Ai

videodb 可帮助你从本地文件、URL、RTSP/RTMP 直播流或桌面录制中导入视频和音频；按时间戳搜索片段并查看可播放证据；还可通过剪辑、叠加层、转写、告警和时间线编辑来执行操作。它是面向 VideoDB 视频编辑与直播分析的实用 videodb 指南。

token-budget-advisor 是一个路由型技能，帮助你在回答前选择回复深度。它可用于在工作流自动化和聊天流程中控制长度、细节或 token 消耗。本 token-budget-advisor 指南涵盖触发规则、何时不该使用，以及如何从 skills/token-budget-advisor 中应用它。

skill-comply 是一款合规测试技能，用于在真实运行中检查 agent 是否遵循某个 skill、规则或 agent 定义。它会从 markdown 生成规范，运行三档 prompt 严格度，分类工具调用时间线，并基于证据输出合规率。适合用于 skill-comply 的合规审查。

santa-method 是一套多智能体验证工作流，适用于那些在发布前必须确保正确无误的输出。它通过独立复核来发现内容、代码相关交付物、合规敏感文案以及工作流自动化任务中的盲点。若你需要一个可重复的“生成、验证、收敛”循环，就安装 santa-method 技能。

regex-vs-llm-structured-text 技能用于在结构化文本抽取中选择 regex 还是 LLM。先用确定性解析打底，再用 LLM 对低置信度边界情况做校验，并为文档、表单、发票和数据分析构建更便宜、更可靠的流水线。

llm-trading-agent-security 是一份面向带有钱包权限的自主交易代理的实用安全指南。内容涵盖提示注入、防止超额支出、发送前模拟、熔断机制、考虑 MEV 的执行以及密钥隔离，帮助降低 Security Audit 中的资金损失风险。

foundation-models-on-device 帮你在 iOS 26+ 上构建 Apple FoundationModels 功能，包括端侧文本生成、使用 `@Generable` 的引导式输出、工具调用、快照流式传输，以及面向隐私优先应用的可用性检查。

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。

ai-first-engineering 是一种简洁的运营模型，适用于大量实现工作由 AI agent 生成的团队。它帮助团队为规划、架构、评审和测试建立 Agent Standards，并提供安装、使用以及适用场景的指引。

fact-checker 是一项以提示词驱动的技能，用于结构化事实核查、来源评估，并输出带有置信度和背景说明的清晰结论。你可以从 Shubhamsaboo/awesome-llm-apps 安装它，用可复用的工作流核查陈述、传言、统计数据和可能误导的说法。

deep-research 是一个轻量级的代理技能，用于开展结构化 Web 研究。它通过单一的 SKILL.md 工作流，帮助你明确研究范围、汇集多方来源、评估信息可信度，并综合输出带引用的研究结论。

Triage 是一个用于 GitHub issue 分流的技能，帮助你把新来的 bug 和功能请求放进基于角色的状态机中流转。可用于对 issue 进行分类，判断是否需要更多信息，将工作转给 AFK 代理或人工维护者，并保持 issue 处理流程一致。它是一个适用于 Issue Tracking 的实用 triage 技能。

vector-index-tuning 可帮助优化向量检索索引，在延迟、召回率与内存占用之间取得平衡。可用于选择索引类型、调整 HNSW 参数，并比较适用于 RAG 工作流的量化方案。

rag-implementation 是一项面向实践的技能，可用于规划包含 vector databases、embeddings、retrieval patterns 与 grounded-answer workflows 的 RAG 系统。你可以用它比较技术栈方案、明确架构决策，并指导 document Q&A、knowledge assistants 和 semantic search 场景下的安装与使用选择。

similarity-search-patterns 可帮助你为语义搜索和 RAG 工作流选择合适的距离度量、索引类型与混合检索模式。适合用于规划生产级向量搜索在召回率、延迟和规模之间的取舍。

hybrid-search-implementation 技能说明如何将向量检索与关键词检索结合，并使用 RRF、线性融合、重排和级联等模式，用于 RAG 和搜索系统。

使用 llm-evaluation skill，为 LLM 应用、提示词、RAG 系统和模型变更设计可重复执行的评估方案，覆盖指标、人审、基准测试与回归检查。

embedding-strategies 帮助你为语义搜索和 RAG 工作流选择并优化 embedding 模型，提供关于分块策略、模型取舍、多语言内容处理和检索评估的实用指导。

ai-prompt-engineering-safety-review 是一项用于提示词审计的技能，可在生产环境、评估流程或面向客户使用前，审查 LLM 提示词在安全性、偏见、安全弱点和输出质量方面的风险。

gws-modelarmor 帮助你在 googleworkspace/cli 生态中使用 Google Model Armor。它可用于净化提示词、净化模型响应，并以比通用 prompt 更少的猜测来创建模板。该技能面向可重复、符合策略要求的使用场景，以及 Security Audit 工作流。

develop-ai-functions-example 用于在 vercel/ai 的 `examples/ai-functions/src/` 下创建或修改可运行的 AI SDK 示例。它能帮助你选择合适的示例类别、对齐仓库约定，并构建适合 provider 验证、演示或测试夹具的最小化示例。

add-provider-package 是一份聚焦于在 vercel/ai 中创建新的 `@ai-sdk/<provider>` 包的实用指南。它可帮助贡献者和 API 团队在新增 provider 时，按照 AI SDK 的 provider 架构、包结构与实现流程推进落地。

ai-seo 可帮助团队提升在 ChatGPT、Perplexity、Google AI Overviews、Claude 和 Gemini 中的 AI 答案曝光。你可以用它诊断索引收录、bot 访问、内容可提取性和被引用准备度，并结合仓库中的平台参考与内容模式参考，制定可落地的内容计划。

mama 是 pua skill 的旁白式变体：保留相同的核心规则，但把表达语气切换成中文“唠叨妈妈”风格。适合用于安装一套可复用的触发模式，支持持续排障、debugging 和 Prompt Writing 工作流，并继承原有的升级机制、checklist 与更强的跟进力度。