利用本地数据集、评估指标和迭代调优来优化Ollama模型和提示，无需云端支持

设置并运行 OpenViking MCP 服务器以支持 RAG 功能，适用于需要通过 Model Context Protocol 向 Claude Desktop/CLI 或其他 MCP 客户端提供语义搜索和文档问答的场景。当用户请求涉及 OpenViking MCP、RAG 服务器或语义搜索 MCP 配置时触发。

AI代理的持久语义记忆层，采用本地优先存储（SQLite + LanceDB）与Ollama嵌入。跨会话存储与召回事实、决策、偏好、事件和关系。支持记忆衰减、去重、五种类型化记忆、七类图关系、代理/用户作用域、语义搜索、上下文感知召回、文本自动抽取（规则/LLM/混合）、导入导出、REST API和MCP协议。解决上下文窗口和压缩遗忘问题。服务运行于localhost:3400，仪表盘位于/dashboard。通过npm安装（engram-memory），需搭配Ollama及nomic-embed-text模型。

自主管理并使用本地Ollama模型，实现无需联网的持续运行，包含模型健康监控、自动故障切换和自愈能力

使用 Azure AI Voice Live SDK (azure-ai-voicelive) 构建实时语音 AI 应用。当开发需要与 Azure AI 实现双向实时音频通信的 Python 应用时，例如语音助手、语音聊天机器人、实时语音对语音翻译、语音驱动的虚拟形象，或基于 WebSocket 的 AI 音频流媒体，可使用本技能。支持服务器端语音活动检测、基于轮次的对话、函数调用、MCP 工具、虚拟形象集成和语音转文字功能。

发现、搜索和管理MCP（模型上下文协议）服务器。当用户需要查找MCP服务器、获取服务器信息、生成MCP客户端配置或与MCP生态系统互动时使用。适用于涉及MCP服务器、模型上下文协议、服务器发现或MCP配置的查询。