从 Infra 到 Agent,聊聊 SkillHub 精选技能的实战打法,欢迎报名

简介: 欢迎报名。

SkillHub 是龙蜥社区打造的 AI Agent 技能枢纽——扎根操作系统与基础设施层,把 Anolis OS 上积累的一线实战经验和 AI 基础软件调优能力,沉淀为标准化的可复用技能资产,让一个好技能,真正解决一类真问题。

9 月 21 日,龙蜥社区将在杭州云谷中心举办一场主题为「从 Infra 到 Agent:龙蜥社区 SkillHub 精选技能实战」的 Workshop,聚焦芯片硬件、系统救火、Agent 安全、数据库四大场景,带来首批官方精选 Skill 的实战分享。本次 Workshop 也是 GOAI 世界人工智能开源大赛技术交流的重要一环,现邀请龙蜥生态伙伴与核心贡献者将到场面对面交流,一起拆解 Infra × Agent 的落地路径。

时间:9 月 21 日 13:30-17:00

地点:杭州市西湖区灯彩街 1009 号云谷中心 B1 栋二楼影音室

报名链接:https://openanolis.mikecrm.com/KNZKQre

更多议程详见下方海报:

682e4d20f0f512d4aee5caa2c95cce47.png

本次活动前 30 名报名且参会可以获得龙蜥社区定制限量 T 恤,活动场地仅限 50 人,席位有限,先到先得哦。各位提交信息后我们会统一确认参会资格,通过后你会收到正式的参会通知,届时请留意手机或邮箱。

期待九月在杭州见到你,一起聊聊 SkillHub 的下一步。

—— 完 ——

相关文章
|
1月前
|
人工智能 运维 监控
大模型多Agent核心能力:深入了解协作架构与任务调度,完整构建复杂AI协同任务22.7
本文系统解析大模型多Agent协作技术:阐明其解决单模型能力瓶颈的核心价值,深入剖析角色专属化、行为自主化、交互协同化三大特征;详解中心化、分层、分布式三类架构及适配场景;梳理任务拆解、智能分配、时序管控、异常兜底四大调度逻辑,并提供可落地的实践框架与代码示例。
205 1
|
24天前
|
自然语言处理 安全 测试技术
别再只测『答得对不对』:给大模型应用建一套 Prompt 注入红队回归集,把越权/泄密挡在上线前
本文揭示RAG客服应用因缺乏Prompt注入防护而致系统提示词泄露的事故,指出问题根源在于测试只关注“答得对”,却忽视“会不会答不该答的”。提出将注入测试升级为可回归的红队用例集:结构化存于jsonl,覆盖四类注入;用pytest参数化断言输出、工具调用与拒答行为;接入CI自动拦截。安全不是模型天赋,而是靠可执行、可演进的断言守出来的。
别再只测『答得对不对』:给大模型应用建一套 Prompt 注入红队回归集,把越权/泄密挡在上线前
|
24天前
|
机器学习/深度学习 前端开发
发动机故障诊断智能体(三):特征可分性优化与加权对比投影层
在基础时序编码网络完成对正常工况的压缩表征后,尽管模型具备了提取稳态规律的能力,但在面对多种不同类型的微量气路故障时,潜在空间中的特征分布仍可能存在相互交叠的现象。该组件致力于通过引入度量对比学习机制,在特定的低维投影空间内重塑特征拓扑结构,系统性优化不同故障模式之间的几何可分性。
|
2天前
|
监控 安全 数据安全/隐私保护
终端敏感数据的检测与审计:识别规则、风险分级与日志分析
本文介绍终端敏感数据治理方法:通过分层识别规则(基础特征/关键词/上下文)提升检出精度;构建高/中/低三级风险模型,结合文件位置与状态动态评估;输出结构化扫描日志,支撑按部门、类型、时间、终端的多维审计分析,实现检测→分级→处置→复查闭环。
|
1月前
|
机器学习/深度学习 人工智能 KVM
从 3 天排查缩到 20 分钟,一个内核老兵的 AI Skill 诞生记 | 龙蜥 SkillHub 精选
把上游 mainline 的内核补丁安全地移植到低版本稳定内核,并证明移植后的语义与上游一致。
|
1月前
|
人工智能 缓存 监控
GPU 利用率低却难定位根因?试试这款零侵入 AI Profiling 工具
是一款专为 AI 应用设计的全生命周期性能观测与诊断工具——从训练到推理,从单卡到千卡集群,从 Python 层到 GPU Kernel 层,帮你看清每一微秒发生了什么。