> Lifestyle _

{Что этот навык обучает агентов}

{Что этот навык обучает агентов}

{Что этот навык обучает агентов}

{чему этот навык учит агентов}

Краткое описание того, что делает этот навык и когда его следует использовать.

Скилл генерирует пользовательские интерфейсы на основе открытого исходного кода, выходящие за рамки простого текста. Он обучает AI-агентов создавать визуальные, интерактивные и образовательные ответы, фокусируясь на демонстрации, а не на простом перечислении фактов. Скилл акцентирует важность визуализации сложных концепций через интерактивные диаграммы и виджеты, а также использование рабочих примеров для лучшего усвоения материала. Скилл использует дерево решений для определения формата ответа. Если вопрос требует быстрого фактического ответа, предоставляется краткий ответ (1-2 предложения). В противном случае, при запросе объяснения принципов работы, оценивается необходимость визуализации. Если концепция имеет пространственную или визуальную составляющую, приоритет отдается созданию интерактивной диаграммы или виджета, позволяющего пользователю исследовать концепцию самостоятельно. Скилл использует Python для генерации интерактивных элементов. В качестве основы для визуализации применяются библиотеки для создания диаграмм и интерактивных виджетов. Скилл интегрируется с существующими AI-агентами, предоставляя им набор навыков для создания более эффективных и понятных ответов. Акцент делается на практическое применение и интерактивное обучение, а не на теоретическое изложение.

Инструмент BioMed Skill Router определяет наиболее подходящий навык для решения биомедицинской задачи, сопоставляя запрос пользователя с доступными компетенциями. Ориентирован на помощь пользователям, не знающим, какой навык применить для конкретной задачи. BioMed Skill Router анализирует текстовый запрос пользователя, выявляя намерение и доступные данные. Алгоритм сопоставляет полученную информацию с возможностями существующих навыков, определяя наиболее релевантный вариант. Поддерживает обнаружение цели пользователя и идентификацию входных данных. В основе работы – Python, Natural Language Processing и Machine Learning. Используются методы AI для понимания запросов. Интегрирован с платформой MolCraft. Ключевые функции: рекомендация навыков, распознавание намерения, идентификация входных данных.

Используйте эту функцию при работе с символьной математикой в Python. Эта функция должна применяться для задач символьных вычислений, включая решение уравнений алгебраически, выполнение операций исчисления (производные, интегралы, пределы), манипулирование алгебраическими выражениями, работу с матрицами в символьном виде, физические расчеты, задачи теории чисел, геометрические вычисления и генерацию исполняемого кода из математических выражений. Применяйте эту функцию, когда пользователю требуются точные символьные результаты, а не числовые приближения, или при работе с математическими формулами, содержащими переменные и параметры.

Используйте эту стратегию при ведении переговоров о выживании после военного поражения. Основана на подходе Гоцзяня из царства Юэ в битве при Куайцзи: предлагайте смиренное подчинение, привлекайте опытных переговорщиков, таких как Чжун, подкупайте коррумпированных чиновников вражеской стороны (как описано в "Записках о Тай Цзай Пи"), и используйте правдоподобные угрозы взаимного уничтожения, чтобы добиться принятия ваших условий.

Решение search-restaurants позволяет быстро и эффективно находить информацию о ресторанах в заданном городе. Оно решает проблему ручного поиска и сбора данных о заведениях общественного питания, предоставляя структурированную информацию для дальнейшей обработки и анализа. Инструмент разработан с использованием Python, Pandas и предполагает взаимодействие с внешними API. Search-restaurants – это удобный инструмент разработчика для автоматизации сбора данных о ресторанах. Простой Python интерфейс позволяет легко интегрировать функциональность поиска в существующие приложения и рабочие процессы. Ключевые возможности включают поиск ресторанов по городу, получение и обработку данных, а также их структурированное представление. Данное open-source решение обеспечивает гибкость и масштабируемость для различных задач, связанных с анализом ресторанного бизнеса. Функциональность автоматизации позволяет существенно сократить время и ресурсы, необходимые для получения актуальной информации о заведениях общественного питания.

Проект описывает процесс формирования кадрового резерва для государственных должностей, основанный на компетентности, а не на личных связях. Он использует Process Documentation и Governance Framework для структурирования оценки кандидатов. Ключевые особенности включают в себя оценку по заслугам, прозрачность отбора и проверку на конфликты интересов, что способствует объективности. Ethics Guidelines и четкие критерии оценки минимизируют субъективность и обеспечивают соответствие принципам меритократии. Этот инструмент разработчика автоматизирует часть процесса, используя Decision Making алгоритмы для ранжирования кандидатов на основе заданных критериев. Он позволяет объективно сравнивать кандидатов, учитывая их опыт, навыки и репутацию. Использование open-source решение обеспечивает доступность и возможность адаптации под конкретные нужды. В основе лежит система оценки, разработанная с использованием принципов NLP для анализа резюме и рекомендаций. API интеграция позволяет подключать внешние источники данных для более полной оценки компетенций. Это способствует повышению эффективности и справедливости процесса отбора.

Четкое описание того, что делает этот навык и когда его следует использовать. Включите ключевые слова-триггеры и контексты непосредственно в текст, например: "Используйте, когда пользователь хочет X, Y или Z."

Разбирает задачу, сформулированную естественным языком, для извлечения конкретных подцелей и необходимых объектов. Активируйте эту функцию при назначении новой задачи, чтобы разбить сложные инструкции на четкие, последовательные этапы. Она интерпретирует фразы, такие как "посмотри на X под Y", чтобы определить целевые объекты (подушка), опорные объекты (настольная лампа) и пространственные отношения (под).

Выполняет первоначальный осмотр помещения для идентификации всех видимых объектов, контейнеров, устройств и их состояний, используя действие "осмотреть". Используйте эту функцию при первом входе в новое место, когда необходимо обновить свое представление об окружающей обстановке, или когда необходимо определить доступные ресурсы перед планированием последовательности действий. Возвращает подробное описание, которое служит основой для последующих задач.

alfworld-receptacle-operator – это open-source решение, позволяющее AI агентам эффективно взаимодействовать с закрытыми контейнерами, такими как холодильники и микроволновые печи. Модуль решает проблему доступа и защиты содержимого, обеспечивая выполнение задач, требующих манипуляций с этими объектами. Он предоставляет инструмент разработчика для создания более реалистичных и функциональных виртуальных помощников. Ключевые особенности модуля включают проверку состояния контейнера, выбор действия на основе цели и автоматическое выполнение операций открытия/закрытия. Логика работы основана на анализе текущего состояния (Knowledge Graph) и выборе оптимального действия, например, open {recep} или close {recep}, в зависимости от поставленной задачи. Используются технологии Natural Language Processing и AI Agents для интерпретации запросов и управления действиями. alfworld-receptacle-operator обеспечивает автоматизацию рутинных действий, связанных с доступом к контейнерам, что упрощает разработку и интеграцию навыков в Skillnet и другие системы. Модуль написан на Python и предназначен для повышения эффективности и реалистичности взаимодействия AI агентов с виртуальной средой.

Навык alfworld-receptacle-preparer решает задачу подготовки контейнера к размещению объекта. Скилл ориентирован на автоматизацию действий, необходимых для обеспечения доступности целевого контейнера перед выполнением основной задачи (например, "положить X в Y"). Скилл начинает с перемещения к целевому контейнеру с использованием команды go to {target_receptacle}. Далее, на основе анализа наблюдения окружающей среды, определяется состояние контейнера. Если контейнер доступен (например, "На мусорном ведре 1 вы видите cd 1"), подготовка завершена. В противном случае, скилл применяет действия open {recep} или toggle {obj} {recep} для открытия или освобождения контейнера. В основе работы скилла – использование Python, AI Agents и Knowledge Graph. Применяется Natural Language Processing для интерпретации наблюдений. Ключевые особенности: анализ состояния контейнера, автоматизированные подготовительные действия и принятие решений на основе наблюдений.

scienceworld-container-transfer – это open-source решение, позволяющее автоматизировать перенос веществ между контейнерами, что критически важно для множества научных процессов и экспериментов. Модуль решает проблему ручного переноса, повышая эффективность и точность выполнения задач, требующих манипуляций с материалами. Предназначенный как инструмент разработчика, scienceworld-container-transfer использует Python, обработку естественного языка, графы знаний и AI Agents для идентификации контейнеров, определения веществ и проверки успешности переноса. Ключевые функции включают распознавание контейнеров, выполнение переноса и подтверждение факта перемещения содержимого. Благодаря встроенной автоматизации процесса, модуль позволяет значительно сократить время и минимизировать ошибки при подготовке материалов к нагреву, смешиванию или измерению. Он обеспечивает последовательное выполнение действий, таких как поиск нужных объектов, выполнение переноса (move OBJ to OBJ) и визуальная проверка результата (look at).

Навык scienceworld-liquid-filler решает задачу заполнения целевой емкости жидкостью из источника. Скилл активируется при наличии емкости (пустой или частично заполненной) и необходимости добавления жидкого компонента. Требуется наличие в инвентаре целевой емкости и идентификация источника жидкости (раковина, кувшин, унитаз). Навык выполняет последовательность действий: перемещение целевой емкости к источнику жидкости (команда move to), активация источника для начала потока (команда activate). Определение точного объема жидкости, необходимого для заполнения, происходит автоматически на основе размеров емкости. Позиционирование и активация происходят последовательно, обеспечивая контролируемый процесс наполнения. Ключевые элементы: использование команд move to и activate для взаимодействия с окружением. Автоматическое определение требуемого объема жидкости. Зависимость от наличия и идентификации как целевой емкости, так и функционального источника жидкости. Не требует явного указания типа жидкости.

scienceworld-instruction-reader – это open-source решение, предназначенное для извлечения ключевой информации из текстовых документов, таких как рецепты и инструкции. Модуль решает проблему необходимости автоматизированного анализа и понимания последовательностей действий, что критически важно для выполнения задач, требующих следования инструкциям. В основе работы лежат методы обработки естественного языка и большие языковые модели. Этот инструмент разработчика позволяет автоматически определять цели, необходимые компоненты и последовательные шаги из предоставленного документа. Извлеченные данные структурированы для последующего использования в системах планирования и исполнения задач, обеспечивая более эффективное и точное выполнение процедур. Поддерживаемые форматы документов включают рецепты, заметки и другие текстовые инструкции. scienceworld-instruction-reader обеспечивает автоматизацию процессов, связанных с интерпретацией инструкций, значительно сокращая время и усилия, необходимые для ручного анализа. Технологический стек включает Python, методы обработки естественного языка, графы знаний и большие языковые модели для надежного и точного извлечения информации.

Утилита scienceworld-device-activator решает проблему ручной активации и контроля устройств в смоделированной среде, обеспечивая надежное выполнение задач и корректную работу. Это open-source решение, предназначенное для упрощения и ускорения процесса подготовки устройств к работе. Инструмент разработчика предоставляет структурированный рабочий процесс, включающий проверку содержимого, подтверждение состояния устройства (например, "выключено" или "деактивировано"), активацию с помощью команды activate и последующую верификацию успешной активации. Поддерживаются функции мониторинга состояния, позволяющие отслеживать прогресс выполнения задач. Функциональность scienceworld-device-activator основана на автоматизации повторяющихся действий, таких как активация и деактивация устройств, с возможностью использования измерительных инструментов для контроля параметров процесса (например, use thermometer on). В основе лежат технологии Python, обработки естественного языка, графа знаний и AI Agents.

scienceworld-recipe-retriever – это open-source решение, разработанное для автоматизации процесса поиска и сохранения рецептов или инструкций в среде AI Agents. Модуль позволяет агентам находить необходимые документы и добавлять их в инвентарь для последующего использования, решая проблему доступа к информации при выполнении процедурных задач. Данный инструмент разработчика использует Python, методы обработки естественного языка и графы знаний для идентификации и извлечения рецептов, представленных в виде текстовых документов. Ключевые функции включают в себя локализацию рецептов, управление инвентарем и выполнение последовательных задач, необходимых для их получения. Модуль scienceworld-recipe-retriever предназначен для интеграции в системы, где требуется автоматизированный сбор и организация информации, например, при моделировании кулинарных процессов или других процедурных операций. Он обеспечивает эффективный способ предоставления агентам доступа к необходимым инструкциям.

scienceworld-substance-fetcher – это open-source решение, разработанное для автоматизации процесса поиска и извлечения веществ в смоделированной среде. Инструмент решает проблему ручного поиска и получения конкретных ингредиентов, что особенно актуально при имитации задач, связанных с кулинарным искусством. Инструмент разработчика использует Python, AI Agents и Knowledge Graph для эффективного выполнения задач. Он включает в себя автоматизированный поиск веществ, навигацию по комнатам с использованием телепортации, детальное изучение контейнеров для идентификации содержимого и приоритизацию действий для оптимизации процесса. Функциональность охватывает идентификацию целевого вещества по названию, стратегический поиск в различных комнатах, детальный осмотр контейнеров (холодильник, шкаф, стол, ящик) и выполнение действий по извлечению (подбор, перемещение). В основе лежит логика, основанная на анализе описаний комнат и содержимого контейнеров с использованием Natural Language Processing и OpenKG. scienceworld-substance-fetcher – это open-source решение, разработанное для автоматизации процесса поиска и извлечения веществ в смоделированной среде. Инструмент решает проблему ручного поиска и получения конкретных ингредиентов, что особенно актуально при имитации задач, связанных с кулинарным искусством. Инструмент разработчика использует Python, AI Agents и Knowledge Graph для эффективного выполнения задач. Он включает в себя автоматизированный поиск веществ, навигацию по комнатам с использованием телепортации, детальное изучение контейнеров для идентификации содержимого и приоритизацию действий для оптимизации процесса. Функциональность охватывает идентификацию целевого вещества по названию, стратегический поиск в различных комнатах, детальный осмотр контейнеров (холодильник, шка

Scienceworld-liquid-pourer решает задачу точной симуляции переливания жидкостей, часто необходимую в кулинарии и химических процессах. Этот инструмент разработчика позволяет автоматизировать рутинные действия, связанные с переливанием, и служит важным этапом перед смешиванием или дальнейшей обработкой ингредиентов. Реализация основана на Python, использует Knowledge Graph для идентификации объектов и AI Agents для точного выполнения действий. Модуль обеспечивает реалистичную симуляцию переливания, используя точное распознавание объектов и интегрируясь с другими навыками, такими как смешивание. Ключевая функциональность включает в себя действия pour OBJ into OBJ с использованием идентификаторов объектов, а также проверку успешности переливания с помощью look at OBJ. Это open-source решение предоставляет основу для создания более сложных сценариев. Благодаря использованию Natural Language Processing и Skillnet, Scienceworld-liquid-pourer позволяет значительно повысить эффективность и точность процессов, требующих переливания жидкостей. Функциональность автоматизации позволяет разработчикам создавать сложные последовательности действий, имитирующие реальные процессы.

Scienceworld-circuit-connector – это open-source решение, позволяющее эффективно моделировать и анализировать электрические соединения между компонентами. Инструмент решает проблему создания и проверки работоспособности цепей для различных задач, от тестирования материалов до интеграции датчиков и источников питания. Он предоставляет разработчикам возможность быстро создавать и оценивать схемы, экономя время и ресурсы. В основе работы инструмента разработчика лежит автоматизированная проверка логики цепи и наблюдение за состоянием соединений. Функциональность включает в себя выполнение команды подключения (connect OBJ to OBJ), идентификацию компонентов и их терминалов, а также верификацию правильности построения цепи. Поддерживается работа с различными типами компонентов, такими как батареи, провода, датчики и неизвестные вещества. Использование Scienceworld-circuit-connector обеспечивает автоматизацию процесса сборки и тестирования электрических цепей. Синтаксис команды connect прост и интуитивно понятен, что позволяет быстро создавать сложные схемы и экспериментировать с различными конфигурациями. Технологии, лежащие в основе инструмента, включают обработку естественного языка, графы знаний и Python.

Автоматизация настройки нагревательного оборудования – ключевая задача для проведения научных экспериментов, связанных с плавлением, кипением или нагревом веществ. Python-скрипт setup_heater.py обеспечивает надежное выполнение последовательности действий, включая выбор подходящей емкости и активацию нагревательного устройства. Это инструмент разработчика для упрощения и ускорения подготовки к экспериментам. Решение использует AI Agents и Knowledge Graph для определения необходимых параметров, таких как выбор контейнера на основе свойств нагреваемого вещества. Skillnet позволяет интегрировать эту функцию в более сложные рабочие процессы, обеспечивая гибкость и масштабируемость. Автоматизация минимизирует ошибки и повышает воспроизводимость результатов. Предлагаемое open-source решение позволяет автоматизировать установку нагревательного оборудования, начиная от размещения подготовленной емкости на нагревательном элементе и заканчивая активацией устройства. Процедура включает проверку корректности установки, что гарантирует безопасность и точность эксперимента.

ScienceWorld Mixture Creator – это open-source решение, предназначенное для упрощения и систематизации процесса создания химических смесей. Инструмент решает проблему ручного и потенциально ошибочного смешивания компонентов, предоставляя структурированный подход, основанный на последовательности действий: проверка, смешивание, подтверждение результата. Инструмент разработчика включает в себя пошаговую процедуру смешивания, систему проверки ингредиентов и справочные рецепты для наиболее распространенных химических соединений. Использование Python, Natural Language Processing и Knowledge Graph позволяет автоматизировать процесс и минимизировать человеческий фактор. Функциональность автоматизации позволяет пользователям быстро и безопасно создавать смеси, следуя четко определенным инструкциям и используя готовые рецепты. Подробная документация и примеры использования (например, создание соленой воды) обеспечивают простоту освоения и эффективное применение инструмента.

Scienceworld Circuit Builder предлагает open-source решение для моделирования и тестирования простых электрических цепей. Инструмент позволяет пользователям последовательно создавать схемы, отслеживая этапы подключения компонентов и проверяя проводимость целевого объекта, например, металлической посуды. Это особенно полезно для начинающих, желающих понять принципы работы электрических цепей. Инструмент разработчика Scienceworld Circuit Builder использует Python, AI Agents и Knowledge Graph для предоставления пошаговых инструкций и рекомендаций по соединению компонентов. Процесс включает в себя размещение целевого объекта, подключение источника питания и проводов, а также оценку проводимости с использованием различных tag-ов, таких как синие и оранжевые коробки. Scienceworld Circuit Builder обеспечивает автоматизацию процесса создания цепей, упрощая тестирование проводимости и снижая вероятность ошибок. Функциональность включает в себя пошаговые инструкции, навигацию по компонентам и проверку проводимости, что делает его эффективным средством обучения и экспериментов.

1. Проблема Устали от ручного управления инструментами в ALFWorld? Этот skill автоматизирует взаимодействие агента с объектами, требующими использования инструментов. Он решает задачу создания, оценки и соединения skill для выполнения сложных действий. 2. Механика работы Навык-помощник анализирует задачу, чтобы определить необходимые компоненты. Сначала он извлекает: целевой объект (например, knife 1), требуемый инструмент (например, sinkbasin 1) и тип взаимодействия (например, clean). Если объект отсутствует в инвентаре, навык генерирует команду для его получения: take {object} from {receptacle}. Затем он перемещает агента к инструменту, который обычно является стационарным устройством. После этого навык применяет инструмент к объекту, используя правильный синтаксис действия. Например, для очистки ножа в раковине, он генерирует последовательность действий, включающую перемещение к раковине и выполнение команды очистки. Этот процесс повторяется для каждого действия, требующего использования инструмента. 3. Технологии и интеграция Этот skill работает в среде ALFWorld. Он использует парсинг задач для определения требований. В процессе работы он генерирует команды для навигации и манипулирования объектами. Взаимодействие с объектами осуществляется через стандартные команды ALFWorld, такие как take, use, clean, heat, cool, examine. Навык не требует специфических интеграций, так как он использует существующие механизмы ALFWorld для выполнения действий. Он разработан для гибкости и адаптации к различным сценариям использования.

Этот навык помогает шифровать и дешифровать сообщения с использованием шифра ROT13. Используйте, когда пользователь просит "зашифровать" или "дешифровать" сообщение.

Текстура для создания "книжек-флипбуков" (анимаций, создаваемых путем последовательного отображения изображений) для спрайтовых листов.