LangChain Cloud，用于追踪、评测和部署。Plus 每席 $39，Startup 每月 $1,400，LangSmith Engine 每月 $2,000。

开源 LLM 追踪与评测。Cloud Hobby 为 $0，Core 每席 $29，Pro 每席 $199，含额之外按用量另计。

Superpowers 的请求代码评审 Skill：让编程智能体带着 git 范围和需求派出一个全新的评审子智能体，再按严重程度处理发现的问题。

以保密为先的同行评审 Skill：先过授权闸门，再做论断与证据、统计方法等检查，并用本地脚本生成评审草稿和 lint 检查，全程不联网。

应用 ScholarEval 框架系统性评估学术作品 - 跨研究质量维度的综合分析与结构化评分和反馈。Scholar Evaluation Skill 收录于 skills，可对比功能、定价与替代方案。

系统性评估研究严谨性 - 使用 GRADE 和 Cochrane ROB 评估方法论、实验设计、统计有效性、偏倚、混杂和证据质量。

AWS 的 AI 优先可观测性体验：在同一工作空间里跨账号、跨区域、跨云追踪、评测与排查应用和智能体。

Jeff 是一组开源的 0.8B 与 2B 决策模型：输入情境和候选选项，单次前向传播返回每个选项的校准概率，在单张 GPU 上约 22 毫秒完成一次判断。

微软开源的智能体沙箱与基准，用可执行断言验证 AI 智能体能否稳定完成有状态的业务任务，揭示「一次成功不等于可靠」。Microsoft ThinkingBox 收录于 agent-infra，可对比功能、定价与替代方案。

NVIDIA 开源 LLM 漏洞扫描器，数十个插件与数千条提示，探测越狱、提示注入与数据泄露，是模型与智能体安全测试的行业标准起点。

NVIDIA 开源可编程护栏工具包，用 Colang 流为 LLM 对话应用定义输入、对话、检索与输出护栏，防护越狱与提示注入。

开源终端编码智能体，强制智能体为「完成」拿出证据：三位审计官组成的评审团逐行走查任务完整运行记录，并投票判定结论是否成立。

Bespoke Labs 开源的 9B 权重模型与完整训练配方，把 Jev 式的判定变成带概率的单 token 选择，可在本机运行。

Jev 是 TypeSafe 的 System One 模型，输出带校准概率的类型化决策，输入价为每百万 token 0.042 美元。

3Dviz Pro Max 是 MIT 的 Claude Code / Codex 技能，把一句话做成可检查的 Three.js 或 Blender 场景。

Hugging Face 官方 community-evals Skill：用 inspect-ai 或 lighteval 在本地硬件上评测 Hub 模型，自动在 vLLM、Transformers 与 accelerate 之间选择推理后端。

Linus Torvalds Skill 是 CC0 代码审查技能包，从 31,397 封 LKML 邮件蒸馏出四个模型各自的 SKILL.md。