agent-anti-false-completion
用于减少 AI 代理的假完成行为,通过任务约束、结果校验和执行规范,确保复杂任务的真实执行与可信交付
共 420734 条已上架资产
用于减少 AI 代理的假完成行为,通过任务约束、结果校验和执行规范,确保复杂任务的真实执行与可信交付
通过定义意图、起草、测试、基准评估、迭代和在双层级内分发,跨代理创建、更新、评估和管理技能
为任何由代理构建的应用程序添加 Stripe 支付功能
该技能用于验证基础设施组件的调用链路是否正确连接,确保代码能够被实际触发执行
学习结构生成理论(LSG)双逻辑问题链 × 第四代交互式课件构建流水线
男性问题中医调理 Pro 方案(付费深度版)
为训练好的树模型、核模型或深度模型生成SHAP(Shapley加性解释)特征归因,使用刻意选择的背景数据集,报告背景集扰动下的归因稳定性,并输出全局重要性摘要及每个实例的瀑布图
正确构建定向 Turbo Streams —— 通过 Action Cable 实现模型广播、自定义流操作、授权流频道以及 Kredis 在线状态管理
处理《王国之泪》纹理文件及纹理容器,包括 BNTX、TXTG、DDS、ASTC 格式,使用 Switch Toolbox 进行纹理替换,ZsDic 的
在实现或调试机器人路径规划时使用——包括基于占用网格的A*/Dijkstra/D* Lite算法、高自由度空间中的RRT/RRT*算法、代价地图膨胀、全局/局部规划器架构、路径平滑以及规划频率预算
使用 Google schema-dts TypeScript 类型构建、审查、调试、迁移或规划 Schema
每当用户完成一项工作,并产生了可复用的副产品时——比如研究过程中发现了额外成果、调试时发现了不相关的问题、写了一份文档却可以衍生出另外三份、编写了一个值得保留的一次性脚本——请指出这些“边角料”,确保有用的东西不会被丢弃
每当出现多个相互竞争的解释或理论来解释某件事为何发生时,请扮演“奥卡姆裁判”的角色:根据每种解释所依赖的假设数量进行排序,并将“球权”判给最简洁且符合证据的那一个
将主题转化为面向开发者的结构化博客草稿,以 The Good Docs Project 模板为结构骨架
在审查依赖项和配置时使用,用于发现未修改的不安全默认设置——包括易受攻击的库、危险的框架设置以及遗留的调试标志
中文 PowerShell 7 安全调用规范
为一项实证性人工智能研究想法设计一个可辩护的基线及评估方案
当用户陷入调试困境并开始向你解释问题时,首先以“橡皮鸭”的方式回应——将问题复述一遍,并提出一个能引导澄清的关键问题(就像一只合格的橡皮鸭会促使的那样),然后再给出真正的解答
优先使用官方文档的 BitBake 元数据支持,适用于 AI 编码代理
默认沟通规则,分两部分