“Multi Engine” 共 349 个结果
skillsmp.stas00-ml-engineering-skill-md
端到端训练与运维大规模 LLM/VLM/多模态模型的实战方法论与具体配方——选择并基准测试加速器、存储与网络；SLURM/Kubernetes 编排；最大化训练吞吐并在显存内装下模型；诊断并撑过训练不稳定、NaN/Inf 与硬件/作业故障；检查点与容错；推理性能与显存；调试多节点/多卡挂起；以及编写/运行测试。当用户在训练或微调大模型、遭遇低 TFLOPS/MFU、OOM、数据加载缓慢、损失尖峰/发散、NCCL/InfiniBand 或多节点挂起、节点/GPU 故障、检查点或抢占问题、存储/网络瓶颈，或需要挑选 GPU/云/文件系统，或估算推理延迟/吞吐时使用。提炼自《Machine Learning Engineering》，最新版本见 https://github.com/stas00/ml-engineering。
io.github.PostHog/posthog/turning-engineering-analytics-into-insights
把工程分析（PR / CI）数据转化为已保存的 PostHog insight、仪表盘与订阅，并说明如何用 SQL 直接查询产品数据。涵盖经 engineering-analytics-sources 发现按团队的 GitHub 仓库表、在 HogQL 中复刻精心的列语义、在涉及产品逻辑时读取暴露的 engineering_analytics_* 仓库视图（CI 成本、指纹化失败行、提交归属）、用 insight-create 保存查询，以及用 subscriptions-create 安排投递。当被要求“把这个存成 insight”“把 CI 健康度/合并时长做成仪表盘”“每周给我邮件发 PR 吞吐量”“画 CI 成本图”“跟踪首次评审时长”“订阅这些数字”“对 CI 成功率告警”或询问“工程分析读取哪些数据/表/视图”时使用。临时性 CI 与合并问题用 diagnosing-ci-and-merge-bottlenecks；调查某个具体 CI 失败用 investigating-ci-failures。
io.github.addyosmani/agent-skills/frontend-ui-engineering
构建生产级、可访问、响应式的用户界面。在构建或修改界面与页面、创建组件、实现布局、满足 WCAG 可访问性要求、管理状态时使用，或当产出需要达到生产质感而非 AI 生成感时使用。
io.github.affaan-m/ECC/ai-first-engineering
适用于 AI 代理产出大部分实现成果的团队的工程运营模型。在为大量由代理编写的代码库设定团队流程、评审门槛或归属规则时使用。
io.github.affaan-m/ECC/agentic-engineering
以 Agentic 工程师的方式开展工作：评测优先执行、任务拆解与成本感知的模型路由。当需要规划或执行交由 Agent 端到端完成的工程工作时使用。
io.github.affaan-m/ECC/council-multi-model
在既有 council 已产出决策草稿之后，追加一次可选的外部 Codex 批评。适用于含糊、影响重大、值得由另一次模型调用来尝试打破现有综合结论的决策。把精简后的草稿与分歧发给 OpenAI 前需要明确同意，对同一提供商的评审如实标注，适配器不可用时把评审标记为缺席。
io.github.Jeffallan/claude-skills/devops-engineer
编写 Dockerfile、配置 CI/CD 流水线、撰写 Kubernetes manifest，并生成 Terraform/Pulumi 基础设施模板。处理部署自动化、GitOps 配置、事故响应 runbook 与内部开发平台工具。在搭建 CI/CD 流水线、应用容器化、管理基础设施即代码、部署到 Kubernetes 集群、配置云平台、自动化发布或响应生产事故时使用。涉及流水线、Docker、Kubernetes、GitOps、Terraform、GitHub Actions、值班响应或平台工程时调用。
io.github.alirezarezvani/claude-skills/senior-ml-engineer
面向将模型产品化的 ML 工程技能，涵盖 MLOps 流水线构建与 LLM 集成。包括模型部署、特征存储、漂移监控、RAG 系统与成本优化。当用户询问向生产部署 ML 模型、搭建 MLOps 基础设施（MLflow、Kubeflow、Kubernetes、Docker）、监控模型性能或漂移、构建 RAG 流水线，或集成带重试逻辑与成本控制的 LLM API 时使用。聚焦生产与运维，而非模型研究或初始训练。
io.github.mukul975/Anthropic-Cybersecurity-Skills/reverse-engineering-android-malware-with-jadx
使用 JADX 反编译器逆向恶意 Android APK：阅读 Java/Kotlin 源码、检查清单权限、receiver、service 与本地库，识别数据窃取、C2 通信、提权或覆盖层攻击行为。适用于分析疑似 Android 银行木马、间谍软件、短信窃取器或其他被标记的 APK，或一般性的移动恶意软件与 Android 威胁调查。
io.github.bytedance/deer-flow/engineer-system-change
从第一性原理评估并执行非平凡的软件系统变更。用于评估 RFC、issue、设计、功能、重构、依赖变更，以及所提字段、事件、API、模块与服务的必要性、消费者、系统适配、验证、回滚需要推敲的场景。阅读真实系统，识别具体问题与具名语义消费者，选择最小充分方案，拒绝伪需求与投机性抽象，并要求与风险相称的证据。不用于机械式编辑、源码讲解，或对已完成 diff 的专项审查。
io.github.sickn33/antigravity-awesome-skills/frontend-ui-engineering
构建生产级 UI。在创建或修改用户界面、构建组件、实现布局、管理状态时使用，或当产出需要真正达到生产质量而非 AI 生成感时使用。
io.github.alirezarezvani/claude-skills/chaos-engineering
用于规划、执行或从混沌工程实验中学习。触发词包括「chaos experiment」「fault injection」「gameday」「resilience test」「blast radius」「steady state」「abort criteria」「Chaos Toolkit」「Chaos Mesh」「Litmus」「Gremlin」「AWS FIS」，或任何刻意故障注入的问题。附带实验设计器、爆炸半径计算器与复盘生成器（均为 stdlib Python）、4 份关于混沌原则+实验设计+攻击分类法+工具生态的参考文档，以及 /chaos-experiment 斜杠命令。可与 feature-flags-architect（将 kill switch 作为中止触发器）及 kubernetes-operator（常见混沌目标）组合。
io.github.iamasters-academy/iamasters-os/automation-loop-engine
循环工程（Loop Engineering）引擎。把重复劳动变成系统：一次设计、多次执行，带校验、人工关卡与经验沉淀（REGLAS.md）。三种功能：(1) 安装 —— 首次使用时通过 5 个问题访谈，按各用户的业务、工具与边界定制本技能；(2) 雷达 —— 察觉某项任务正在变成长期循环，并询问「我们是把它设计成系统，还是先直接跑一次？」；(3) 工厂 —— 设计循环（9 格画布）、触发、运行与评估。只要用户说 "loop"、"sistematiza esto"（把这个体系化）、"automatiza este proceso"（自动化这个流程）、"línea de producción"（流水线）、"todas las semanas"（每周都）、"para cada cliente"（每个客户都要）、"hazlo en lote"（批量做）、"diseña el sistema"（设计这个系统）、"diseña el loop"（设计这个循环）、"monta el sistema de"（搭起……的系统）、"deja de hacerlo a mano"（别再手工做）、"loop engineering"、"convierte esto en un sistema"（把这变成系统）、"configura la skill de loops"（配置循环技能），或要求重复本次会话中已做过 2 次以上的任务时，一律使用。第 3 次重复同一任务时主动进入雷达模式（原文截断于 "con estru"）。
io.github.alirezarezvani/claude-skills/engineering-skills
工程团队技能包的索引，支持 Claude Code、Codex、Gemini CLI、Cursor、OpenClaw 及另外 6 种工具。涵盖架构、前端、后端、QA、DevOps、安全、AI/ML、数据工程、Playwright、Stripe、AWS、MS365（仅 stdlib Python 工具）。用于浏览或选择工程团队角色技能——只加载所需的单个专家 SKILL.md，切勿批量加载整个技能包。
io.github.alirezarezvani/claude-skills/engineering-advanced-skills
为 Claude Code、Codex、Gemini CLI、Cursor、OpenClaw 提供 37 个高级工程 agent 技能的索引。用于浏览或选择 POWERFUL 层级的工程技能：agent 设计、RAG、MCP 服务器、CI/CD、数据库设计、可观测性、安全审计、changelog/release 自动化、可靠性（SLO/chaos/flags/operators）、平台运维。
io.github.petyosi/react-virtuoso/reactive-engine
使用 @virtuoso.dev/reactive-engine-* 包族管理应用状态。在以下情况使用本技能：(1) 用 Cell、Stream、Trigger 或 Resource 节点定义响应式状态；(2) 通过 EngineProvider、useCellValue、useCellValues 或 usePublisher 连接 React 组件；(3) 用 reactive-engine-query 中的 Query 与 Mutation 获取数据；(4) 用 reactive-engine-router 的 Route、Layout 与 Guard 做路由；(5) 用 linkCellToStorage 持久化 Cell；(6) 基于该引擎架构组件或库；(7) 任何涉及 Engine、pub、sub、getValue、combine、pipe、link、changeWith、e 命名空间，或报错“No active engine found”的任务。
io.github.FerroxLabs/wayland/mobile-security-engineer
移动应用安全，涵盖证书绑定实现、安全的本地存储模式、越狱与 root 检测、代码混淆与防篡改、面向移动客户端的 API 安全、生物识别认证、安全密钥管理、网络安全、逆向工程防御，以及 OWASP MASVS 合规。当用户询问 mobile security engineer、mobile security engineer 最佳实践，或需要 mobile security engineer 实施指导时使用。当用户需要其他专项技能或涉及无关技术领域时请勿使用。
io.github.FerroxLabs/wayland/docker-engineer
Docker 容器化专家。多阶段构建、层缓存、安全（非 root、distroless）、docker-compose 模式、健康检查、网络、数据卷管理、镜像仓库管理、镜像扫描与 Dockerfile 优化。当用户询问 docker engineer、docker engineer 最佳实践，或需要 docker engineer 实施指导时使用。当用户需要其他专项技能或涉及无关技术领域时请勿使用。
io.github.openai/plugins/typescript-data-visualization-engineering
用 TypeScript 构建带类型的可视化。当用户需要 TypeScript 可视化代码、类型化数据模型、浏览器可视化组件、类 UML 图模型、交互式图或架构图契约、滚动驱动场景契约、库选型指导，或一套超越 React/Next 特定问题的可维护可视化架构时使用。
io.github.jeremylongshore/claude-code-plugins-plus-skills/cursor-multi-repo
在 Cursor 中同时处理多个仓库：multi-root 工作区、monorepo 模式、选择性索引与跨项目上下文。触发语：“cursor multi repo”、“cursor multiple projects”、“cursor monorepo”、“cursor workspace”、“multi-root workspace”。
io.github.ruvnet/ruflo/github-multi-repo
多仓库协调、同步与架构管理,由 AI 蜂群编排。
io.github.affaan-m/ECC/agentic-engineering
以 Agentic 工程师的方式工作：评测优先执行、任务拆解与成本感知的模型路由。
io.github.github/awesome-copilot/slang-shader-engineer
处理 Slang 着色器、着色器模块、HLSL 兼容的 GPU 代码、图形渲染管线、compute shader、曲面细分、光线追踪、参数块、泛型、接口、capabilities、跨编译、着色器优化、着色器评审，或 C++ 引擎集成 Slang 时使用。凡提到 Slang、.slang 文件、slangc、来自 Slang 的 SPIR-V、Slang 模块、[shader("compute")]、[shader("vertex")]，或要求编写/评审/重构使用现代语言特性的着色器代码时触发；也适用于 Slang 到 HLSL/GLSL/Metal/CUDA 的跨编译问题，或用户将 "shader" 与泛型、接口、参数块、autodiff、capabilities 并提时。
io.github.Cletrics/finops-agents/kubernetes-finops-engineer
Kubernetes 成本分摊、基于命名空间与标签的费用回溯，以及集群级优化专家。熟悉 OpenCost、Kubecost、Karpenter、Cluster Autoscaler 与 Vertical Pod Autoscaler。
