Claude Agent Skills 开源!模块化技能插件一键解锁专业能力,小白也能轻松上手(收藏必备)

news2026/3/17 18:45:43
Claude Agent Skills 是 Anthropic 开源的新功能通过加载不同领域的“技能插件”让 Claude 模型快速切换专业角色如代码审查师、设计师等。文章详细解析了 Agent Skills 的核心设计渐进式加载、可组合性、可移植性以及如何通过 ModelScope ms-agent 框架适配国内场景。此外还介绍了官方提供的 17 个开源技能并提供了 API 调用示例和避坑指南帮助开发者高效利用 Claude 进行专业任务处理。一、先搞懂Agent Skills 到底是什么本质上Agent Skills 是一个包含「指令脚本资源」的标准化文件夹核心价值的是让 Claude 动态加载特定领域知识实现从通用大模型到垂直领域助手如代码审查师、设计师、文档处理专家的快速切换。这一模块化赋能能力正是2025年AI大模型工具化、场景化落地的核心方向也是模型社区提升大模型实际应用价值的关键路径。值得关注的是国内主流模型开发框架 ModelScope 的ms-agent框架官方来源https://modelscope.cn/learn/2558?gad_source1gad_campaignid21830332002gbraid0AAAAA-G-q9tux3bVyFsbe-_DmP40Oa5GxgclidEAIaIQobChMItamOwbDVkgMVHGwPAh1XdgZLEAMYASAAEgKhp_D_BwE已完成对 Agent Skills 能力的深度适配与调用实现了 Claude 技能生态与本土大模型开发生态的无缝融合有效解决了海外AI能力在国内场景的适配难题让 Agent Skills 真正服务于国产化AI开发与应用。二、核心设计为什么说它比普通工具强10倍Agent Skills 能快速成为开发者刚需核心在于其三大底层设计哲学每一个都精准解决了通用大模型“泛而不精”“效率低下”的痛点尤其适配专业场景的高频需求同时也为 ms-agent 框架的适配提供了良好的技术基础。✅ 1. 渐进式加载省Token又高效不同于传统工具“一次性加载全部资源”的模式Agent Skills 采用「三层渐进式加载机制」按需调用资源极大降低上下文成本避免Token浪费这也是其能被 ms-agent 框架快速适配的核心优势之一① 第一层必加载YAML元数据仅100Token左右核心记录技能名称、用途及触发关键词实现需求与技能的快速匹配② 第二层触发加载SKILL.md核心指令不到500行仅在匹配到用户具体需求后加载不占用多余上下文空间③ 第三层按需加载参考文档、脚本、素材等辅助资源在技能运行过程中动态调用实现“用多少调多少”的高效模式。✅ 2. 可组合性多个技能协同干活复杂专业任务往往需要多环节配合Agent Skills 支持多技能同时激活、协同工作无需用户手动切换灵活度拉满。例如制作「营销分析报告」可同时加载3个技能形成协同链路→ design-skill负责报告排版规范保障视觉呈现→ analysis-skill负责数据分析提炼核心指标与结论→ report-skill负责报告结构规范确保逻辑连贯核心优势每个Skill均为独立模块化设计可单独调用、组合调用互不干扰这一特性也让 ms-agent 框架能轻松实现多技能的联动调度适配国内复杂业务场景。✅ 3. 可移植性跨平台、跨生态通用Agent Skills 采用标准化设计无需重复配置可在多平台无缝复用既覆盖 Claude 自身生态也能通过 ms-agent 框架实现与 ModelScope 生态下各类模型、工具的联动调用成为连接多平台、多生态AI能力的核心载体具体支持场景包括Claude.ai网页版付费用户直接内置触发需求自动调用Claude Code终端工具程序员首选支持命令行快速调用Claude API程序化调用开发者可直接集成至自有系统国产化生态通过 ms-agent 框架适配 ModelScope 平台各类大模型及开发工具实现本土化部署与调用。三、必看Skill 的文件结构新手也能看懂Agent Skills 的轻量化、标准化文件结构是其实现跨平台、跨生态复用的核心基础也是 ms-agent 框架能快速适配的关键原因。整体结构简单清晰核心仅1个必需文件新手也能快速上手搭建自定义Skill大幅降低大模型二次开发门槛其中SKILL.md是技能的核心包含「YAML配置Markdown指令」两部分负责定义技能的核心属性与执行逻辑以下是极简示例可直接复用适配 ms-agent 框架调用--- name: code-reviewer # 技能唯一标识小写连字符适配ms-agent框架调用规范 description: 专家级代码审查关注安全、性能和可维护性 # 触发关键词用于模型匹配需求 version: 1.0.0 # 版本控制便于迭代与兼容性管理适配ms-agent版本管理机制 allowed-tools: [Read, Grep, Glob] # 允许使用的工具安全控制避免越权操作 --- # 代码审查指南Markdown指令明确审查逻辑与标准 1. 安全漏洞审查重点排查SQL注入、XSS、权限泄露等常见安全问题 2. 性能评估分析代码时间/空间复杂度优化冗余逻辑 3. 可维护性评估检查代码注释、命名规范、复用性确保易维护。四、福利17个官方开源Skill直接能用适配ms-agent框架Anthropic 已在GitHubanthropics/skills开源17个官方Skill按场景分为5大类覆盖日常办公、设计、开发等高频需求无需用户自行搭建直接安装即可使用。这也是2025年大模型生态开放化的重要体现打破了AI专业能力的壁垒。更关键的是这些开源Skill已完成与 ms-agent 框架的适配国内开发者可直接在 ModelScope 生态中复用无需额外进行适配改造大幅提升国产化AI开发效率。类别Skill名称核心用途大白话创意设计algorithmic-art用p5.js生成艺术作品支持随机效果适配ms-agent可视化场景canvas-design生成博物馆/杂志级别的视觉设计可直接用于商业场景slack-gif-creator制作适合Slack的动画GIF提升办公沟通趣味性theme-factory一键生成10种专业配色方案适配设计类全场景设计规范brand-guidelines应用Anthropic官方品牌标识保障品牌一致性frontend-design生成生产级UI设计避免“AI味”适配前端开发场景web-artifacts-builder制作ReactTailwind交互式组件可直接集成至前端项目文档处理docx创建/编辑Word文档支持批量处理与格式标准化pdfPDF读取、创建、合并、OCR识别覆盖PDF全场景操作pptx制作PowerPoint演示文稿支持模板复用与内容排版xlsx编辑Excel表格支持公式、数据统计适配办公场景技术开发claude-apiClaude API/SDK开发指南自动适配多语言支持ms-agent框架集成mcp-builder搭建MCP服务器适配后端开发与服务部署场景skill-creator创建并测试自定义Skill支持ms-agent框架适配验证webapp-testing用Playwright做浏览器自动化测试提升前端测试效率企业协作doc-coauthoring协作文档写作多人同步编辑适配企业办公场景internal-comms提供企业内部沟通模板规范沟通流程、提升效率安装方法超简单分场景适配Claude生态Claude.ai付费用户直接内置无需安装触发需求自动调用•终端场景程序员首选# 添加官方Skills市场 /plugin marketplace add anthropics/skills # 安装具体Skill以文档处理为例 /plugin install document-skillsanthropic-agent-skills• 国产化场景ms-agent框架用户直接在ModelScope平台搜索对应Skill通过框架内置命令一键加载无需额外配置。五、进阶Claude Code 增强功能高手必学适配ms-agentClaude Code 进一步将 Agent Skills 升级为「Agent操作系统」新增多项实用功能大幅提升工程化使用效率成为2025年开发者工具的核心升级方向。同步地ModelScope 官方推出的 ms-agent 框架也完成了对 Claude Code 版本的全面适配实现了对新增 Bundled Skills、热重载等核心特性的兼容调用让国内开发者能同步享受海外AI升级红利降低国产化AI开发的技术门槛。1. 内置Bundled Skills一键调用不用手动加载Claude Code 内置常用 Bundled Skills输入 / 命令即可直接调用覆盖开发高频场景同时适配 ms-agent 框架的命令行调用规范国内开发者可无缝复用命令核心功能ms-agent适配说明/simplify审查代码优化复用性和质量直接适配可集成至代码优化流程/batch 指令大规模代码库并行重构拆分成5-30个任务适配框架并行调度能力提升重构效率/debug [描述]分析调试日志快速排查问题支持框架日志集成适配国产化部署场景/loop [间隔] 提示定时循环执行比如每5分钟检查部署状态适配框架定时任务机制支持本土化部署监控/claude-api自动加载API参考文档适配项目语言支持框架API集成简化国产化开发流程高级特性提升开发和使用效率ms-agent同步兼容Skill Hot-Reload修改SKILL.md后实时生效不用重启ms-agent框架同步支持该特性提升自定义Skill开发效率Lifecycle Hooks在Skill执行前后插入钩子如日志、验证ms-agent框架可基于该特性实现本土化业务逻辑扩展Forked Sub-agentsSkill可派生子代理并行处理复杂任务适配ms-agent框架的多代理调度能力提升复杂任务处理效率。六、API调用开发者必看附完整代码适配ms-agent框架Agent Skills 的标准化API为企业级、产品级AI集成提供了统一入口是2025年AI能力规模化落地的核心对接方式。针对国内开发者ms-agent 框架基于该标准化API做了深度封装优化提供了更贴合本土开发习惯的调用接口一行代码即可实现Agent Skills的加载与触发大幅降低集成成本。以下是原生API调用代码可直接复用及ms-agent框架简化调用说明from anthropic import Anthropic # 初始化客户端替换成你的API密钥 client Anthropic(api_keyyour-api-key) response client.messages.create( modelclaude-3-5-sonnet-20241022, # 支持Skills的模型ms-agent框架已适配该模型 max_tokens4096, # 必需Beta头不可省略ms-agent框架已内置无需手动添加 betas[code-execution-2025-08-25, skills-2025-10-02], # 必须启用代码执行工具Skills依赖ms-agent框架自动启用 tools[{type: code_execution}], # 指定要加载的Skills官方/自定义均可ms-agent支持相同配置 container{ skills: [ { type: anthropic, # 官方Skill skill_id: pptx, # 技能标识 version: 1.0 # 可选固定版本 }, { type: custom, # 自定义Skillms-agent支持本地自定义Skill加载 skill_id: my-analysis-skill } ] }, messages[{ role: user, content: 生成一份Q4销售数据分析报告 # 你的需求 }] )ms-agent框架简化调用示例核心优势无需关注Beta头、工具启用等底层细节聚焦业务需求以下为ModelScope官方标准调用方式适配本土大模型及技能加载import os from ms_agent.agent import create_agent_skill def main(): Main function to create and run an agent with skills. work_dir: str ./temp_workspace # Refer to https://github.com/modelscope/ms-agent/tree/main/projects/agent_skills/skills skills_dir: str ./skills use_sandbox: bool True ## Configuration for ModelScope API-Inference, or set your own model with OpenAI API compatible format ## Free LLM API inference calls for ModelScope users, refer to [ModelScope API-Inference](https://modelscope.cn/docs/model-service/API-Inference/intro) model: str Qwen/Qwen3-235B-A22B-Instruct-2507 api_key: str xx-xx # For ModelScope users, refer to https://modelscope.cn/my/myaccesstoken to get your access token base_url: str https://api-inference.modelscope.cn/v1/ agent create_agent_skill( skillsskills_dir, modelmodel, api_keyos.getenv(OPENAI_API_KEY, api_key), base_urlos.getenv(OPENAI_BASE_URL, base_url), streamTrue, # Note: Make sure the Docker Daemon is running if use_sandboxTrue use_sandboxuse_sandbox, work_dirwork_dir, ) user_query: str (Create generative art using p5.js with seeded randomness, flow fields, and particle systems, please fill in the details and provide the complete code based on the templates.) response agent.run(queryuser_query) print(f\n\n** Agent skill results: {response}\n) if __name__ __main__: main()七、避坑指南Skills 与其他机制的区别结合ms-agent框架很多开发者会混淆 Agent Skills 与 Claude 其他功能导致使用场景错位、效率低下。尤其在2025年大模型功能持续丰富、国产化生态快速发展的背景下清晰区分各类机制的定位才能最大化发挥AI价值。ms-agent 框架也基于这一机制区分在框架层面对 Skills、MCP、Sub-agents 等能力做了模块化拆解与重组让开发者能按需组合 Claude 的各类能力适配本土化业务场景具体区别如下机制触发方式使用场景核心特点ms-agent适配逻辑Skills模型自动判断赋予领域专业知识智能匹配、渐进加载、可复用核心适配对象作为框架技能核心模块Slash Commands用户手动输入 /command固定操作如部署、调试显式调用、即时执行兼容命令行调用集成至框架操作体系CLAUDE.md每次对话自动加载项目级通用规范全局上下文、始终生效适配框架全局配置支持本土化规范定制Sub-agents自动委托/显式调用隔离复杂任务独立上下文、并行执行适配框架多代理调度提升复杂任务效率MCPClaude需要时调用连接外部工具/数据外部系统集成适配框架外部工具对接层支持国产化系统集成重点区分Skills vs MCP开发者最易混淆结合ms-agent框架理解MCP核心是「连接层」解决「AI能做什么」如访问外部API、数据库、国产化系统是技能执行的基础支撑Skills核心是「知识层」解决「AI应该怎么做」如行业最佳实践、工作流程、避坑指南是提升任务专业性的核心两者结合才是完整的Agent架构——MCP提供能力边界Skills提供专业方法这也是2025年AI Agent实现端到端任务解决的核心架构。而ModelScope官方的ms-agent框架正是基于这一核心架构做了本土化的拓展与升级将Claude的Agent Skills与国内的大模型、工具生态、业务场景深度融合打造出更适配国内开发者的Agent开发体系解决海外AI能力在国内场景的落地难题。八、最佳实践创建高质量Skill的5个关键适配ms-agent框架精准描述Description作为技能触发核心需清晰说明Skill的用途、适用场景及触发关键词避免模型无法匹配需求同时需符合ms-agent框架的关键词匹配规范渐进式组织将详细参考文档、冗余素材放入references/文件夹保持SKILL.md精简节省Token同时适配ms-agent框架的资源加载机制权限控制通过allowed-tools字段限制Skill可调用的工具范围避免安全风险ms-agent框架会基于该配置做进一步的权限管控适配国产化安全需求可测试性编写完整的评估用例验证Skill在不同输入下的执行效果ms-agent框架内置评估工具可快速验证Skill的适配性与稳定性版本管理通过version字段规范技能迭代确保生产环境稳定同时适配ms-agent框架的版本管理机制便于多环境部署与复用。最后总结Claude Agent Skills 最核心的价值是「模块化赋能」——无需重构模型、无需反复喂Prompt通过加载不同的Skill即可让Claude快速变身各领域专家这也是2025年AI大模型从通用能力走向场景化落地的关键抓手。而ModelScope官方推出的ms-agent框架对Agent Skills的深度适配与调用更是打通了海外优质AI能力与国内开发场景的壁垒实现了两者的无缝融合让大模型的专业能力能被国内开发者高效、灵活地调用真正服务于实际工作与国产化AI发展。对于普通用户17个官方开源Skill已覆盖大部分办公、设计、开发需求直接安装即可使用对于开发者不仅可自定义Skill、通过API集成更能通过ms-agent框架实现与ModelScope生态下各类大模型、工具、业务系统的深度集成无论是个人高效办公还是企业级国产化AI产品开发都能找到适配的使用方式完美契合2025年AI普惠化、场景化、国产化的发展趋势。随着AI Agent的持续发展这种「模块化技能」必将成为行业主流收藏这篇详解提前掌握Claude Agent Skills的核心用法与ms-agent框架的适配逻辑轻松提升工作与开发效率如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。大模型入门到实战全套学习大礼包1、大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通2、大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。3、AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。4、大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。5、大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。适用人群第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2420302.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…