的上下文管理时使用。
使用Ralph Wiggum技术与Ralphy CLI进行自主AI编码编排。当在任务完成前持续循环运行AI代理、通过PRD/YAML文件编排多任务开发、配置并行代理执行,或实现Ralph Wiggum自主开发方法论时,应使用此技能。触发条件包括提到ralphy、ralph、自主循环、基于PRD的开发或多代理编排。
针对RAN系统的强化学习工程,采用策略梯度、经验回放和AgentDB集成。实现结合能量、移动性、覆盖范围和容量的多目标优化混合RL。
由AI驱动的RCA Copilot用于根本原因分析和事件解释。使用场景:(1) 从Neptune和DynamoDB构建事件上下文检索,(2) 实现证据排名和根本原因候选生成,(3) 创建自然语言事件解释,(4) 生成推荐的补救措施。触发词:“解释事件”,“查找根本原因”,“诊断数据问题”,“什么导致了警报”,“事件的根本原因分析”。
预运行安全门,评估准备情况并推荐继续/修改/跳过决策。在计划锻炼前使用,根据睡眠、酸痛和最近的活动来评估恢复状态、受伤信号和训练负荷。
多供应商推理/思考配置。为OpenAI努力、Anthropic预算、Google级别/预算、DeepSeek中间件设立的区分联合体。触发词包括'reasoning'(推理)、'thinking'(思考)、'o1'、'deepseek'、'extended-thinking'(扩展思考)、'thinkingEffort'(思考努力程度)、'reasoningEffort'(推理努力程度)。
递归字符串图
一种在Reddit社区中撰写自然且有价值的评论的技能。包括从探索子版块、撰写评论、审阅、发布到跟踪的完整工作流程。
将模糊或不清楚的提示细化为精确、可执行的指令。当用户要求澄清或改进指令,或者输入内容含糊时使用。不适用于已经很明确的提示或简单问题。
全面的RAN优化,包括群集协调、认知意识以及15分钟闭环自主循环。在优化RAN性能、实现自愈网络、部署基于群集的优化或启用认知RAN意识时使用。
RAN ML系统的AgentDB集成专家,具有向量存储、模式识别和分布式训练协调功能。实现了150倍更快的搜索速度,<1毫秒的QUIC同步以及32倍的内存减少,用于RAN优化。
应用RE5分形推理来识别不同尺度上重复出现的自相似模式。
Von Holst重发散和伴随放电用于行为验证和信号处理
使用ReasoningBank实现自适应学习,用于模式识别、策略优化和持续改进。在构建自学习代理、优化工作流程或实现元认知系统时使用。
创伤知情的人工智能版主,适用于成瘾恢复社区。应用减少伤害原则,尊重十二步骤传统,区分健康冲突与虐待行为,检测危机帖子。在'社区管理'、'论坛管理'、'审核帖子'、'检查内容'、'危机检测'时激活。不适用于法律文件(请使用recovery-app-legal-terms)、应用程序开发(请使用领域技能)或治疗(请使用jungian-psychologist)。
对Reddit上关于任何产品、品牌、公司或主题的讨论进行全面的情感分析。分析人们喜欢什么、不喜欢什么以及希望有什么不同之处,并提供结构化的输出摘要。
当被要求使用简写如“L15 > P1 > E2”或“lesson 15 pattern 1 example 2”来重新生成音频示例时 - 使用正确的参数运行regenerate_example.py