这个Skill会重构作者的推理过程，从机制层面解释方法，对假设进行压力测试，并生成后续研究思路。 当用户希望用中文深度阅读、理解、总结、分析、批判或延展一篇研究论文、preprint或academic article时使用这个skill。 适用于machine learning、NLP、computer vision、systems、biology、physics、economics等技术和科学领

目前已经完成了两篇. "不能被性能分析的东西，就无法被优化。 无论你是想从大型语言模型（LLM）中榨出更高的每秒 token 数，想把推理延迟再减少几毫秒，还是只是想弄明白为什么你的训练循环比规格表承诺的速度慢，最终都会走到性能分析这一步。 问题在于，性能分析的入门门槛很高。trace 看起来像一堵由彩色矩形组成的密集墙。事件名称也常常让人望而生畏。大多数教程默认你已经会读这些内容。所以即使我

别凡事依赖大模型动态推理！最高效的AI编程策略是“一次生成，永久免费”：让AI为你编写确定性脚本或工具（甚至神经网络），再本地零成本运行。把AI当成世界级建造师和出错时的维护者，而非每次重复劳动的打工仔。“智能体推理+脚本执行”才是降本增效的最优解！

把“收集信息”当进步，只是多巴胺骗局。沉迷做计划，本质是在逃避风险与挫折。真正的成长，是带着“最小可行信息”立刻试错。别再无休止地“研究”了，直面失败，在实战中积累经验。去搞砸，去行动！

AI Agent 最大的瓶颈不是模型能力，是上下文。它不知道你的表结构是什么意思，不知道"周活"怎么算，不知道哪个 API 已经废弃了——这些知识散落在 wiki、代码注释、文档系统、老员工脑子里。 Google 最近发布了 OKF（Open Knowledge Format），想解决这个问题。 它是什么 一个开放规范，把知识表达成一堆 Markdown 文件 + YAML frontma

GitHub Solution Research 是一个可独立安装的 Codex skill，用于把具体工程问题转化为有证据的 GitHub 开源研究流程：搜索公开仓库、issue、PR、discussion、代码、示例和 release notes，比较候选项目，再把可复用模式落到本地修复、实现方案或验证计划中。 它适合处理“这个问题别人是否已经在开源项目里解决过”的场景。它不适合替代本地调试

看上去也主要是AI生成的一个教程，内容很全，可视化做的也可以。 “多数 AI 教材都是碎片化教学。这儿一篇论文，那儿一篇微调心得，别处再来个炫酷的 agent demo。这些碎片很少能拼到一起。你做出了一个聊天机器人，却讲不清它的 loss 曲线；你给 agent 挂了个函数，却说不出调用它的那个模型内部，attention 到底在干什么。 这套课程就是那根脊椎。20 个阶段，503 节课，四种

这是一个面向大模型入门到进阶的算法实战教程，聚焦 Python、PyTorch、Transformer、推理优化、显存管理与 CUDA/Triton 实战。我们把每个知识点做成可运行、可验证、可回顾的 Jupyter Notebook 练习，帮助你从“会看”走到“会写、会调、会优化”。 本项目仅限于纯粹的大语言模型（LLM）领域，不包含 Diffusion 或多模态，并配备本地测试用例，提供可反复

Luz 是一款纯手工打造的 C++20 路径追踪渲染器，零第三方依赖，从数学基础到渲染管线全部自写实现。 它支持蒙特卡洛路径追踪、全局光照、BVH 加速、自适应采样、NFOR 风格降噪、大气散射、自定义场景文件以及 Blender 导出器，兼顾渲染质量与性能。 主要功能： 蒙特卡洛路径追踪与全局光照 多线程 CPU 渲染，支持自适应采样与降噪 支持球体、平面、三角形、OBJ 网格等

EuroMesh 是一套开源的欧洲主权前沿 AI 模型与短报告，它把“用已有公共算力立刻训练大模型”这一问题做了系统建模与量化分析，回答了“欧洲是否需要等千兆瓦级新数据中心并网”这一核心议题。 项目不仅给出了完整的三层计算模型（DiLoCo 效率、站点上线时间、区域打分卡），还附带全部数据源、敏感性测试和 52 条单元测试，确保结论可复现、可追溯。报告显示：利用现有 EuroHPC 与 AI F

“用可视化和交互演示，把 AI 的核心原理装进你的直觉 —— 从“神经网络是什么”到亲手搭出 AI 应用，每课 20 分钟。”

Gravity 是一个开源的太阳系模拟器，通过互动动画的方式，让孩子亲手探索宇宙运行的规律。 什么是引力？ 为什么地球绕着太阳转？ 为什么地球不会掉进太阳里？ 月亮为什么一直围着地球运动？ 火箭为什么能飞上太空？ 为什么飞上去之后不会掉下来？ 这些课本里不太容易讲清楚的概念，在这里都能通过直观演示理解。很多时候，孩子缺的不是答案，而是一个能够看见答案的过程。

Lovable 的设计负责人 Felix Haas 在社交媒体上分享了一篇关于“AI 时代高效团队”的观察，七条经验总结，来自这家增长速度惊人的 AI 创业公司内部视角。

开发AI Agent的人，最头疼的就是写System Prompt和设计Tool Schema。很多时候你根本分不清一个Agent的聪明，到底是靠Prompt调教出来的，还是靠底层工具链硬撑起来的。 Phistory这个网站直接把Claude Code、Codex等主流Coding Agent的历代System Prompt和工具定义扒了出来，还做了版本对比（diff）。 看这些顶尖大厂的Pr

Fara-7B 是微软推出的首款专为计算机操作设计的 7B 参数智能代理模型，能直接通过视觉感知网页并以鼠标键盘完成多步任务。 它在 WebVoyager、Online-Mind2Web 等基准上取得同尺寸模型最佳成绩，平均仅需 16 步即可完成购物、订票、表单填写等日常操作，支持本地部署且兼顾隐私与低延迟。 主要功能： 视觉驱动的计算机使用代理，可直接预测屏幕坐标并执行点击、输入、滚动；

Python 科学可视化生态非常庞大。它由无数工具组成，从最通用、使用最广泛的工具，到更专业、更小众的工具都有。 其中一些工具由社区驱动，另一些则由公司开发。有些工具专门面向 Web，有些只面向桌面；有些处理 3D 和大规模数据，而另一些则追求完美的 2D 渲染。 在这样的生态中，Matplotlib 占据着非常特殊的位置。它是一个通用且强大的库，可以用来设计非常高质量、适合科学出版的图形。它还提

适合人群 小红书图文创作者 AI / Vibe Coding / Agent 内容创作者 个人品牌经营者 产品经理、设计师、创业者 想把草稿、截图、产品图、PPT 或页面重做成高级图文的人 XHS Visual Director 是一套专为小红书图文打造的视觉导演 Agent Skill。它不是单纯的文案工具，而是先判断内容任务，再匹配视觉风格，最后输出完整图文结构、

Zvec 是一款轻量、极速的进程内向量数据库，可直接嵌入应用运行。它已在阿里巴巴内部经过生产环境验证，能提供低延迟、可扩展的相似性检索能力。 无需服务器配置，只需安装即可秒级上手，支持密集向量与稀疏向量、混合检索、WAL 持久化以及多进程并发读取，适用于笔记本、服务器、边缘设备等多种场景。 主要功能： 毫秒级检索，支持十亿级向量规模； 支持密集与稀疏向量，以及单次调用多向量查询；

TencentDB Agent Memory 为 AI Agent 提供一套完全本地的长期记忆方案，通过四层渐进式管道实现，无需任何外部 API 依赖。 它将符号化短期记忆与分层长期记忆相结合：前者把繁杂工具日志压缩为紧凑的 Mermaid 符号，降低 token 消耗；后者把零散对话提炼成结构化的人设与场景，避免平面向量堆积。集成后可在 OpenClaw 上减少高达 61.38% token