插件市场

由五个不同角色的 LLM 进行两轮异步讨论和交叉反驳，审核文本产物，给出发布、修改或暂缓结论及完整审计记录。

让 Anthropic、OpenAI 和 Google 模型家族的子 Agent 独立回答，再交叉讨论或质疑，由协调者汇总匿名化输入。

探索 AI 研究方向，组织实验、训练和结果评估。

复现 AI 研究项目，核对论文与实现细节，并记录可复核的实验结果。

为模型应用接入 Arize AX 可观测性，通过 ax CLI 进行自动埋点、轨迹导出、数据集管理、实验、提示词优化和深层链接访问。

通过 Arize AX 进行 LLM 追踪、埋点、数据集管理、实验、评测和提示词优化。

在 AWS 上构建、部署和运维 AI Agent，覆盖 Bedrock AgentCore 项目搭建、工具连接、记忆、策略、评估、调试与生产加固。

管理 Caveman 云端实验的生命周期，查看运行状态与优化结果。

经用户批准后开展对照实验，评估并优化 LLM 工作流的成本与效果。

为 AI 应用添加 DeepEval 评估、调用追踪、数据集、Confident AI 报告和迭代改进流程。

从 AI 输出中提取事实声明、寻找来源并标记幻觉风险，供人进一步核实。

探索模型运行方式并检查实验输出和评估结果。

构建高质量数据集与计算机视觉模型，支持可视化、模型分析、查重、推理、预测评估及自定义插件开发。

通过自学习多 Agent 框架开展规格驱动开发和自动验证，优化工具调用与上下文。

构建、训练、评估和使用开源 AI 模型、数据集与 Spaces。

面向开源模型工程平台 Langfuse 的 Skill，覆盖调用追踪、提示词管理和评估。

执行最小深度学习运行并收集可复核证据，生成标准化审计报告。

使用 MLflow 追踪、评估和改进 AI Agent，覆盖埋点、追踪、评估、迭代与验证的完整循环。

使用 Phoenix 调试和评测 LLM 应用，提供 CLI 调试、评测流程和 OpenInference 追踪埋点指引。

通过聊天评估 Codex Skill 和插件，提供易上手的启动命令、本地优先报告、令牌预算说明及基准测试引导。