メニュー
通过 inference.sh CLI 进行 Web 搜索和内容提取，支持 Tavily 和 Exa。功能：AI 搜索、内容提取、直接回答、研究。用于：研究、RAG 管道、事实核查、内容聚合、agents。触发词：web search、tavily、exa、search api、content extraction、research、internet search、ai search、search assistant、web scraping、rag。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
LLM 微调专家。使用场景：微调 LLMs、训练自定义模型、适配基础模型进行特定任务。用于配置 LoRA/QLoRA 适配器、准备 JSONL 训练数据集、设置超参数、适配器训练、迁移学习、Hugging Face PEFT 微调、指令微调、RLHF、DPO 或量化部署微调模型。触发词：LoRA、QLoRA、PEFT、微调、适配器调优、LLM 训练、模型训练、自定义模型。
深度研究工具。仅在用户明确说'深度研究'、'深入调查'、'全面报告'时使用。比普通搜索慢 10-100 倍。对于普通研究/查找请求，使用 parallel-web-search。支持多轮：传递 --previous-interaction-id 以继续之前的上下文。
AI 模型提示工程指南：LLM、图像生成器、视频模型。技术：思维链、少样本、系统提示、负提示。模型：Claude、GPT-4、Gemini、FLUX、Veo、Stable Diffusion 提示。用于：更好的 AI 输出、一致的结果、复杂任务、优化。触发词：提示工程、如何提示、更好的提示、提示技巧、提示指南、LLM 提示、图像提示、AI 提示、提示优化、提示模板、提示结构、有效提示、提示技术。
RAG（检索增强生成）模式专家。用于构建 RAG 管道、嵌入文档、实现混合搜索、上下文检索、HyDE、Agentic RAG、多模态 RAG、查询分解、重排或 pgvector 搜索。触发词：RAG、检索、LLM、上下文、嵌入、HyDE、重排、pgvector、多模态。
Apache Spark 作业优化：分区策略、缓存、shuffle 优化和内存调优。用于提升 Spark 性能、调试慢作业或扩展数据处理管道。触发词：Spark、性能优化、分区、缓存、shuffle、数据倾斜。
Web 研究工具：搜索多个来源、综合发现并生成带引用的研究报告。用于用户要求在线研究主题、搜索网页、查找信息、获取最新信息、对比选项或生成研究报告。触发词：研究、网上搜索、查找信息、最新信息、对比选项、研究报告。
| name | web-search |
| description | 通过 inference.sh CLI 进行 Web 搜索和内容提取，支持 Tavily 和 Exa。功能：AI 搜索、内容提取、直接回答、研究。用于：研究、RAG 管道、事实核查、内容聚合、agents。触发词：web search、tavily、exa、search api、content extraction、research、internet search、ai search、search assistant、web scraping、rag。 |
通过 inference.sh CLI 进行 Web 搜索和内容提取。
需要 inference.sh CLI (infsh)。安装说明
infsh login
| 应用 | App ID | 说明 |
|---|---|---|
| Search Assistant | tavily/search-assistant | AI 驱动的搜索和回答 |
| Extract | tavily/extract | 从 URL 提取内容 |
| 应用 | App ID | 说明 |
|---|---|---|
| Search | exa/search | 智能 Web 搜索 |
| Answer | exa/answer | 直接的事实回答 |
| Extract | exa/extract | 提取和分析 Web 内容 |
infsh app run tavily/search-assistant --input '{"query": "2024年最新AI发展"}'
返回 AI 生成的答案，带来源和图片。
infsh app run tavily/extract --input '{"urls": ["https://example.com/article1"]}'
从多个 URL 提取干净的文本和图片。
infsh app run exa/search --input '{"query": "机器学习框架对比"}'
返回带上下文的高度相关内容链接。
infsh app run exa/answer --input '{"question": "东京的人口是多少？"}'
返回直接的事实答案。
# 1. 搜索信息
infsh app run tavily/search-assistant --input '{"query": "量子计算最新进展"}' > search_results.json
# 2. 用 Claude 分析
infsh app run openrouter/claude-sonnet-45 --input '{"prompt": "基于这个研究，总结关键趋势: <search-results>"}'
# 1. 从 URL 提取内容
infsh app run tavily/extract --input '{"urls": ["https://example.com/long-article"]}' > content.json
# 2. 用 LLM 总结
infsh app run openrouter/claude-haiku-45 --input '{"prompt": "用3个要点总结这篇文章: <content>"}'
# 全部平台 skill（250+ 应用）
cp -r inference-sh/skills "$HOME/.claude/skills/"
# LLM 模型（结合搜索用于 RAG）
# 结合搜索用于 RAG
# 图片生成
浏览所有应用：infsh app list