AI 智能体技能、规则与提示词工具包

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求，变成一份完成的设计：发布动画、可点击的应用原型、可编辑的幻灯片、信息图，或一组小红书图片。可在多种智能体中使用。

buzz

block · 工具包

可自行托管的工作空间，人和 AI 智能体在同样的房间里协作，基于 Nostr 中继，把每个动作记录为签名事件。适合想自己运行中继的团队。

Pixel Art XL

nerijs · 工具包

一个用于 Stable Diffusion XL 的像素画风格附加模型，把文字提示词变成像素风图片，并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。

controlnet-openpose-sdxl-1.0

xinsir · 工具包

用人体姿势骨架图来控制 Stable Diffusion XL 图像中人物的姿势。适合想让人物按自己的设想站立或动作的画师和开发者。

Spark-X2.6-1.7B-Base

XHToken · 工具包

一个紧凑的 1.7B 语言模型，面向设备端使用，支持英文和中文，在编程、智能体任务和长上下文上有提升，并有三档可调的思考级别。适合在本地运行模型的开发者。

Stable Diffusion v1-5

stable-diffusion-v1-5 · 工具包

这个 860M 参数的潜在扩散模型根据文字提示词生成图像，可用于 diffusers、ComfyUI 等工具。适合想用经典开源 Stable Diffusion 检查点的研究人员和开发者。

stable-diffusion-inpainting

stable-diffusion-v1-5 · 工具包

用带额外遮罩输入的 Stable Diffusion 根据文字生成写实图像，并填充图片中被遮罩的区域，可用于 diffusers 或 AUTOMATIC1111。适合设计师、编辑和开发者。

Qwen2.5-7B-Instruct-AWQ

Qwen · 工具包

Qwen2.5-7B-Instruct 的 4 位 AWQ 版本，一个 7.6B 的聊天模型，能遵循指令、处理表格并返回 JSON。适合想要更小内存占用的强力聊天模型的开发者。

Primal VAE

ostris · 工具包

提供小型图像自编码器，把图片压成一两个潜变量通道，不需要缩放系数，再通过分块拼成 Flux 或 Stable Diffusion 的潜变量形状。适合搭建扩散模型的人。

MiniCPM-OCR 1.0 GGUF

openbmb · 工具包

把中英文文档（包括 PDF）解析成文本、表格和公式，提供给 llama.cpp 使用的 GGUF 文件。适合在自己机器上运行 MiniCPM-OCR 1.0 的人。

RealVisXL V5.0 GGUF

off-grid-ai · 工具包

用 stable-diffusion.cpp 加上 RealVisXL V5.0 的 GGUF 副本，在你自己的电脑上根据文字生成图片。适合想在本地生成图片、并在更轻或更高质量的文件之间选择的人。

Juggernaut XL v9 GGUF

off-grid-ai · 工具包

用 stable-diffusion.cpp 加上 Juggernaut XL v9 的 GGUF 副本，在你自己的电脑上根据文字生成图片。适合想在本地生成图片、并在更轻或更高质量的文件之间选择的人。

Octen-WebGR-0.6B

Octen · 工具包

把一条简短的搜索查询变成它最可能指向的网址，模型里自带一张含 3090 万个 URL 的表。适合想要小型自托管查找工具的开发者和研究人员。

DeepSeek-V4.1-Flash-1017-oQ4e-ngram-mtp

mlx-community · 工具包

DeepSeek-V4.1-Flash-1017 的混合精度 MLX 版本，把 Engram 表保留为 FP8。适合拥有数百 GB 内存、想用 MLX 工具运行该模型的人。

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。

Z-Image-Turbo-GGUF

leejet · 工具包

在配置不高的显卡上根据文字生成图片，使用为 stable-diffusion.cpp 做的 Z-Image-Turbo 量化文件。适合在自己电脑上运行图像模型的人。

InstantID

InstantX · 工具包

只用一张人脸照片和一段文字提示词，就能生成同一个人的新图片，并保持面部可辨认。适合用 Python 运行 Stable Diffusion XL 流程的开发者和创作者。

HiDream-I1-Full

HiDream-ai · 工具包

用一个 170 亿参数的开源模型从文字提示词生成图像，在模型卡的提示词遵循表格中名列前茅。适合有高性能 GPU 的设计师、营销人员和开发者。

Surya OCR 2.5

datalab-to · 工具包

用 689M 参数的模型读取文档图像中的文字，还能找出文本行、版面块和阅读顺序。适合把扫描件和照片变成文字和 HTML 表格的开发者。

Stable Diffusion v1.5 Archive

Comfy-Org · 工具包

为 ComfyUI 存档的 Stable Diffusion v1.5 检查点，把文字提示词变成图像，用于旧版本测试。包含原始文件和一个 FP16 副本。

Dolphin

ByteDance · 工具包

读取文档页面图像，按阅读顺序分两个阶段提取其中的文字、表格、公式和图表。一个紧凑的 398M 模型，适用于中文和英文文档。

MOSS-Image-SFT GGUF

axiomofmind · 工具包

MOSS-Image-SFT 扩散 Transformer 的非官方 GGUF 文件，有 Q8_0 和 Q4_K_S 两种，用 stable-diffusion.cpp 在本地做文字生成图像。需要另外准备 Qwen3.5-9B 编码器、分词器和 VAE。

OvisOCR2

ATH-MaaS · 工具包

文档解析模型：读取一页图像，按阅读顺序输出 Markdown，涵盖文字、公式和表格。约 0.8B 参数，通过 vLLM 运行。适合做文档数字化的开发者。

AE3-TL

APEXE3HQ · 工具包

找出数字版 PDF 页面上的每个表格，并逐个单元格重建，保留合并单元格、表头、标题和脚注。适合从报告、申报文件和论文中提取表格的团队。

Surya 2.5 GGUF

datalab-to · 工具包

从文档图像里读取文字、表格和版面，并以文字返回。这是 Surya 2.5 OCR 模型面向 llama.cpp 的 GGUF 版本，适合想在自己电脑上运行文档 OCR 的人。

一个随机挑选两个话题标签之一、请 OpenAI 写一条关于它的短推文，并把话题标签和推文作为一行新记录加进 Airtable 的 n8n 工作流。它不会往 X 上发任何东西。

一个归档发票的 n8n 工作流。它盯着一个 Google Drive 文件夹，把每个新文件交给 LlamaParse 读取，再由 OpenAI 模型取出明细行，Airtable 里得到一条发票记录和每个明细行各一条记录。

Falcon OCR

tiiuae · 工具包

用一个小型 270M 参数模型读取文档图片，返回文字、LaTeX 公式或 HTML 表格，支持扫描件、收据和手写内容。

MiniCPM-OCR Jev GGUF

openbmb · 工具包

为文本、公式和表格区域的 OCR 结果打 0 到 1 之间的质量分，提供给 llama.cpp 使用的 GGUF 文件。适合在自己机器上检查 OCR 结果的人。

Illustrious XL v2.0-STABLE

OnomaAIResearch · 工具包

根据文字提示词生成图像。这是 Illustrious XL v2 稍微更稳定的检查点，适合在作者网站或自己的环境里做图的人。

Kumo Relational

nvidia · 工具包

通过示例行和与之关联的表，预测表格行的类别或数值。适合处理关系型数据的数据科学家。

Primitive Operation Painter 2 1B

doubixz · 工具包

一个 1B 的绘画模型，根据中文提示词预测可编辑的矩形、椭圆等图元，而不是像素。这是给 Windows 原生 Primitive Painter 应用用的权重，不适用于 Transformers。

GLM-5.3-Flash-BF16

zai-org · 工具包

一个 320B 参数、激活 18B 的多模态模型，能读文字和图像，思考预算可调，用混合注意力设计处理长上下文。适合有像样 GPU 基础设施的团队。

sd-vae-ft-mse-original

stabilityai · 工具包

这个模型用一个经过微调的解码器替换 Stable Diffusion 里的自动编码器，让重建的图像更平滑，尤其是人脸。适合运行原版 CompVis Stable Diffusion 代码、想让解码图像更好的人。

Chandra OCR 2

datalab-to · 工具包

读取图片和 PDF 中的文字，返回保留页面布局的 markdown、HTML 或 JSON。能处理手写、表单、表格和数学公式，支持 90 多种语言，适合做文档数字化的人。

rakedoc-nano-2

cloudraker · 工具包

把文档页面图片解析成文字、表格和图表，并保留 markdown 格式。这是 1.2B 参数的模型，图表提取更好，适合构建文档流水线的开发者。

MOSS-Image-SFT-GGUF

unsloth · 工具包

用压缩的 GGUF 文件在 CPU、Mac 或 GPU 上运行 MOSS-Image 文生图模型，可通过 Unsloth Studio 或 stable-diffusion.cpp 使用。适合在自己电脑上生成图片的人。

Qwen3-Embedding-4B

Qwen · 工具包

把 100 多种语言的文字和代码变成向量，用于搜索、检索、分类和聚类，向量大小可调，还支持任务指令，适合构建搜索和 RAG 系统的开发者。

Animagine XL 4.0

cagliostrolab · 工具包

根据标签式文字提示词生成动漫风格图片，是在大型动漫数据集上重新训练的 Stable Diffusion XL 微调模型。适合使用 diffusers、ComfyUI 或 Stable Diffusion WebUI 的画师和开发者。

gpt-oss-20b-GGUF

unsloth · 工具包

在你自己的电脑上运行 OpenAI 开放权重的 gpt-oss-20b 推理模型，由 unsloth 打包成 GGUF 文件。适合想要本地模型、并能调节推理强度的开发者。

MiniCPM-OCR Jev

openbmb · 工具包

给文字、公式或表格区域的 OCR 结果打 0 到 1 的分，表示结果正确的可能性。适合自动接受可靠结果、把其余的送去复核或在多个 OCR 模型间择优的团队。

Qwen3.8-27B-pi

bytkim · 工具包

为 Pi 智能体框架调优的 27B 编程模型，训练它读取代码仓库、编辑文件、运行工具并利用工具的反馈，推理强度可调。适合运行编程智能体的开发者。

Spark-X2.6-1.7B

XHToken · 工具包

用面向本地设备的紧凑 1.7B 模型生成文本，有三档可调的思考等级。适合想在本地硬件上获得编程、智能体和长上下文帮助的开发者。

SenseNova 6.8 Code2Video

sensenova · 工具包

用 27B 模型生成并渲染可执行代码来制作短视频，该模型由 Qwen3.8-27B 微调而来。适合想根据提示词出视频草稿的动效设计师、教师和营销人员。

Juggernaut-XL-v9

RunDiffusion · 工具包

根据文字提示生成写实风格的图片，是 Stable Diffusion XL 的微调版本，模型卡说它能在 8 GB 显存上运行。适合想用现有 SDXL 工具得到照片风格效果的创作者。

SheetSage2

m-a-p · 工具包

把音乐录音转成可编辑的乐谱，包含旋律、和弦、节拍、调性和结构，输出 ABC 和 MIDI 文件以及带时间的标注。这是基于 MERT-v2-FullSong 的 57.2M 模型。许可证为非商业。

OvisOCR3

ATH-MaaS · 工具包

用一个 0.8B 模型读取文档图片，返回文字、结构化 JSON、带公式和表格的 Markdown、关键字段和图表说明。适合构建 OCR 和文档流程的开发者。

Spark-X2.6-1.7B-GGUF

XHToken · 工具包

以 4-bit GGUF 文件运行 XHToken 的 1.7B 小型端侧语言模型，可做中英文的聊天、编码和智能体任务，思考强度可调。适合在本地运行模型的人。

Qwen3-Embedding-8B

Qwen · 工具包

把文本变成向量，用于搜索、代码检索、分类和聚类，支持 100 多种语言。这是 Qwen 嵌入系列里的 8B 模型，向量大小可调，还支持任务指令。

Kumo Tabular

nvidia · 工具包

根据作为上下文给出的带标签示例行，预测新表格行的类别或数值。这是 NVIDIA 的预训练表格基础模型，用于分类和回归，适合开发者和数据团队。

GLM-OCR

zai-org · 工具包

读取文档图像中的文字、公式和表格，并从中提取结构化信息，支持八种语言。这是 zai-org 的小型 OCR 模型，面向开发者和文档处理流水线。

MiniCPM-OCR 1.0

openbmb · 工具包

OpenBMB 的 1.3B 模型，能读取英语和中文文档，解析文字、表格、公式、图表和印章，并提取关键字段。

gpt-oss-120b

openai · 工具包

OpenAI 的开放权重语言模型，117B 参数，可调推理强度，思维链可见并支持工具使用。能在一块 80 GB 的 GPU 上运行，采用 Apache 2.0 许可。

Nemotron 3.5 Parse

nvidia · 工具包

读取扫描件、PDF、幻灯片和表单的页面图像，返回其中的文字、表格、图表数据、阅读顺序和边框，输出为 Markdown、HTML 或 JSON。NVIDIA 推出的 631M 参数模型，面向开发者。

stable-diffusion-xl-base-1.0

stabilityai · 工具包

Stability AI 的 SDXL 基础模型，通过 diffusers 库根据文字提示词生成和编辑图片，可单独使用，也可搭配精修模型。

Qwen3.8-27B-FP8

Qwen · 工具包

用 Qwen3.8-27B 的 FP8 量化权重处理文字、图片和视频，它是带可调思考模式的 27B 稠密模型。适合用 transformers、vLLM 或 SGLang 部署它的开发者。

Xiaomi-OCR-0

xiaomi-research · 工具包

用 Xiaomi 的一个 0.8B OCR 模型解析文档，并回答关于图片中文字的问题，涵盖表格、公式和手写，适合构建 OCR 和文档工具的开发者。

MNN-Pocket-0.3B

taobao-mnn · 工具包

一个约 300M 参数、支持英文和中文的小型指令微调语言模型，与 MNN 推理栈一起设计，面向手机和平板运行。适合构建端侧助手的开发者。

JevalKit Leaderboard

Valen-Team · 工具包

一个交互式页面，用图表和可筛选的表格展示 JevalKit 的实测评估结果，支持模型对比和数据下载。适合挑选或研究模型的人。

MuseTalkDemo

TMElyralab · 工具包

TMElyralab 为 MuseTalk 模型做的 Docker 打包演示应用，附带 DWPose、一个 Stable Diffusion 自编码器和 ffmpeg 工具。适合想试用或研究 MuseTalk 搭建方式的开发者。

Hi3DGen

Stable-X · 工具包

用 Stable-X 的 trellis-normal 模型，从一张图片生成细节丰富的 3D 几何体。这是一个面向 3D 美术师、游戏开发者和研究者的 Gradio 应用，在 Hugging Face 上通过浏览器运行。

agentest Assurance Report Card

srinivaspadmanabhuni · 工具包

把 AI 智能体的提示词或记录下来的轨迹，对照一份公开的测试清单检查，并在浏览器里离线给出一份评估报告卡。适合想要可重复检查的智能体开发者和测试人员。

PixAI Tagger v1.0

pixai-labs · 工具包

在浏览器里给动漫图片加上描述性标签，分成六个类别，阈值可调。适合画师、数据集整理者和整理动漫图片的人。

StatePact Concurrency Playground

Mithun-2714 · 工具包

在浏览器里模拟共享可变状态的智能体如何冲突，提供五种隔离模式，让你亲眼看到超卖、丢失更新和写偏斜。

Music to MIDI

mason369 · 工具包

把音频文件转换成可编辑的 MIDI 或分离的 WAV 音轨，提供七种模式，包括多乐器和钢琴转写，适合音乐人和制作人。

Granite Vision Document Intelligence

ibm-granite · 工具包

在 Gradio 演示里用 IBM Granite Vision 和 Docling，从 PDF 和图片中提取摘要、CSV 数据、代码、表格和图片描述。

HAKARI-Bench Leaderboard

hakari-bench · 工具包

展示 HAKARI-Bench 的公开结果，这是一个轻量的多语言信息检索基准，带有表格、模型对比和筛选。适合挑选检索模型的研究者和工程师。

Wet-Ink

Freedomform · 工具包

在浏览器里用动画演示扩散语言模型的一种解码方法，你可以调整窗口大小，看标记保持可编辑还是被冻结。适合研究和学习语言模型解码的人。

Diffusers Image Outpaint

fffiloni · 工具包

在基于 Stable Diffusion XL 模型的 Gradio 应用里，把图片向边缘之外延伸并填上新内容，适合需要更大画布的人。

Seldon Demo

Neuralk-AI · 工具包

用 Seldon-Mini 模型对数据表的行做分类，并在同一份划分上与 AutoGluon 基线对比。可用示例表或你自己的 CSV。适合数据科学家和机器学习工程师。

Votepurchase Multiple Model (SD1.5/SDXL Text-to-Image)

John6666 · 工具包

在一个浏览器页面上，用多个 Stable Diffusion 1.5 和 SDXL 模型按文字提示词生成图片。适合想试用多个图像模型、又不想逐个搭建的人。

InstantID

InstantX · 工具包

一个围绕 InstantX/InstantID 模型搭建的 Gradio 演示，带有 Stable Diffusion XL 流水线、ControlNet 深度和边缘模型以及风格模板，可以在线运行，也可以在你的电脑上运行。

Open VLM Leaderboard

opencompass · 工具包

展示用 VLMEvalKit 工具包收集的视觉语言模型得分排行榜，有总榜，也有每个基准的单独表格。适合比较多模态模型的研究者和工程师。

Serverless ImgGen Hub

Nymbo · 工具包

用 Flux 和 Stable Diffusion 3.5 模型加风格 LoRA 根据文字提示词生成图片，你这边不需要 GPU。容易修改。适合艺术家、爱好者和开发者。

cognirank

dotlabs · 工具包

在静态网站上给小型 AI 模型的推理和编程基准成绩排名，带可排序的表格、图表和并排对比。适合挑选或研究小型模型的人。

一个 n8n 工作流，让 Supabase 表和 Notion 数据库保持一致。被编辑的页面会重新读取、切片并再次嵌入，聊天窗口根据已存的片段回答问题。

一个 n8n 工作流，把邮件变成 Notion 任务。加号地址在 Airtable 里选出一条路由，AI 写出任务标题、描述和摘要，页面落在这条路由的 Notion 数据库里。

一个 n8n 工作流，监视 Notion 数据库里的新页面。它读取每个页面，把文字切成片段，用 OpenAI 嵌入模型变成向量，再存进 Supabase 表。

一个 n8n 工作流，取 Notion 里日期是今天的那一行，让 OpenAI 整理它页面上的文字，再连同页面里的图片发到 LinkedIn。之后把这一行的状态设为 Done。

一个 n8n 工作流，每个工作日早上读取 Hugging Face 的每日论文列表，请 OpenAI 概括每篇摘要。每篇新论文在 Notion 里存成一行，已经在表里的论文会被跳过。

一个带上传表单的 n8n 工作流。AI 模型读取一张工具标志图，列出每个工具以及它的属性和相似工具，并存进两张互相链接的 Airtable 表。

一个 n8n 工作流，带一个聊天框和一个 AI 智能体，回答关于一张 Google 表格里客户表的问题。它通过三个小工具，只读取需要的列和行。

一个 n8n 工作流，让 Telegram 机器人为每个人保留记忆。它为每个新用户开一个 OpenAI 对话，把对话 id 存进 Supabase 表，之后每条消息都接着那段对话继续。

一个 n8n 工作流，让 AI Agent 为 Outlook 邮件设置类别和重要性，规则来自 Airtable，联系人来自 Monday.com。

一个 n8n 工作流，每周从 Umami 读取你网站的流量。OpenRouter 上的 AI 模型总结这些数据，并把热门页面和上周的做对比，两份说明再作为一行存进 Baserow 表格。

一个 n8n 工作流，每周从你自己的 SerpBear 服务器读取一个网站的关键词排名。OpenRouter 上的 AI 模型写出小结表和建议，答案再作为一行存进 Baserow 表格。

一个把 Hacker News 每月招聘帖变成职位清单的 n8n 工作流。它加载每条招聘信息，OpenAI 模型提取公司、职位、地点、薪资和链接，每条信息变成 Airtable 的一行。

一个根据照片填写调查表的 n8n 工作流。视觉模型描述每张照片，AI 智能体上网搜索给物体命名，答案再写回 Airtable 的那一行。

一个每天早上到 grants.gov 查看新 AI 资助的 n8n 工作流。OpenAI 模型为每个资助写摘要，并对照你的公司信息检查资格，结果存进 Airtable，稍后再把符合条件的资助做成摘要发邮件。

一个 n8n 工作流，把一个 Google Analytics 属性最近 7 天的数据同一年前的同样几天作比较。OpenAI 模型写出总结和一张表，每周一用邮件发出，并以纯文本发到 Telegram。

一个 n8n 工作流，从 Supabase 表里读公司名称和网址。AI Agent 打开每个网站，顺着链接往下找，返回社交媒体主页，再存进第二张表。

一个 n8n 工作流，从 Airtable 取一篇博客文章，让 OpenAI 写出四个场景的视频脚本，再用 Leonardo.ai 为每个场景和缩略图画一张 9:16 的图。图的链接进入素材表。

一个葡萄牙语的 n8n 聊天，用来比较企业健康保险方案。AI 助手把每位访客记在 Postgres 里，从 MySQL 表里找出最便宜的三个方案，还能调用两个网络 API。这是一个起步模板，数据要你自己填。

一个盯着 Airtable 编辑计划表新行的 n8n 工作流。一分钟后，OpenAI 智能体读取简介和你的背景资料，写出一条 Instagram 文案，存回同一行。

一个 n8n 工作流，用在每个字段的说明就是提示词的 Baserow 表上。给一行附上 PDF，OpenAI 聊天模型就填好每个还空着的、带说明的格子。改了字段，整列会重新填一遍。

一个 n8n 工作流，用在每个字段的说明就是提示词的 Airtable 表上。给一行附上 PDF，OpenAI 聊天模型就填好每个还空着的、带说明的格子。改了字段，整列会重新填一遍。

一个带 webhook 聊天入口和 OpenAI 智能体的 n8n 工作流。它列出你的 Search Console 资源，根据你的要求拼出查询，用你的 Google 登录调用 API，再用 Markdown 表格回答。

一个带聊天智能体的 n8n 工作流，用平常的话回答关于 Postgres 数据库（比如 Supabase 背后的那个）的问题。它读取表清单和每张表的列，写出 SQL，并通过三个 Postgres 工具运行。

一个 n8n 工作流：读取 Supabase 存储桶里的 PDF 和文本文件，把文字作为 OpenAI 向量存进 Supabase 的表，再给你一个能据此回答的聊天智能体。

ClickHouse Agent Skills（ClickHouse 官方智能体技能包）

ClickHouse · 技能

ClickHouse 官方为编程智能体做的技能包。它们按成文规则检查表设计和查询，给出架构建议，排查 Node.js 客户端的错误，在 Python 里运行 chdb，并用 clickhousectl 搭建 ClickHouse 和 Postgres。