什么是 AI Agent 中的 Skills？它有什么用？

优质文章学习记录

— 2 min read
什么是 AI Agent 中的 Skills？它有什么用？

👨‍⚕️主页： gis分享者
👨‍⚕️感谢各位大佬 点赞👍 收藏⭐ 留言📝 加关注✅!
👨‍⚕️收录于专栏：AI大模型原理和应用面试题

文章目录

一、🍀Skills

1.1 ☘️概念

Skills 就是给 AI Agent 写的操作手册，本质上是一份结构化的指令文件。当 Agent 碰到某类任务，就去读对应的 Skill，按里面的步骤一步步执行，不用你每次从头教它。

比如你想让 AI 帮你创建 Cursor 的自定义规则文件，规则文件放哪个目录、格式长啥样、有哪些字段，这些东西写一个 create-rule 的 Skill 就搞定了。Agent 碰到相关任务自动加载，不需要你每次重复沟通。

1.2 ☘️作用

1）把某个领域的专业知识、操作步骤、注意事项打包成一个文件，Agent 读了就能干活，不需要每次重复教

2）同一个任务不管执行多少次，Agent 都按 Skill 定义的流程走，输出质量可预期

3）通过编写不同的 Skills，让一个通用 Agent 具备各种垂直领域的专业能力，不需要重新训练模型

一个典型的 Skill 文件通常是 Markdown

Read more

llama.cpp Vulkan后端在AMD显卡上的完整部署指南：从问题诊断到性能优化

llama.cpp Vulkan后端在AMD显卡上的完整部署指南：从问题诊断到性能优化 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 想要在AMD显卡上流畅运行llama.cpp却频频遭遇Vulkan初始化失败？本指南将带你系统解决兼容性问题，实现高效的大语言模型本地化部署。llama.cpp作为C/C++实现的高性能大语言模型推理框架，通过Vulkan后端可以显著提升GPU加速效果，但在AMD平台上的特殊配置需求往往让新手望而却步。 问题快速诊断方法 常见故障症状识别 当你遇到以下任一情况时，很可能遇到了AMD显卡与Vulkan后端的兼容性问题： * 启动崩溃：程序启动时立即崩溃，日志显示"vkCreateInstance failed" * 加载卡顿：模型加载进度卡在"Initializing

一文读懂UGC、PGC、PUGC、OGC、MGC、BGC与AIGC

一文读懂UGC、PGC、PUGC、OGC、MGC、BGC与AIGC 在当今这个信息爆炸的数字时代，我们无时无刻不被各种形式的内容所包围——从短视频、直播到图文资讯、专业评测。你或许经常听到UGC、PGC、AIGC这些听起来很“高级”的缩写，但它们究竟代表什么？彼此之间又有什么区别和联系？今天，就让我们一次性说清楚内容创作领域的各种“GC”（Generated Content）。 文章目录 * 一文读懂UGC、PGC、PUGC、OGC、MGC、BGC与AIGC * 1 核心区别：是“谁”在创作内容？ * 2 UGC (User Generated Content) - 用户生成内容 * 3 PGC (Professionally Generated Content) - 专业生成内容 * 4

GitHub Copilot 使用笔记

GitHub Copilot 是 VSCode 自带的 AI Agent 插件，需要登录 GitHub 账号使用，分为免费版和付费版。 关于个人额度，可以在 Github 的 Copilot 菜单里查看 支持模型 添加第三方模型 通过 Manage Models 选中对应厂商。 可以通过 OpenRouter 来导入免费的模型，需要先到 OpenRouter 注册 API Key，输入后即可使用，也可以使用兼容 OpenAI 接口的三方 API，比如 硅基流动 SiliconFlow 使用帮助信息 切换到 Ask 模式，输入 /help 即可获取帮助命令，可以查看当前有什么可用命令和使用方法。 翻译后的内容，方便查看，
AIGC实战——CycleGAN详解与实现

AIGC实战——CycleGAN详解与实现

AIGC实战——CycleGAN详解与实现 * 0. 前言 * 1. CycleGAN 基本原理 * 2. CycleGAN 模型分析 * 3. 实现 CycleGAN * 小结 * 系列链接 0. 前言 CycleGAN 是一种用于图像转换的生成对抗网络(Generative Adversarial Network, GAN)，可以在不需要配对数据的情况下将一种风格的图像转换成另一种风格，而无需为每一对输入-输出图像配对训练数据。CycleGAN 的核心思想是利用两个生成器和两个判别器，它们共同学习两个域之间的映射关系。例如，将马的图像转换成斑马的图像，或者将苹果图像转换为橙子图像。在本节中，我们将学习 CycleGAN 的基本原理，并实现该模型用于将夏天的风景图像转换成冬天的风景图像，或反之将冬天的风景图像转换为夏天的风景图像。 1. CycleGAN 基本原理 CycleGAN 是一种无需配对的图像转换技术，它可以将一个图像域中的图像转换为另一个图像域中的图像，而不需要匹配这两个域中的图像。它使用两个生成器和两个判别器，其中一个生成器将一个域中的图像