该Skill为开发者创建OpenCode插件提供指导，涵盖命令、文件、LSP等25+种事件类型。它详细说明了插件结构、事件API规范及JavaScript/TypeScript实现模式，帮助开发者构建事件驱动的模块。适用于需要拦截操作、扩展功能或自定义AI助手行为的插件开发场景。

SGLang是一个专为LLM设计的高性能推理框架，特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术，在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时，能实现极速生成。如果你正在构建智能体或多轮对话系统，并追求远超vLLM的推理性能，SGLang是理想选择。

该Skill通过60+个学术基准测试（如MMLU、GSM8K等）评估大语言模型质量，适用于模型对比、学术研究及训练进度追踪。它支持HuggingFace、vLLM和API接口，被EleutherAI等行业领先机构广泛采用。开发者可通过简单命令行快速对模型进行多任务批量评估。

LlamaGuard是Meta推出的7-8B参数内容审核模型，专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别（暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划），准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署，并能与NeMo Guardrails集成实现自动化安全防护。