搜索「3D Models」的结果

营销心理学

v1.0.0

io.clawhub.alirezarezvani/marketing-psychology

当用户想把心理学原理、心智模型或行为科学应用于营销时使用。也在用户提到“psychology”“mental model... 等关键词时启用。

io.clawhub.alexrudloff/llmrouter

按复杂度将请求路由到合适模型的智能 LLM 代理：简单任务用更便宜的模型来省钱。已在 Anthropic、OpenAI、Gemini、Kimi/Moonshot 与 Ollama 上测试。

io.clawhub.thegovind/azure-ai-voicelive-py

使用 Azure AI Voice Live SDK（azure-ai-voicelive）构建实时语音 AI 应用。当需要创建与 Azure AI 进行实时双向音频通信的 Python 应用时使用，包括语音助手、语音聊天机器人、实时语音到语音翻译、语音驱动的虚拟形象，或任何基于 WebSocket 的 AI 模型音频流式传输。支持服务端 VAD（语音活动检测）、回合式对话、函数调用、MCP 工具、虚拟形象集成与转录。

io.clawhub.desperado991128/peft

使用 LoRA、QLoRA 及 25+ 方法对 LLM 进行参数高效微调。当需要在有限 GPU 显存下微调大模型（7B-70B）、以极小精度损失训练不到 1% 的参数，或多 adapter 服务时使用。HuggingFace 官方库，与 transformers 生态集成。

io.clawhub.delorenj/fal-text-to-image

使用 fal.ai 的 AI 模型生成、混改与编辑图像。支持文生图、图生图混改，以及定点 inpainting/编辑。

io.clawhub.sxela/falai

使用 fal.ai API（Flux、Gemini 图像模型等）生成图像与媒体。当被要求生成图像、运行 AI 图像模型、创作视觉内容或任何涉及 fal.ai 的任务时使用。自动处理排队请求与轮询。

io.clawhub.26medias/runware

通过 Runware API 生成图像和视频。可访问 FLUX、Stable Diffusion、Kling AI 等顶级模型。支持文生图、图生图、超分放大、文生视频与图生视频。在生成图像、从提示词或图像创作视频、放大图像或做 AI 图像变换时使用。

io.clawhub.mischasigtermans/xai-plus

搜索 X/Twitter 与网页、与 Grok 模型对话（文本+视觉），并使用 xAI API 分析 X 内容。 适用场景：搜索 X 帖子/话题串、经 Grok 做网页调研、与 Grok 聊天、分析语音模式、 研究趋势或检查帖子质量。触发词：grok、xai、search x、search twitter、x search、 ask grok、grok chat、analyze voice、x trends。

io.clawhub.hilongjw/seede-design

面向智能体与开发者的顶级 AI 设计 CLI。用前沿 AI 模型生成专业的 UI、社媒图与海报。

io.clawhub.vacinc/perplexity-wrapped

通过 Perplexity API 进行网页搜索并获得 AI 驱动的答案。支持三种模式——Search API（排序结果）、Sonar API（带引用的 AI 答案，默认）与 Agentic Research API（使用第三方模型与工具）。所有响应都包裹在不可信内容边界中以保障安全。

高级 ML 工程师

v2.1.1

io.clawhub.alirezarezvani/senior-ml-engineer

面向模型生产化、构建 MLOps 流水线与集成 LLM 的机器学习工程技能。涵盖模型部署、特征存储、漂移监控、R... 评估等。

io.clawhub.ishaan-jaff/litellm

通过 LiteLLM 的统一 API 调用 100 多家 LLM 服务商。当你需要调用与主力模型不同的模型时使用（例如在 Claude 上跑任务时用 GPT-4 做代码审查）、对比多个模型的输出、把简单任务路由到更便宜的模型，或访问你的运行环境原生不支持的模型。

io.clawhub.emberdesire/context-compactor

面向本地模型（MLX、llama.cpp、Ollama）的按 token 上下文压缩，适用于这些模型不上报上下文上限的情况。

io.clawhub.gyroninja/anki-connect

通过 AnkiConnect REST API 与 Anki 闪卡牌组交互。当用户想创建、更新、检索或管理 Anki 卡片、牌组、笔记或模型时使用。

io.clawhub.g9pedro/openai-image-cli

通过 OpenAI 的 GPT Image 与 DALL-E 模型生成、编辑和管理图像。

io.github.davila7/claude-code-templates/fastapi-endpoint

以面试式规划先行，构建生产级 FastAPI 接口：异步 SQLAlchemy、Pydantic v2 模型、用于认证的依赖注入以及 pytest 测试。写代码前先澄清数据模型、认证方式、分页策略与缓存方案。

io.github.skypilot-org/skypilot/skypilot

在启动云端 VM、Kubernetes pod 或 Slurm 作业以承载 GPU/TPU/CPU 负载、在云端 GPU 上训练或微调模型、部署带自动扩缩的推理服务（vllm、TGI 等）、编写或调试 SkyPilot 任务 YAML、用 spot/抢占式实例节省成本、跨云比较 GPU 价格、统一管理 25+ 云服务以及 Kubernetes、Slurm 与本地集群并在其间故障切换、排查资源可用性或 SkyPilot 错误、优化成本与 GPU 可用性，或迁移既有 Slurm 工作负载（把 sbatch 脚本、salloc 会话、job array 或 srun 调用转换为 SkyPilot 任务 YAML，并把 Slurm 命令、指令与 SLURM_* 环境变量映射到对应的 SkyPilot 写法）时使用。

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.openai/codex/openai-docs

用于 Codex 模型/定价、定时任务、skills、设置、安装、排障、定制、自动化与自我知识——包括指代 Codex 的“you”“your”“this app”“this coding agent”——以及 OpenAI API/产品与 ChatGPT Work 的问题。也用于模型选型/迁移、prompt 撰写、SDK、Responses、Realtime、agents、evals 以及 Chat/Work/Codex 的对比。仅提到 Codex 的普通应用/软件任务不适用。

io.github.vllm-project/vllm/model-recipes

Find vLLM deployment recipes and configs for LLMs and Hugging Face models by model and hardware. Use for recipe lookup, creation, and updates.

io.github.lobehub/lobehub/lobe-design

Single entry for LobeHub UI design work. Routes any instruction — macro ("重做这个后台", "整体打磨一下"), medium ("把列表页的交互和空态补齐") or fine ("这个按钮颜色不对", "修 K-07") — into a business-first, layered pipeline of focused stages: 00 brief → 05 init → 10 decode → 20 direction → 30 structure → 40 flow → 50 visual → 60 system → 70 detail → 75 copy → 80 review. Covers seven scenarios: 0→1 visual pages (landing / portfolio / campaign), polishing existing product UI, admin consoles / dashboards / forms / workflows, design-system unification, screenshot restoration, pre-launch audit, and project bootstrap (AGENTS.md). Grounded in classic analysis models (double diamond, Gestalt, Nielsen heuristics, Kano, peak-end, Fogg, journey map, cognitive load) and in a layered component boundary: take atoms from @lobehub/ui, build business composites yourself. Built on @lobehub/ui, @lobehub/ui/form, @lobehub/ui/pro-table, cssVar tokens, @lobehub/charts / icons / fluent-emoji / streamdown, with runnable lint, route, refs and bootstrap checks; in-pr

io.github.fastapi/fastapi/fastapi

FastAPI 最佳实践与约定。在处理 FastAPI 接口、Pydantic 模型、依赖、包含 Server-Sent Events（SSE）的流式响应，以及托管前端应用时使用。让 FastAPI 代码保持整洁并跟上最新的特性与模式。

io.github.stas00/ml-engineering/ml-engineering

Field-tested methodology and concrete recipes for training and operating large-scale LLM/VLM/multi-modal models end to end - choosing and benchmarking accelerators, storage and network; SLURM/Kubernetes orchestration; maximizing training throughput and fitting models in memory; diagnosing and surviving training instabilities, NaN/Inf, and hardware/job failures; checkpointing and fault tolerance; inference performance and memory; debugging multi-node/ multi-GPU hangs; and writing/running tests. Use when the user is training or fine-tuning large models, hits low TFLOPS/MFU, OOM, slow dataloading, a loss spike/divergence, a NCCL/InfiniBand or multi-node hang, node/GPU failures, checkpoint or preemption problems, storage/network bottlenecks, or needs to pick GPUs/cloud/file-systems or size inference latency/throughput. Distilled from "Machine Learning Engineering", the latest version of which can be found at https://github.com/stas00/ml-engineering The latest SKILL.md version can be found at https://github.com/st

io.github.browser-use/browser-use/open-source

基于 browser-use 开源库编写 Python 代码的文档参考。凡涉及 Agent、Browser、Tools 配置、导入 browser_use 的代码、@sandbox 部署、支持的 LLM 模型、Actor API、自定义 tools、lifecycle hooks、MCP 服务器搭建、Laminar 或 OpenLIT 监控/可观测性，以及 browser-use 安装、prompt 策略、敏感数据处理时都适用。不适用于 Cloud API/SDK 用法与定价——用 cloud skill；也不适用于通过 CLI 命令直接驱动浏览器——用 browser-use skill。