搜索「3D Models」的结果

io.github.cheaper-inference/OmniRoute/cli-models

Query available AI models, list model aliases, and browse the full model catalog from the CLI. Filter by provider, search by capability, and resolve model name variants.

io.github.K-Dense-AI/scientific-agent-skills/statsmodels

Python 统计模型库。当需要具体的模型类（OLS、GLM、混合模型、ARIMA）并要详尽的诊断、残差与推断时使用。最适合计量经济学、时间序列，以及带系数表的严格推断。需要引导式统计检验选择与 APA 报告时使用 statistical-analysis。

io.github.discourse/discourse/discourse-warpdrive-models

在创建新的 WarpDrive 前端模型，或阅读、使用、修改已迁移到 WarpDrive 的模型（frontend/discourse/app/data 下的内容或继承 RestCompatModel/WarpRestModel 的类）时使用。

io.github.NVIDIA/skills/vss-deploy-detection-tracking-3d

以 MV3DT 模式（`MODE=mv3dt`）部署并运行 RTVI-CV-3D 微服务：逐相机 DeepStream 感知，加上标定相机的 BEV 融合。支持内置样例数据集、自定义视频文件与 RTSP 流；缺少标定时会串联调用 `vss-generate-video-calibration`。完整仓库蓝图请用 `vss-deploy-profile`，单相机 2D 检测请用 `vss-deploy-detection-tracking-2d`。

io.github.aiskillstore/marketplace/backend-models

定义数据库模型与 ORM 实体，遵循恰当的命名、关系、校验与数据完整性约束。在创建或修改模型类、数据库表定义、模型关系（一对多、多对多）、数据校验规则、数据库约束或模型方法时使用。适用于处理 ORM 模型文件、ActiveRecord、SQLAlchemy、Sequelize、Prisma schema，或任何将对象映射到数据库表并强制数据结构与关系的数据库模型定义。

io.github.aiskillstore/marketplace/backend-models

定义并配置数据库模型，遵循恰当的命名、关系、时间戳、数据类型、约束与校验。在创建或编辑 app/Models/ 下的模型文件、Eloquent 模型类、模型关系（hasMany、belongsTo 等）、数据库表结构、模型属性与转换、模型工厂或 seeders 时使用。在处理模型校验逻辑、数据库约束、外键关系、索引、作用域、访问器、修改器或任何 ORM 相关的模型配置时使用。

io.github.NVIDIA-AI-Blueprints/video-search-and-summarization/vss-deploy-detection-tracking-3d

以 MV3DT 模式（`MODE=mv3dt`）部署和运维 RTVI-CV-3D 微服务：逐相机 DeepStream 感知，加上基于标定相机的 BEV 融合。支持内置示例数据集、自定义视频文件与 RTSP 流，并在缺少标定时链式调用 `vss-generate-video-calibration`。完整仓库蓝图请用 `vss-deploy-profile`，单相机 2D 检测请用 `vss-deploy-detection-tracking-2d`

io.github.jeremylongshore/claude-code-plugins-plus-skills/deploying-machine-learning-models

该 skill 让 AI 助手把机器学习模型部署到生产环境：自动化部署流程、落地模型服务最佳实践、优化性能并处理常见错误。用于部署或管理基础设施时。触发词如 “deploy”、“infrastructure”、“CI/CD”。

io.github.tedivm/robs_awesome_python_template/sqlalchemy-models

创建或修改 SQLAlchemy 模型、查询与 Alembic 迁移。适用场景：定义新数据库表、编写查询、创建迁移、检查模型约定或理解数据库分层。

io.github.getsentry/sentry/django-models

遵循 silo、复制、relocation 与外键等架构约定，为 Sentry 设计 Django ORM 模型。在新增 Django 模型、为功能设计模型、决定数据存放位置、选择外键类型，或重构现有模型的 silo 归属时使用。触发语：“add a Django model”“create a model”“design a model for X”“new database table”“store this data in the DB”“I need to track Y”“model for [feature]”。不适用于 Pydantic 模型、dataclass、ML 模型或 Protobuf——本技能专指 Sentry 代码库中的 Django ORM 模型。

io.github.Microck/ordinary-claude-skills/backend-models-standards

以清晰的命名、恰当的数据类型、约束、关联关系与多层校验定义数据库模型。在创建或修改数据库模型文件、ORM 类、schema 定义或数据模型关系时使用。适用于处理模型文件（如 models.py、models/、ActiveRecord 类、Prisma schema、Sequelize 模型）、定义表结构、设置外键与关联、配置级联行为、实现模型校验、添加时间戳或使用数据库约束（NOT NULL、UNIQUE、外键）。任何涉及数据完整性强制、关联定义或模型级数据校验的任务均适用。

io.github.modelscope/AgentJet/docker-install-agentjet-swarm-server

在支持 NVIDIA GPU 的 Docker 容器中安装并运行 AgentJet Swarm Server。当用户想通过 Docker 在 GPU 机器上部署 swarm 服务器时使用，包括 GPU 驱动安装、Docker 镜像源配置、模型权重挂载与服务启动。

io.github.modelscope/ms-agent/pdf

功能全面的 PDF 操作工具箱：提取文本与表格、创建新 PDF、合并/拆分文档、处理表单。适用于 Claude 需要填写 PDF 表单，或批量程序化处理、生成、分析 PDF 文档的场景。

io.github.affaan-m/ECC/remotion-video-creation

Remotion 最佳实践——在 React 中创作视频。包含 29 条领域专属规则，覆盖 3D、动画、音频、字幕、图表、转场等。当用 Remotion 在 React 中制作视频时使用，如涉及动画、音频、字幕、图表或转场。

io.github.heygen-com/hyperframes/hyperframes-keyframes

当 HyperFrames 合成需要推近、拉出、缩放、改构图、Ken Burns 效果、运镜、视觉匹配/甩镜交接，或其他 seek-safe 的 2D/3D 关键帧时使用；也用于 GSAP、CSS keyframes、Anime.js、WAAPI、FLIP、路径、遮罩、SVG morph/draw、文字拖尾、3D 纵深，或 `hyperframes keyframes` 诊断。不要用于宽泛的场景策略、品牌设计、素材获取、字幕或一般视频规划。

io.github.K-Dense-AI/scientific-agent-skills/datamol

RDKit 的 Pythonic 封装，接口更简单、默认值更合理。标准药物发现任务的首选：SMILES 解析、标准化、描述符、指纹、聚类、3D 构象、并行处理。返回原生 rdkit.Chem.Mol 对象。需要高级控制或自定义参数时直接使用 rdkit。

io.github.nextlevelbuilder/ui-ux-pro-max-skill/banner-design

为社交媒体、广告、网站 hero 区、创意素材与印刷设计 banner。提供多套美术方向与可选的生成图或用户素材。动作：设计、创建、生成 banner。平台：Facebook、Twitter/X、LinkedIn、YouTube、Instagram、Google Display、网站 hero、印刷。风格：极简、渐变、粗字排印、摄影、插画、几何、复古、玻璃拟态、3D、霓虹、双色调、编辑风、拼贴。

io.github.nexu-io/open-design/threejs

用于在浏览器中创建 3D 元素与交互体验的 Three.js 技能——场景、材质、控制器与后期处理。

io.github.nexu-io/open-design/open-design-homepage

对线上 open-design.ai 主页的像素级忠实、自包含镜像——交互式 React Three Fiber / Next.js hero，含实时 3D 字标、贴纸拼贴、可变字体与滚动驱动动效。展示交互式网页营销页面视觉上限的第一方范例。

io.github.nexu-io/open-design/webgl-depth-gallery

随滚动联动的 3D 图片画廊（Three.js）：Z 轴堆叠的图片在各自情绪化背景色间交叉淡入淡出，带速度呼吸感、发光光标轨迹，以及编辑风格的 CMYK/RGB/HEX/PMS 色卡。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。

io.github.microsoft/ai-agents-for-beginners/local-ai-agents

使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。