技能库

通过 macOS 上的 memo CLI 管理 Apple Notes（创建、查看、搜索、编辑）

通过 remindctl CLI 管理 Apple Reminders（列出、添加、完成、删除）

使用 AppleScript 和屏幕截图，通过 macOS 上的 FindMy.app 追踪 Apple 设备和 AirTags

通过 macOS 上的 imsg CLI 发送和接收 iMessages/SMS

将编码任务委托给 Claude Code（Anthropic 的 CLI 代理）。适用于构建功能、重构代码、PR 审查和迭代式开发。需要安装 claude CLI

将编码任务委托给 OpenAI Codex CLI 代理。适用于构建功能、重构代码、PR 审查和批量问题修复。需要安装 codex CLI 并配置 git 仓库

完整指南：使用和扩展 Hermes Agent — 包括 CLI 使用、设置、配置、启动额外代理实例、网关平台、技能、语音、工具、配置文件，以及简洁的贡献者参考。在帮助用户配置 Hermes、排查问题、启动代理实例或进行代码贡献时加载此技能

将编码任务委托给 OpenCode CLI 代理，用于功能实现、代码重构、PR 审查以及长时间运行的自主会话。需要安装并认证 opencode CLI

使用 pyfiglet（571 种字体）、cowsay、boxes、toilet、图像转 ASCII、远程 API（asciified、ascii.co.uk）及 LLM 降级生成 ASCII 艺术。无需 API 密钥

ASCII 艺术视频的生产流水线 — 支持任意格式。将视频/音频/图片/生成内容转换为彩色 ASCII 字符视频输出（MP4、GIF、图像序列）。涵盖：视频转 ASCII 转换、音频响应式音乐可视化、生成式 ASCII 动画、混合视频+音频响应、文字/歌词叠加、实时终端渲染。当用户请求：ASCII 视频、文字艺术视频、终端风格视频、字符艺术动画、复古文字可视化、ASCII 音频可视化、视频转 ASCII 艺术、矩阵风格效果，或任何动态 ASCII 输出时使用

使用 Excalidraw JSON 格式创建手绘风格图表。生成 .excalidraw 文件，用于架构图、流程图、时序图、概念图等。文件可在 excalidraw.com 打开或上传以生成可分享链接

使用 Manim Community Edition 创建数学和技术类动画的生产流水线。生成类似 3Blue1Brown 的解释视频、算法可视化、公式推导、架构图和数据故事。当用户请求：动画解释、数学动画、概念可视化、算法讲解、技术解说、3Blue1Brown 风格视频，或任何具有几何/数学内容的程序化动画时使用

使用 p5.js 创建交互式和生成式视觉艺术的生产流水线。生成基于浏览器的草图、生成艺术、数据可视化、交互体验、3D 场景、音频响应视觉、运动图形 — 可导出为 HTML、PNG、GIF、MP4 或 SVG。涵盖：2D/3D 渲染、噪声与粒子系统、流场、着色器（GLSL）、像素操作、动态排版、WebGL 场景、音频分析、鼠标/键盘交互，以及无头高分辨率导出。当用户请求：p5.js 草图、创意编程、生成艺术、交互式可视化、画布动画、基于浏览器的视觉艺术、数据可视化、着色器效果，或任何 p5.js 项目时使用

从真实网站中提取的 54 个高质量设计系统模板。加载模板后可生成匹配 Stripe、Linear、Vercel、Notion、Airbnb 等网站视觉风格的 HTML/CSS。每个模板包含颜色、排版、组件、布局规则和可直接使用的 CSS 值

歌曲创作技巧、AI 音乐生成提示（聚焦 Suno）、恶搞/改编技巧、语音技巧，以及经验总结。这些是工具与思路，而非规则。当艺术需要时，可随时打破它们

从 CurseForge/Modrinth 服务器包 zip 文件中搭建模组化 Minecraft 服务器。涵盖 NeoForge/Forge 安装、Java 版本、JVM 调优、防火墙设置、局域网配置、备份策略和启动脚本

通过无头模拟方式自主运行 Pokemon 游戏。启动游戏服务器，从内存中读取结构化游戏状态，做出战略决策，并发送按键输入 — 全部通过终端完成

使用 pygount 分析代码库，统计行数（LOC）、语言分布和代码与注释比例。当被要求检查代码行数、仓库大小、语言构成或代码库统计数据时使用

使用 git（普遍可用）或 gh CLI 为代理设置 GitHub 认证。涵盖 HTTPS token、SSH 密钥、凭证助手和 gh auth — 并具备自动检测流程以选择合适方法

通过分析 git diff 来审查代码变更，对 PR 提交内联评论，并执行彻底的提交前审查。支持 gh CLI，若不可用则回退至 git + GitHub REST API（通过 curl）

创建、管理、分类和关闭 GitHub issues。搜索现有 issue，添加标签、分配人员，并关联 PR。支持 gh CLI，若不可用则回退至 git + GitHub REST API（通过 curl）

完整的拉取请求生命周期 — 创建分支、提交更改、打开 PR、监控 CI 状态、自动修复失败、合并。支持 gh CLI，若不可用则回退至 git + GitHub REST API（通过 curl）

克隆、创建、fork、配置和管理 GitHub 仓库。管理远程仓库、密钥、发布版本和工作流。支持 gh CLI，若不可用则回退至 git + GitHub REST API（通过 curl）

使用 curl 从 Tenor 搜索并下载 GIF。除 curl 和 jq 外无其他依赖。适用于查找表情 GIF、制作视觉内容，以及在聊天中发送 GIF

设置并运行 HeartMuLa，即开源音乐生成模型系列（类似 Suno）。支持多语言，可根据歌词和标签生成完整歌曲。

通过 CLI 从音频文件生成频谱图和音频特征可视化（如梅尔频谱、音高图、MFCC、节拍图等）。适用于音频分析、音乐制作调试和视觉文档记录。

获取 YouTube 视频字幕，并将其转换为结构化内容（章节、摘要、话题线、博客文章等）。当用户分享 YouTube 链接或视频地址，要求总结视频内容、索取字幕，或希望提取并重新格式化任意 YouTube 视频内容时使用。

PyTorch 音频生成库，包含文本到音乐（MusicGen）和文本到声音（AudioGen）。用于根据文本描述生成音乐、创建音效，或进行旋律条件下的音乐生成。

使用 Axolotl 对 LLM 进行微调的专家指导 —— YAML 配置、100 多个模型、LoRA/QLoRA、DPO/KTO/ORPO/GRPO、多模态支持

OpenAI 的模型，连接视觉与语言。支持零样本图像分类、图文匹配和跨模态检索。在 4 亿张图像-文本对上训练。适用于无需微调的图像搜索、内容审核或视觉-语言任务。适合通用图像理解场景。

使用声明式编程构建复杂 AI 系统，自动优化提示词，创建模块化 RAG 系统和智能体 —— Stanford NLP 的 DSPy 框架，用于系统性大语言模型编程

在 60 多个学术基准测试（MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag 等）上评估 LLM。用于模型质量评测、模型对比、学术结果报告或训练进度追踪。被 EleutherAI、HuggingFace 及各大研究实验室广泛采用。支持 HuggingFace、vLLM、API 接口。

使用 TRL 实现基于强化学习的 LLM 微调 —— SFT 用于指令微调，DPO 用于偏好对齐，PPO/GRPO 用于奖励优化，以及奖励模型训练。当需要 RLHF、使模型与人类偏好对齐，或基于人类反馈训练时使用。兼容 HuggingFace Transformers。

GGUF 格式及 llama.cpp 量化技术，实现高效 CPU/GPU 推理。适用于在消费级硬件、Apple Silicon 设备上部署模型，或在无 GPU 要求下实现灵活的 2-8 位量化。

使用 TRL 进行 GRPO/RL 微调的专家指导，适用于推理和特定任务的模型训练

通过正则表达式和语法控制 LLM 输出，确保生成有效 JSON/XML/代码，强制结构化格式，构建多步骤工作流 —— Microsoft Research 的约束生成框架 Guidance

Hugging Face Hub CLI（hf）—— 搜索、下载、上传模型与数据集，管理仓库，使用 SQL 查询数据集，部署推理端点，管理 Spaces 和存储桶。

在 CPU、Apple Silicon 和消费级 GPU 上运行 LLM 推理，无需 NVIDIA 硬件。适用于边缘部署、M1/M2/M3 Mac 电脑、AMD/Intel GPU 场景，或 CUDA 不可用时。支持 GGUF 量化（1.5-8 位），内存减少且相比 PyTorch 在 CPU 上提速 4-10 倍。

无服务器 GPU 云平台，用于运行机器学习工作负载。当需要按需获取 GPU 资源而无需管理基础设施、将 ML 模型部署为 API，或运行具有自动扩展能力的批量任务时使用。

使用 OBLITERATUS 从开放权重 LLM 中移除拒绝行为 —— 采用机制可解释性技术（差值均值、SVD、白化 SVD、LEACE、SAE 分解等）剥离安全护栏，同时保留推理能力。提供 9 种 CLI 方法、28 个分析模块、116 个模型预设，覆盖 5 个计算层级，锦标赛评估和基于遥测的推荐。当用户希望解封、消除或移除 LLM 拒绝行为时使用。

确保生成过程中输出符合有效 JSON/XML/代码结构，使用 Pydantic 模型实现类型安全输出，支持本地模型（Transformers、vLLM），并通过 Outlines - dottxt.ai 的结构化生成库最大化推理速度

使用 LoRA、QLoRA 及 25+ 方法对 LLM 实现参数高效微调。适用于在 GPU 内存有限的情况下微调大型模型（7B-70B），在仅训练 <1% 参数的前提下实现最小精度损失，或支持多适配器服务。HuggingFace 官方库，已集成至 transformers 生态系统。

使用 PyTorch FSDP 实现全分片数据并行训练的专家指导 —— 参数分片、混合精度、CPU卸载、FSDP2

图像分割的基础模型，支持零样本迁移。当需要使用点、框或掩码作为提示对图像中的任意对象进行分割，或自动生成图像中所有物体的掩码时使用。

使用 vLLM 的 PagedAttention 和连续批处理技术高效服务 LLM。适用于部署生产级 LLM API、优化推理延迟/吞吐量，或在 GPU 内存有限的情况下服务模型。支持 OpenAI 兼容端点、量化（GPTQ/AWQ/FP8）和张量并行。

通过 HuggingFace Diffusers 使用 Stable Diffusion 模型实现最先进的文本到图像生成。适用于根据文本提示生成图像、执行图像到图像转换、图像修复，或构建自定义扩散流水线。

使用 Unsloth 实现快速微调的专家指导 —— 训练速度提升 2-5 倍，内存占用降低 50-80%，支持 LoRA/QLoRA 优化

使用 W&B 跟踪机器学习实验，实现自动日志记录，实时可视化训练过程，通过 sweep 优化超参数，并管理模型注册表 —— 协作式 MLOps 平台

OpenAI 的通用语音识别模型。支持 99 种语言，具备转录、翻译为英语以及语言识别功能。提供从 tiny（39M 参数）到 large（1550M 参数）六种模型尺寸。适用于语音转文字、播客转录或多种语言音频处理。最适合鲁棒的多语言语音识别（ASR）。

通过 gws CLI（googleworkspace/cli）集成 Gmail、日历、Drive、联系人、表格和文档。使用 OAuth2 认证，并通过桥接脚本自动刷新令牌。需要 gws 可执行文件。

通过 GraphQL API 管理 Linear 的问题、项目和团队。可创建、更新、搜索和组织问题。使用 API 密钥认证（无需 OAuth）。所有操作通过 curl 完成——无依赖项。

使用 nano-pdf CLI 通过自然语言指令编辑 PDF 文件。可修改文本、修复拼写错误、更新标题，并对特定页面的内容进行更改，无需手动编辑。

通过 curl 使用 Notion API 创建和管理页面、数据库及区块。直接在终端中查询、创建、更新和检索 Notion 工作区内容。

从 PDF 和扫描文档中提取文本。对于远程 URL 使用 web_extract，对于本地文本型 PDF 使用 pymupdf，对于 OCR/扫描文档使用 marker-pdf。DOCX 文件使用 python-docx，PPTX 文件请参考 powerpoint 技能。

任何涉及 .pptx 文件的情况均使用此技能——作为输入、输出或两者兼有。包括：创建演示文稿、商业计划书或演讲稿；读取、解析或提取任意 .pptx 文件中的文本（即使后续用于邮件或摘要）；编辑、修改或更新现有演示文稿；合并或拆分幻灯片文件；处理模板、版式、演讲者备注或评论。当用户提到“deck”、“slides”、“presentation”或引用 .pptx 文件名时，无论后续如何使用内容，均应触发该技能。若需打开、创建或操作 .pptx 文件，请使用此技能。

使用 arXiv 免费 REST API 搜索和获取学术论文。无需 API 密钥。可按关键词、作者、类别或 ID 搜索。可与 web_extract 或 ocr-and-documents 技能结合以阅读完整论文内容。

使用 blogwatcher-cli 工具监控博客和 RSS/Atom 频道更新。可添加博客源，扫描新文章，跟踪已读状态，并按类别过滤。

Karpathy 的 LLM Wiki — 构建并维护一个持久、相互链接的 Markdown 知识库。支持源数据摄入、知识查询以及一致性检查。

查询 Polymarket 预测市场数据——搜索市场、获取价格、订单簿和价格历史记录。仅读取模式，通过公开 REST API 实现，无需 API 密钥。

ML/AI 研究论文撰写全流程——从实验设计到分析、起草、修订和投稿。涵盖 NeurIPS、ICML、ICLR、ACL、AAAI、COLM。集成自动化实验监控、统计分析、迭代写作和引文验证。