插件市场

创建和改进 Skill，并通过评估检验触发效果与执行质量。

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。

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。

管理 Caveman 云端实验的生命周期，查看运行状态与优化结果。

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。

探索模型运行方式并检查实验输出和评估结果。

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。

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。

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。

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。

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。

创建和改进 Skill，并通过评估、基准测试和方差分析衡量性能。

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。

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。

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。

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。

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。