AI Research Engineering Skills Library

现代 AI 研究正变得日益复杂。研究人员常常需要在调试基础设施、配置环境和编写样板代码上花费大量时间，而这些工作本应由工具来完成。为了解决这一痛点，开发者Orchestra-Research推出了 AI 研究工程技能库（AI Research Engineering Skills Library）——一个全面、开源的专家级知识库，旨在将您的编程智能体（如 Claude Code、Cursor 等）直接升级为能够自主执行 AI 研究全流程的得力助手。

我们的使命：弥合研究与工程的鸿沟

我们的目标是提供一个强大的“工程能力”中间层。通过这个库，您的 AI 智能体将不再只是一个代码生成器，而是能够理解并操作整个 AI 研究生命周期的专家。从准备数据集、选择模型架构、执行微调和后训练，到部署推理服务、进行评估和撰写论文，它都能为您提供精准、可靠的指导。

通往 AI 研究智能体之路

这个技能库包含了 82 项精心打磨的技能，横跨 20 个核心研究领域，确保了端到端的覆盖：

• 专业深度：每一项技能都针对特定的主流框架（如 Megatron-LM、vLLM、TRL、Axolotl 等）提供了深入、可直接用于生产的知识，而非泛泛而谈。
• 实战验证：所有文档均来源于官方代码库、真实的 GitHub Issues 以及经过生产环境考验的工作流，确保其可靠性和实用性。
• 质量优先：我们坚信“质量重于数量”。每项技能都包含详尽的代码示例、常见问题的故障排除指南以及完整的生产级工作流。

核心技能类别概览

技能库涵盖了 AI 研究的方方面面，包括但不限于：

• 模型开发：模型架构（LitGPT, Mamba）、微调（Axolotl, LLaMA-Factory）、后训练（TRL, OpenRLHF）、优化（FlashAttention, GPTQ）。
• 数据与评估：数据处理（NeMo Curator）、分词、评估（lm-eval-harness）。
• 部署与应用：推理（vLLM, TensorRT-LLM）、RAG（Chroma, FAISS）、多模态（CLIP, Whisper, Stable Diffusion）、智能体（LangChain, CrewAI）。
• 研究支撑：分布式训练（DeepSpeed, FSDP）、基础设施（Modal, SkyPilot）、MLOps（W&B, MLflow）、机理可解释性（TransformerLens）以及新兴技术（MoE, 长上下文）。

如何开始使用？

我们将集成过程设计得尽可能简单，只需一行命令即可为您的智能体注入专家级知识。

1. 一键交互式安装（推荐）

npx @orchestra-research/ai-research-skills

这个交互式安装程序会自动检测您已有的编程智能体（如 Claude Code），并将技能库安装到 ~/.orchestra/skills/ 目录下，同时为每个智能体创建符号链接。您可以选择完整安装、按类别安装或仅安装特定技能。

2. 通过 Claude Code 市场安装
如果您使用的是 Claude Code，也可以直接通过其插件市场安装特定类别的技能：

# 添加市场
/plugin marketplace add orchestra-research/AI-research-SKILLs

# 安装微调技能包
/plugin install fine-tuning@ai-research-skills

为什么选择这个技能库？

对于 AI 研究人员和工程师而言，时间是最宝贵的资源。这个开源技能库旨在将您从繁琐的工程细节中解放出来，让您能将精力重新聚焦于核心的科学假设和创新想法上。让您的 AI 智能体承担起“研究工程师”的角色，加速您的科研进程。

无论是复现一篇前沿论文，还是探索一个全新的研究方向，这个技能库都将成为您不可或缺的伙伴。立即尝试，开启您的 AI 研究自动化之旅吧！