cuopt-multi-objective-exploration
分析多目标优化问题中的 Pareto 最优边界。
构建、配置和评估 AI、模型与智能体工作流。
第 27 页 · 共 1230 个 Skill
分析多目标优化问题中的 Pareto 最优边界。
创建新的 Claude Code 技能。
确立如何查找和使用技能的规则。
读取 Jetson 设备健康状态快照。
神经网络训练和部署。
在分布式沙箱环境中训练和部署神经网络模型。
实现无服务器后台任务和事件驱动的自动化工作流。
按需求编写高质量的生产代码,实现 API 设计和错误处理。
在得到大脑笔记中进行语义搜索,返回相关笔记标题和链接。
调度多个 AI agent 对代码进行安全、性能和风格方面的审查。
训练神经网络模式,实现自适应路由和知识巩固。
搜索微软 Graph API 端点文档和权限信息。
用 Zod 4 编写数据验证和解析模式。
用目标导向的动作规划动态生成复杂任务的执行计划。
根据任务需求动态创建和协调智能 agent。
在分布式系统中实现快速共识协议,处理节点故障。
将模糊的开发目标分解为可量测的实现步骤和里程碑。
在 GitHub 上创建和管理项目 Issue 及进度跟踪。
动态优化分布式 agent 网络的拓扑结构和通信模式。
为算法设计编写 SPARC 方法论中的伪代码阶段。
为代码开发任务制定分步骤的实现计划。
分析性能瓶颈并提供优化建议。
将 AI agent 任务同步到 GitHub Projects 看板。
自动化 Claude Code 的钩子,追踪学习模式和协调 agent。
在 Arize 平台创建和运行 LLM 评估任务。
协调分布式认知过程,同步群体记忆并达成共识。
动态分配计算资源,预测负载并规划容量。
帮你完成 SPARC 方法论的规范阶段,定义需求和验收标准。
通过 Prismic CLI 管理内容模型、仓库设置和文档。
运行 worker 系统的性能基准测试并分析结果。
管理 GitHub Pull Request 的审查和合并流程。
从 GitHub PR 出发创建和管理 AI swarm 进行代码审查。
控制用户 macOS 上的 Safari 浏览器进行页面操作和截图。
加载项目规格、列出现有 specs 和查找需求文档。
为 AI Agent 实现自适应学习系统,识别模式并优化策略。
在 Worker 和专业 Agent 之间协调任务分发和性能追踪。
用 x402 协议为你的服务设置付费墙并接受 USDC 支付。
用 AgentDB 实现语义向量搜索和相似度匹配。
用 AgentDB 后端实现 ReasoningBank 自适应学习。
创建和管理 E2B 隔离沙箱用于安全代码执行。