批处理任务

cost-aware-llm-pipeline 可帮助你构建能够控制 API 成本的 LLM 工作流，支持模型路由、不可变成本追踪、重试处理和 prompt 缓存。适合批处理任务、文档流水线和 Workflow Automation 等场景，尤其适用于需要为输出量与质量取舍设定明确规则的场景。

airflow-dag-patterns 可帮助你设计可用于生产环境的 Apache Airflow DAG，提供更完善的任务模式、依赖关系、operators、sensors、测试与定时作业部署指导。

speech-to-text 技能可将受支持的音频文件转写为纯文本，并支持时间戳、说话人标签和 JSON 输出。它面向需要稳定、可重复流程的实际 speech-to-text 场景，适用于访谈、会议、播客、讲座，以及对转写一致性要求较高的自动化任务。

面向后端开发团队的 modal 技能，使用 Modal 作为 Python 的云端运行时。了解何时将 Modal 用于 GPU 任务、自动扩缩容函数、Web API、定时作业和批处理流水线，以及如何选择合适的安装场景、阅读仓库内容，并以更少样板代码编写可直接部署的代码。

使用 asc-build-lifecycle 跟踪构建处理进度、查找最新可用构建、检查状态，并在 App Store Connect 中清理旧构建。它适合发布流程、CI，以及需要清晰的构建保留策略和发布决策的 asc 构建生命周期任务。

azure-compute-batch-java 是一个面向后端开发的 Java Azure Batch 技能。它帮助你安装 SDK、创建 Batch 客户端、配置认证与端点，并结合仓库中的使用指引管理 pool、job、task 和计算节点。