被麻省理工学院计算机科学与人工智能实验室推荐阅读 问题提出者Xiuyu Li现在已加入阶跃星辰

该skill用来处理那种“资料都有，但不知道从哪里开始看”的学习场景。老师课件、教材摘录、PDF、Word 文档、PPT、个人课堂笔记、学长学姐资料、课后习题、历年试题和题库，都可以一起交给它整理。 它会先梳理资料来源，再推断章节结构，提取已有题目，建立索引，然后按章节生成可以继续维护的 Markdown 笔记。 推荐用 Obsidian 打开整理后的文件夹。生成的笔记是普通 Markdown

一个专门生成医学类PPT的skill。当然你让AI改改也能用于其他领域 地址：把医学论文、PDF、Figure、截图和参考资料自动整理成医学学术 PPT。 默认同时交付 图片型 PPTX 和 对象级可编辑 PPTX，并写入每页中文 speaker notes。

AI Agent 驱动的开源视频生成工作台 — 小说→角色/场景/道具设计→剧本→分镜图→视频，跨镜头角色与场景一致

Confucius4-TTS 是一款面向多语言与跨语言场景的零样本 TTS 引擎，只需一段参考音频，就能把任意文本转换成保留原声色的自然语音。 支持中、英、日、韩、德、法、西班牙等 14 种语言，无需参考文本即可完成无约束语音克隆，并实现跨语言零样本迁移与情感迁移；同时提供 WebUI、FastAPI 服务及 vLLM 加速推理，兼顾研究与生产需求。 主要功能： 14 种语言零样本语音合成

Skills for Design Engineers 是 Emil Kowalski 打造的一套设计工程技能库，专为设计师和工程师提供动画与界面设计决策的参考与指导。它帮助开发者快速做出更准确的动画与视觉选择，避免常见的界面细节错误。 通过安装命令 npx skills﹫latest add emilkowalski/skills，你可以在本地获得 emil-design-eng、review

这是一套开放的方法论、工具和逐步操作指南合集，旨在帮助成功训练和微调大型语言模型、多模态模型及其推理过程。 本材料适合LLM/VLM训练工程师和运维人员使用。内容包含大量脚本和可复制粘贴的命令，帮助您快速解决实际需求。 本仓库持续记录我在训练大型语言模型（LLM）和多模态模型（VLM）过程中的经验积累——这些知识主要源于2022年训练开源BLOOM-176B模型、2023年训练IDEFICS-

用法很直接——把原始素材丢进一个文件夹，跟 Claude Code 说"把这些剪成发布视频"，它研究素材、提出剪辑方案、等你确认，然后输出 final.mp4。 它能做的事： 自动去除废话：umm、uh、false start、take 之间的死寂，全部识别并剪掉 自动调色：每个片段自动套用色彩预设（暖色电影风、中性冲压等，或自定义 ffmpeg 链） 自动加字幕：默认两词一组

注意这书是一本经典老书（还是cuda5.0），作者 Nicholas Wilt把版权从出版社那买了回来后免费发布了，并开始更新内容。 “如果你正在阅读本书，想必无需我赘述CUDA的价值。本书读者应已熟悉CUDA，无论是通过NVIDIA的SDK资料与文档学习、参加过并行编程课程，或是借助Jason Sanders与Edward Kandrot合著的优秀入门书籍《CUDA By Example》打下

微软研究院推出的 Flint 是一套专为 AI 智能体设计的可视化 DSL。它不让 Agent 直接去啃 Vega-Lite 或 ECharts 那种动辄上百行的底层 JSON 参数，而是通过简单的语义声明（如定义数据是“时间”还是“利润”），由编译器自动推导出坐标轴、比例尺和布局优化。目前它支持 46 种图表类型，能自动把几行高层指令翻译成美观的底层渲染代码。这件事的逻辑在于用“确定性工程”给“

seL4是一个操作系统微内核，也就是说，seL4本身不是一个完整的操作系统。因为它是微内核，所以它提供很有限的API，没有提供象传统的操作系统Linux那样的内存管理、页内外交换、驱动程序等等。 seL4是一组基于微内核架构的操作系统内核，澳大利亚研究组织NICTA 网页链接 创造了一个新的L4版本，称为Secure Embedded L4（简写为seL4），宣布在世界上率先开发出第一个正规机器

一名大一学生将一份据传是 Ilya Sutskever 给 John Carmack 的 30 篇 AI 必读论文清单做成了网站，迅速冲上 Hacker News 热榜。这份清单涵盖了从 Transformer 架构到 Kolmogorov Complexity（柯氏复杂性）等核心领域，虽然网站因炫酷但干扰阅读的动画和未经验证的来源遭到不少极客吐槽，却依然被视为通往 AGI 深层理解的“藏宝图”。

它不走模板化路线，而是通过建立 MBB 标准证据链、SCR 叙事收敛与严格多层门禁机制，生成兼顾视觉还原与结构可编辑性的专业演示文稿。 适用场景涵盖行业研究、品牌战略、高管汇报、客户提案、项目复盘等需要高信息密度的场合。CyberPPT 内置 8 种固定视觉风格，并提供从证据分析、风格选择、蓝图生成到 PPTX 还原的完整流程，确保每页内容均可追溯、可验证。

在这篇笔记中，作者会从代码层面拆解 nano-vLLM，理解一个现代 LLM 推理引擎如何从零构建。虽然它采用的 V0 架构后来已被原版 vLLM 中更先进的 V1+ 设计取代，但高效内存管理、PagedAttention、动态批处理、KV 缓存和调度等核心原则，仍然是今天高性能推理引擎的基础。 作者选择这个仓库，是因为它设计极简、容易修改。nano-vLLM 大约只有 1200 行干净的 Py

“从智能手机、多核 CPU、GPU、AI 加速器，到世界上最大的超级计算机和网站，并行处理在现代计算中无处不在。本课程的目标是让学生深入理解设计现代并行计算系统所涉及的基本原则和工程权衡，同时教授有效使用这些机器所必需的并行编程技术。 由于写出优秀的并行程序需要理解关键的机器性能特征，本课程将同时覆盖并行硬件和软件设计。” 课程一方面讲多核处理器、SIMD、多线程、GPU、CUDA、缓存一致性

shadcn出的一个技能，用于审计任何代码库，并为其他Agent编写执行计划。（也就是用最好的模型来审计你的代码库，并编写计划供较便宜的模型执行。） 核心理念：将最具智慧的模型用于智力密集型环节——理解代码库、判断任务优先级、编写规范说明——而将执行工作交由成本更低的模型处理。该技能本身从不执行任何实现操作。规划方案本身就是最终产出。 适用于以下场景：被要求审计代码库时、寻找改进机会（错误、安

Claude Video 是一套让 Claude 具备“观看视频”能力的工具，它通过下载、抽帧和转录，把视频内容完整交给 Claude 分析。 用户只需提供视频链接或本地路径，工具就会先尝试提取字幕，没有字幕时再调用 Whisper 转录，同时按场景智能抽取关键帧，让 Claude 能真正“看到”画面和听到声音。 GitHub：github.com/bradautomates/claude-v

Awesome Harness Engineering 是一份精选资源清单，聚焦 AI 代理的“脚手架”工程：上下文交付、工具接口、规划工件、验证循环、记忆系统与沙箱编排。 它不讨论模型本身，而是系统性地整理让代理在真实任务中稳定运行所需的基础设施与设计模式。 主要内容涵盖： 基础文献与设计原语：ReAct、LangGraph、MCP、Agent Loop 等核心概念 上下文工程与记

卡内基梅隆大学（CMU）教授Sean Welleck公开了其最新的《高级自然语言处理》全套课程。这套资源包含23讲完整视频、课件及20个代码示例，知识体系从Tokenizer、Transformer基础一路覆盖到RAG、多模态、RLHF，以及当下最受关注的DeepSeek-R1同款推理侧Scaling和Mixture of Experts。课程第一项作业就要求学生从零构建一个LLaMA，实操性极强

Seedance 2.0 Skill OS 是一套四模态 AI 电影制作的完整生产流水线。它把导演、摄影、剪辑、调色、音频和交付全流程整合为可重复的 Agent 技能，让模型真正“被导演”，而不是被堆砌形容词。 仓库提供场景意图识别、单意图镜头设计、角色/环境/运镜/音频参考分离、首尾帧连续、IP 安全改写、失败诊断与重拍协议等核心能力。支持文本、图像、视频、音频四种输入，兼容 Web、Wind