Claude Skills 中文技能市场——为 Claude Code、Codex 与 Cursor 精选 Agent Skills
收录 90,000+ 开源 SKILL.md 工作流,提供中文解读、安全检测与高速下载,一行命令即可装到你的 AI 编程助手里。
高分中文技能
nemo-curator
用于 LLM 培训的 GPU 加速数据管理。支持文本/图像/视频/音频。具有模糊重复数据删除(快 16 倍)、质量过滤(30 多种启发式)、语义重复数据删除、PII 编辑、NSFW 检测。使用 RAPIDS 跨 GPU 进行扩展。用于准备高质量的训练数据集、清理 Web 数据或对大型语料库进行重复数据删除。
nemo-guardrails
NVIDIA 针对 LLM 应用程序的运行时安全框架。具有越狱检测、输入/输出验证、事实检查、幻觉检测、PII 过滤、毒性检测等功能。使用 Colang 2.0 DSL 实现可编程轨。生产就绪,在 T4 GPU 上运行。
huggingface-accelerate
最简单的分布式训练 API。 4 行即可为任何 PyTorch 脚本添加分布式支持。 DeepSpeed/FSDP/Megatron/DDP 的统一 API。自动器件贴装,混合精度(FP16/BF16/FP8)。交互式配置,单一启动命令。 HuggingFace 生态系统标准。
moe-training
使用 DeepSpeed 或 HuggingFace 训练混合专家 (MoE) 模型。在训练计算量有限的大型模型(与密集模型相比成本降低 5 倍)、实施 Mixtral 8x7B 或 DeepSeek-V3 等稀疏架构或在不按比例增加计算量的情况下扩展模型容量时使用。涵盖 MoE 架构、路由机制、负载均衡、专家并行和推理优化。
evaluating-code-models
使用 pass@k 指标跨 HumanEval、MBPP、MultiPL-E 和 15+ 基准评估代码生成模型。在对代码模型进行基准测试、比较编码能力、测试多语言支持或测量代码生成质量时使用。 HuggingFace 排行榜使用的 BigCode 项目的行业标准。
screenshot-feature-extractor
分析产品截图提取功能列表并生成开发任务清单。适用场景:(1) 分析竞争对手产品截图提取功能,(2) 从UI设计生成PRD/任务列表,(3) 批量分析多个应用屏幕,(4) 从视觉参考资料进行竞争分析。
task-execution-engine
使用Markdown复选框执行设计文档中的实施任务。适用场景:(1) 从功能设计助手输出实施功能,(2) 恢复中断的工作,(3) 批量执行任务。触发于“开始实施”、“运行任务”、“恢复”。
feature-design-assistant
Turn ideas into fully formed designs and specs through natural collaborative dialogue. Use when planning new features, designing architecture, or making significant changes to the codebase.
knowledge-distillation
使用从教师模型到学生模型的知识蒸馏来压缩大型语言模型。在部署保留性能的较小模型、将 GPT-4 功能转移到开源模型或降低推理成本时使用。涵盖温度缩放、软目标、反向 KLD、logit 蒸馏和 MiniLLM 训练策略。
guidance
使用正则表达式和语法控制 LLM 输出,保证有效的 JSON/XML/代码生成,强制执行结构化格式,并使用 Guidance(微软研究院的约束生成框架)构建多步骤工作流程
quantizing-models-bitsandbytes
将 LLM 量化为 8 位或 4 位,可减少 50-75% 的内存,同时将精度损失降至最低。当 GPU 内存有限、需要适应更大的模型或想要更快的推理时使用。支持 INT8、NF4、FP4 格式、QLoRA 训练和 8 位优化器。与 HuggingFace 变形金刚一起使用。
grpo-rl-training
使用 TRL 进行 GRPO/RL 微调的专家指导,以进行推理和特定于任务的模型训练
weights-and-biases
通过自动日志记录跟踪 ML 实验,实时可视化训练,通过扫描优化超参数,并使用 W&B(协作 MLOps 平台)管理模型注册表
chroma
用于人工智能应用的开源嵌入数据库。存储嵌入和元数据,执行矢量和全文搜索,按元数据过滤。简单的 4 功能 API。从笔记本扩展到生产集群。用于语义搜索、RAG 应用程序或文档检索。最适合本地开发和开源项目。
simpo-training
LLM 对齐的简单偏好优化。 DPO 的无参考替代方案,具有更好的性能(在 AlpacaEval 2.0 上+6.4 分)。无需参考模型,比DPO更高效。当需要比 DPO/PPO 更简单、更快的培训时,可用于偏好调整。
langsmith-observability
用于追踪、评估和监控的 LLM 可观察性平台。在调试 LLM 应用程序、根据数据集评估模型输出、监控生产系统或为 AI 应用程序构建系统测试管道时使用。
constitutional-ai
Anthropic 通过自我完善来训练无害人工智能的方法。两阶段方法 - 通过自我批评/修改进行监督学习,然后是 RLAIF(来自 AI 反馈的 RL)。用于安全对齐,减少有害输出,无需人工标记。为克劳德的安全系统提供动力。
llava
大型语言和视觉助手。实现视觉指令调整和基于图像的对话。将 CLIP 视觉编码器与 Vicuna/LLaMA 语言模型相结合。支持多轮图像聊天、可视化问答、跟随指令。用于视觉语言聊天机器人或图像理解任务。最适合对话式图像分析。
常见问题
什么是 Claude Skills(Agent Skills)?
Skills 是一种标准化的 SKILL.md 指令包——把「何时触发、如何执行、使用哪些工具」写成结构化工作流,装入 Claude Code、Codex、Cursor 等 AI 编程助手后,Agent 遇到对应任务会自动调用,效果远好于每次手写提示词。
装了 Skill 之后怎么使用?
安装后无需手动调用:直接在 Claude Code / Cursor 里描述你的任务(如「帮我做 PR 代码审查」),Agent 检测到匹配的技能后会自动加载对应 SKILL.md 并按其流程执行。也可以在对话中显式要求「使用 xx skill」。
国内如何高速下载安装?
本站在 Cloudflare R2 托管了全部技能 ZIP 离线包,无需直连 GitHub:在详情页点击「Download ZIP」,或用 `npx skills add <owner/repo>` 一键安装;也可以复制 curl 命令直接解压到 ~/.claude/skills 目录。