开发者 AI 技能与智能体

ControlNet v1.1 depth (SD 1.5)

lllyasviel · 工具包

用深度图引导 Stable Diffusion 1.5，让生成的图像保持原图的布局。这是 diffusers 格式的 ControlNet v1.1，适合想控制构图的艺术家和开发者。

Granite-Docling-258M

ibm-granite · 工具包

把文档页面图像转换成结构化文本，支持公式、版面和关于页面元素的提问，是 IBM Research 的 258M 模型。适合用 Docling 构建文档转换的人。

Koharu Layout HighRes

mayocream · 工具包

检测漫画页面上的文字、拟声词、对话气泡和分格，返回框和掩码。适合用 Koharu 应用开发漫画翻译和清理工具的人。

SpatialLM1.1-Qwen-0.5B

manycore-research · 工具包

读取 3D 点云并写出结构化的场景布局，包含墙、门、窗和带标签的物体框。适合从事机器人、导航和 3D 场景理解的研究人员和开发者。

FLUX 3 Image Klein Prompt Upsampler

black-forest-labs · 工具包

一个 9B 模型，把简短的图像请求、最多 10 张参考图和可选的边界框，变成一条给 FLUX 3 Image Klein 用的详细提示词。适用于编辑、文生图和布局工作。

Bill Information Extraction

Theivaprakasham · 工具包

一个用在 sroie 上微调的 LayoutLMv3 模型，从账单或收据图片里提取信息的 Gradio 应用。适合想在浏览器里试用文档信息提取的开发者和学生。

Document Layout Detection

Theivaprakasham · 工具包

一个检测文档页面图片版式的 Gradio 应用，附带两张示例页面。适合想在浏览器里试用版式检测的开发者和学生。

Typhoon OCR V2 0.8B

typhoon-ai · 工具包

用 0.8B 参数把泰语和英语文档页面解析成按顺序排列的版面元素，带类别、边框和文字。适合要把泰语文件数字化的开发者。

MOSS-Image-Base

OpenMOSS-Team · 工具包

用一个 5.1B 的文生图模型根据文字生成图片，可以用普通提示词、标签序列或 JSON 布局来安排文字和物体。适合有 NVIDIA 显卡的开发者和设计师。

MOSS-Image-SFT

OpenMOSS-Team · 工具包

OpenMOSS 的文生图模型，由 MOSS-Image-Base 微调而来，可以读取普通提示词、标签或 JSON 布局来摆放文字和物体，适合在 NVIDIA GPU 上用 diffusers 生成图片的人。

SwiftUI Expert Skill（SwiftUI 专家技能）

AvdLee · 技能

Antoine van der Lee 做的免费技能，用来在 iOS 和 macOS 上编写、审查和重构 SwiftUI 代码。它涵盖状态、布局、性能、列表、动画、Liquid Glass 和 API 迁移，还能在 Mac 上录制和读取 Instruments 跟踪记录。

Disc Image Studio

JiaFeiMiao-K-Cat · 工具包

用于在 CD、DVD 和蓝光光盘表面生成并刻录自定义图像。它允许你将图片转换为与标准光驱兼容的物理布局，从而在光盘上雕刻出可见图案。

UI UX Pro Max

nextlevelbuilder · 技能

根据特定的项目需求和行业标准，生成量身定制的设计系统，包括配色方案、字体搭配及布局模式。它能辅助开发者在各类平台上创建专业的界面。

RAGFlow 检索增强生成引擎

infiniflow · 工具包

InfiniFlow 的开源 RAG 引擎，带智能体功能。你把文档载入数据集，RAGFlow 读出版面、文字和表格，聊天时给出带引用的回答。安装说明覆盖 Docker、源码构建、本地模型、MCP 和 API。

Interfaces：用于构建 UI 的智能体技能

jakubkrehel · 技能

Jakub Krehel 为界面工作整理的一组智能体技能：审查并修复无障碍、布局、排版、色彩、UI 细节和界面文案上的问题，还提供审查 PR（拉取请求）和给组件做压力测试的命令。