better-dsh 0.2.4 → 0.2.5

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/mlops/mlops-training-unsloth.md

@@ -0,0 +1,98 @@
+---
+title: "Unsloth — Unsloth：2-5倍更快的 LoRA/QLoRA 微调，更少显存"
+sidebar_label: "Unsloth"
+description: "Unsloth：2-5倍更快的 LoRA/QLoRA 微调，更少显存"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Unsloth
+
+Unsloth：2-5倍更快的 LoRA/QLoRA 微调，更少显存。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/mlops/unsloth` 安装 |
+| 路径 | `optional-skills/mlops/training/unsloth` |
+| 版本 | `1.0.0` |
+| 作者 | Orchestra Research |
+| 许可证 | MIT |
+| 依赖项 | `unsloth`, `torch`, `transformers`, `trl`, `datasets`, `peft` |
+| 平台 | linux, macos |
+| 标签 | `Fine-Tuning`, `Unsloth`, `Fast Training`, `LoRA`, `QLoRA`, `Memory-Efficient`, `Optimization`, `Llama`, `Mistral`, `Gemma`, `Qwen` |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 skill 激活时 agent 所看到的指令内容。
+:::
+
+# Unsloth Skill
+
+基于官方文档生成的 unsloth 开发综合辅助。
+
+## 何时使用此 Skill
+
+以下情况应触发此 skill：
+- 使用 unsloth 进行开发
+- 询问 unsloth 功能或 API
+- 实现 unsloth 解决方案
+- 调试 unsloth 代码
+- 学习 unsloth 最佳实践
+
+## 快速参考
+
+### 常用模式
+
+*随着你使用此 skill，快速参考模式将逐步添加。*
+
+## 参考文件
+
+此 skill 在 `references/` 中包含完整文档：
+
+- **llms-txt.md** - Llms-Txt 文档
+
+需要详细信息时，使用 `view` 读取特定参考文件。
+
+## 使用此 Skill
+
+### 面向初学者
+从 getting_started 或 tutorials 参考文件入手，了解基础概念。
+
+### 针对特定功能
+使用相应分类的参考文件（api、guides 等）获取详细信息。
+
+### 获取代码示例
+上方快速参考部分包含从官方文档中提取的常用模式。
+
+## 资源
+
+### references/
+从官方来源提取的有组织文档，包含：
+- 详细说明
+- 带语言标注的代码示例
+- 原始文档链接
+- 便于快速导航的目录
+
+### scripts/
+在此添加用于常见自动化任务的辅助脚本。
+
+### assets/
+在此添加模板、样板代码或示例项目。
+
+## 说明
+
+- 此 skill 由官方文档自动生成
+- 参考文件保留了源文档的结构和示例
+- 代码示例包含语言检测以提供更好的语法高亮
+- 快速参考模式从文档中的常见用法示例中提取
+
+## 更新
+
+如需使用最新文档刷新此 skill：
+1. 使用相同配置重新运行爬取程序
+2. Skill 将以最新信息重新构建
+
+<!-- Trigger re-upload 1763621536 -->

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/mlops/mlops-whisper.md

@@ -0,0 +1,336 @@
+---
+title: "Whisper — OpenAI 的通用语音识别模型"
+sidebar_label: "Whisper"
+description: "OpenAI 的通用语音识别模型"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Whisper
+
+OpenAI 的通用语音识别模型。支持 99 种语言、转录、翻译为英语及语言识别。提供六种模型规格，从 tiny（3900 万参数）到 large（15.5 亿参数）。适用于语音转文字、播客转录或多语言音频处理。是鲁棒多语言 ASR（自动语音识别）的首选。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/mlops/whisper` 安装 |
+| 路径 | `optional-skills/mlops/whisper` |
+| 版本 | `1.0.0` |
+| 作者 | Orchestra Research |
+| 许可证 | MIT |
+| 依赖项 | `openai-whisper`, `transformers`, `torch` |
+| 平台 | linux, macos |
+| 标签 | `Whisper`, `Speech Recognition`, `ASR`, `Multimodal`, `Multilingual`, `OpenAI`, `Speech-To-Text`, `Transcription`, `Translation`, `Audio Processing` |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
+:::
+
+# Whisper - 鲁棒语音识别
+
+OpenAI 的多语言语音识别模型。
+
+## 何时使用 Whisper
+
+**适用场景：**
+- 语音转文字转录（99 种语言）
+- 播客/视频转录
+- 会议记录自动化
+- 翻译为英语
+- 嘈杂音频转录
+- 多语言音频处理
+
+**指标**：
+- **GitHub 72,900+ 星**
+- 支持 99 种语言
+- 基于 68 万小时音频训练
+- MIT 许可证
+
+**改用其他替代方案的情况**：
+- **AssemblyAI**：托管 API，支持说话人分离
+- **Deepgram**：实时流式 ASR
+- **Google Speech-to-Text**：基于云端
+
+## 快速开始
+
+### 安装
+
+```bash
+# Requires Python 3.8-3.11
+pip install -U openai-whisper
+
+# Requires ffmpeg
+# macOS: brew install ffmpeg
+# Ubuntu: sudo apt install ffmpeg
+# Windows: choco install ffmpeg
+```
+
+### 基本转录
+
+```python
+import whisper
+
+# Load model
+model = whisper.load_model("base")
+
+# Transcribe
+result = model.transcribe("audio.mp3")
+
+# Print text
+print(result["text"])
+
+# Access segments
+for segment in result["segments"]:
+    print(f"[{segment['start']:.2f}s - {segment['end']:.2f}s] {segment['text']}")
+```
+
+## 模型规格
+
+```python
+# Available models
+models = ["tiny", "base", "small", "medium", "large", "turbo"]
+
+# Load specific model
+model = whisper.load_model("turbo")  # Fastest, good quality
+```
+
+| 模型 | 参数量 | 仅英语 | 多语言 | 速度 | 显存 |
+|-------|------------|--------------|--------------|-------|------|
+| tiny | 39M | ✓ | ✓ | ~32x | ~1 GB |
+| base | 74M | ✓ | ✓ | ~16x | ~1 GB |
+| small | 244M | ✓ | ✓ | ~6x | ~2 GB |
+| medium | 769M | ✓ | ✓ | ~2x | ~5 GB |
+| large | 1550M | ✗ | ✓ | 1x | ~10 GB |
+| turbo | 809M | ✗ | ✓ | ~8x | ~6 GB |
+
+**推荐**：追求最佳速度/质量比使用 `turbo`，原型开发使用 `base`
+
+## 转录选项
+
+### 语言指定
+
+```python
+# Auto-detect language
+result = model.transcribe("audio.mp3")
+
+# Specify language (faster)
+result = model.transcribe("audio.mp3", language="en")
+
+# Supported: en, es, fr, de, it, pt, ru, ja, ko, zh, and 89 more
+```
+
+### 任务选择
+
+```python
+# Transcription (default)
+result = model.transcribe("audio.mp3", task="transcribe")
+
+# Translation to English
+result = model.transcribe("spanish.mp3", task="translate")
+# Input: Spanish audio → Output: English text
+```
+
+### 初始 prompt（提示词）
+
+```python
+# Improve accuracy with context
+result = model.transcribe(
+    "audio.mp3",
+    initial_prompt="This is a technical podcast about machine learning and AI."
+)
+
+# Helps with:
+# - Technical terms
+# - Proper nouns
+# - Domain-specific vocabulary
+```
+
+### 时间戳
+
+```python
+# Word-level timestamps
+result = model.transcribe("audio.mp3", word_timestamps=True)
+
+for segment in result["segments"]:
+    for word in segment["words"]:
+        print(f"{word['word']} ({word['start']:.2f}s - {word['end']:.2f}s)")
+```
+
+### 温度回退
+
+```python
+# Retry with different temperatures if confidence low
+result = model.transcribe(
+    "audio.mp3",
+    temperature=(0.0, 0.2, 0.4, 0.6, 0.8, 1.0)
+)
+```
+
+## 命令行用法
+
+```bash
+# Basic transcription
+whisper audio.mp3
+
+# Specify model
+whisper audio.mp3 --model turbo
+
+# Output formats
+whisper audio.mp3 --output_format txt     # Plain text
+whisper audio.mp3 --output_format srt     # Subtitles
+whisper audio.mp3 --output_format vtt     # WebVTT
+whisper audio.mp3 --output_format json    # JSON with timestamps
+
+# Language
+whisper audio.mp3 --language Spanish
+
+# Translation
+whisper spanish.mp3 --task translate
+```
+
+## 批量处理
+
+```python
+import os
+
+audio_files = ["file1.mp3", "file2.mp3", "file3.mp3"]
+
+for audio_file in audio_files:
+    print(f"Transcribing {audio_file}...")
+    result = model.transcribe(audio_file)
+
+    # Save to file
+    output_file = audio_file.replace(".mp3", ".txt")
+    with open(output_file, "w") as f:
+        f.write(result["text"])
+```
+
+## 实时转录
+
+```python
+# For streaming audio, use faster-whisper
+# pip install faster-whisper
+
+from faster_whisper import WhisperModel
+
+model = WhisperModel("base", device="cuda", compute_type="float16")
+
+# Transcribe with streaming
+segments, info = model.transcribe("audio.mp3", beam_size=5)
+
+for segment in segments:
+    print(f"[{segment.start:.2f}s -> {segment.end:.2f}s] {segment.text}")
+```
+
+## GPU 加速
+
+```python
+import whisper
+
+# Automatically uses GPU if available
+model = whisper.load_model("turbo")
+
+# Force CPU
+model = whisper.load_model("turbo", device="cpu")
+
+# Force GPU
+model = whisper.load_model("turbo", device="cuda")
+
+# 10-20× faster on GPU
+```
+
+## 与其他工具集成
+
+### 字幕生成
+
+```bash
+# Generate SRT subtitles
+whisper video.mp4 --output_format srt --language English
+
+# Output: video.srt
+```
+
+### 与 LangChain 集成
+
+```python
+from langchain.document_loaders import WhisperTranscriptionLoader
+
+loader = WhisperTranscriptionLoader(file_path="audio.mp3")
+docs = loader.load()
+
+# Use transcription in RAG
+from langchain_chroma import Chroma
+from langchain_openai import OpenAIEmbeddings
+
+vectorstore = Chroma.from_documents(docs, OpenAIEmbeddings())
+```
+
+### 从视频中提取音频
+
+```bash
+# Use ffmpeg to extract audio
+ffmpeg -i video.mp4 -vn -acodec pcm_s16le audio.wav
+
+# Then transcribe
+whisper audio.wav
+```
+
+## 最佳实践
+
+1. **使用 turbo 模型** — 英语场景下速度/质量最优
+2. **指定语言** — 比自动检测更快
+3. **添加初始 prompt** — 提升专业术语识别准确率
+4. **使用 GPU** — 速度提升 10–20 倍
+5. **批量处理** — 效率更高
+6. **转换为 WAV** — 兼容性更好
+7. **切分长音频** — 每段不超过 30 分钟
+8. **确认语言支持情况** — 不同语言质量有差异
+9. **使用 faster-whisper** — 比 openai-whisper 快 4 倍
+10. **监控显存** — 根据硬件配置选择模型规格
+
+## 性能
+
+| 模型 | 实时倍率（CPU） | 实时倍率（GPU） |
+|-------|------------------------|------------------------|
+| tiny | ~0.32 | ~0.01 |
+| base | ~0.16 | ~0.01 |
+| turbo | ~0.08 | ~0.01 |
+| large | ~1.0 | ~0.05 |
+
+*实时倍率：0.1 表示比实时速度快 10 倍*
+
+## 语言支持
+
+主要支持语言：
+- 英语（en）
+- 西班牙语（es）
+- 法语（fr）
+- 德语（de）
+- 意大利语（it）
+- 葡萄牙语（pt）
+- 俄语（ru）
+- 日语（ja）
+- 韩语（ko）
+- 中文（zh）
+
+完整列表：共 99 种语言
+
+## 局限性
+
+1. **幻觉问题** — 可能重复或生成不存在的文本
+2. **长音频准确率** — 超过 30 分钟后质量下降
+3. **说话人识别** — 不支持说话人分离
+4. **口音** — 质量因口音而异
+5. **背景噪音** — 可能影响准确率
+6. **实时延迟** — 不适合实时字幕场景
+
+## 资源
+
+- **GitHub**：https://github.com/openai/whisper ⭐ 72,900+
+- **论文**：https://arxiv.org/abs/2212.04356
+- **模型卡片**：https://github.com/openai/whisper/blob/main/model-card.md
+- **Colab**：可在仓库中获取
+- **许可证**：MIT

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/productivity/productivity-canvas.md

@@ -0,0 +1,114 @@
+---
+title: "Canvas — Canvas LMS 集成 — 使用 API token 认证获取已注册课程和作业"
+sidebar_label: "Canvas"
+description: "Canvas LMS 集成 — 使用 API token 认证获取已注册课程和作业"
+---
+
+{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
+
+# Canvas
+
+Canvas LMS 集成 — 使用 API token（令牌）认证获取已注册课程和作业。
+
+## Skill 元数据
+
+| | |
+|---|---|
+| 来源 | 可选 — 通过 `hermes skills install official/productivity/canvas` 安装 |
+| 路径 | `optional-skills/productivity/canvas` |
+| 版本 | `1.0.0` |
+| 作者 | community |
+| 许可证 | MIT |
+| 平台 | linux, macos, windows |
+| 标签 | `Canvas`, `LMS`, `Education`, `Courses`, `Assignments` |
+
+## 参考：完整 SKILL.md
+
+:::info
+以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 skill 激活时 agent 所看到的指令内容。
+:::
+
+# Canvas LMS — 课程与作业访问
+
+对 Canvas LMS 的只读访问，用于列出课程和作业。
+
+## 脚本
+
+- `scripts/canvas_api.py` — 用于 Canvas API 调用的 Python CLI
+
+## 配置
+
+1. 在浏览器中登录你的 Canvas 实例
+2. 进入 **Account → Settings**（点击个人头像，然后点击 Settings）
+3. 滚动到 **Approved Integrations**，点击 **+ New Access Token**
+4. 为 token 命名（例如 "Hermes Agent"），设置可选的过期时间，然后点击 **Generate Token**
+5. 复制 token 并添加到 `~/.hermes/.env`：
+
+```
+CANVAS_API_TOKEN=your_token_here
+CANVAS_BASE_URL=https://yourschool.instructure.com
+```
+
+base URL 即你登录 Canvas 后浏览器地址栏中显示的地址（末尾不加斜杠）。
+
+## 使用方法
+
+```bash
+CANVAS="python $HERMES_HOME/skills/productivity/canvas/scripts/canvas_api.py"
+
+# 列出所有已激活的课程
+$CANVAS list_courses --enrollment-state active
+
+# 列出所有课程（任意状态）
+$CANVAS list_courses
+
+# 列出指定课程的作业
+$CANVAS list_assignments 12345
+
+# 按截止日期排序列出作业
+$CANVAS list_assignments 12345 --order-by due_at
+```
+
+## 输出格式
+
+**list_courses** 返回：
+```json
+[{"id": 12345, "name": "Intro to CS", "course_code": "CS101", "workflow_state": "available", "start_at": "...", "end_at": "..."}]
+```
+
+**list_assignments** 返回：
+```json
+[{"id": 67890, "name": "Homework 1", "due_at": "2025-02-15T23:59:00Z", "points_possible": 100, "submission_types": ["online_upload"], "html_url": "...", "description": "...", "course_id": 12345}]
+```
+
+注意：作业描述截断为 500 个字符。`html_url` 字段链接到 Canvas 中完整的作业页面。
+
+## API 参考（curl）
+
+```bash
+# 列出课程
+curl -s -H "Authorization: Bearer $CANVAS_API_TOKEN" \
+  "$CANVAS_BASE_URL/api/v1/courses?enrollment_state=active&per_page=10"
+
+# 列出某课程的作业
+curl -s -H "Authorization: Bearer $CANVAS_API_TOKEN" \
+  "$CANVAS_BASE_URL/api/v1/courses/COURSE_ID/assignments?per_page=10&order_by=due_at"
+```
+
+Canvas 使用 `Link` 响应头进行分页。Python 脚本会自动处理分页。
+
+## 规则
+
+- 此 skill 为**只读** — 仅获取数据，不修改课程或作业
+- 首次使用时，运行 `$CANVAS list_courses` 验证认证 — 若返回 401 错误，请引导用户完成配置
+- Canvas 限速约为每 10 分钟 700 次请求；若触及限制，请检查 `X-Rate-Limit-Remaining` 响应头
+
+## 故障排查
+
+| 问题 | 解决方法 |
+|---------|-----|
+| 401 Unauthorized | Token 无效或已过期 — 在 Canvas Settings 中重新生成 |
+| 403 Forbidden | Token 无权访问此课程 |
+| 课程列表为空 | 尝试 `--enrollment-state active` 或省略该参数以查看所有状态 |
+| 机构错误 | 确认 `CANVAS_BASE_URL` 与浏览器中的地址一致 |
+| 超时错误 | 检查与 Canvas 实例的网络连接 |