插件市场

使用 Higgsfield Soul ID 训练人物身份并生成保持人物一致性的图像。

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。

以只读方式分析深度学习项目，理解代码结构、依赖和运行入口。

为深度学习项目准备环境、缓存和模型资产，尽量避免破坏现有配置。

探索并在获授权后修改模型模块，支持 LoRA 等适配实验。

探索模型运行方式并检查实验输出和评估结果。

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。

查阅深度学习论文的一手资料，补齐复现所需的实现细节。

梳理深度学习仓库的结构与复现要求，形成实施计划。

配置和执行模型训练，跟踪运行状态与产物。

保守诊断深度学习运行中的报错、显存不足、形状不匹配和数值异常。

汇集 AMD 已验证的 Agent Skill：使用 Ryzen AI 本地处理图像和音频，在 Instinct GPU 上用 vLLM 部署模型，用 Hyperloom 优化推理吞吐量，并分析 GPU 内核与 PyTorch 性能轨迹。

面向 AI／机器学习流程的 DataRobot Skill，覆盖训练、部署、预测、特征工程、监测、可解释性、数据准备、应用框架 CI／CD 和外部 Agent 监测。

支持 Domino Data Lab 平台的数据科学工作，覆盖工作区、作业、模型部署、实验追踪、生成式 AI 追踪、Spark／Ray／Dask 和应用部署。

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。

构建、训练、评估和使用开源 AI 模型、数据集与 Spaces。

为 GPU 加速、CUDA、AI Agent、数据加载、训练、推理、机器人、物理 AI、Omniverse 和仿真等任务寻找适合的 NVIDIA Skill。

将 AWS AI／机器学习专业知识引入编程助手，使用 Amazon SageMaker AI 构建、训练和部署模型。

面向 Together AI 的 Agent Skill，覆盖推理、训练、嵌入、音频、视频、图片、函数调用和基础设施，包括微调、批处理、评估、沙箱、专用端点及 GPU 集群。