مهارة ذكاء اصطناعي لـ Claude وCodex وClaude Code

إن بناء تطبيقات LLM بدون البنية التحتية المناسبة يؤدي إلى إهدار الوقت والموارد. توفر هذه المهارة أنماطًا مُختبرة في أنظمة الإنتاج مثل Karpathy's HN Time Capsule و Vercel's d0 agent.

تواجه أنظمة الوكيل الواحد حدود السياق، واختناقات المعالجة التسلسلية، وتكوينات أدوات غير مرنة. توفر هذه المهارة أنماطاً لتوزيع العمل عبر وكلاء متعددين مع تنسيق صريح وبروتوكولات نقل والمعاملات والتعامل مع الأخطاء.

مهارة ذكاء اصطناعي لكل من Claude وCodex وClaude Code

يتطلب قياس جودة الوكلاء منهجيات منظمة. توفر هذه المهارة معايير تقييم متعددة الأبعاد، وإدارة مجموعات الاختبار، والمراقبة في الإنتاج لتقييم وتحسين أداء الوكلاء باستمرار.

تقيّد نوافذ السياق المحدودة المهام المعقدة وتزيد تكاليف واجهات البرمجة. توفّر هذه المهارة تقنيات مجرّبة لمضاعفة أو ثلاثة أضعاف السعة الفعّالة للسياق عبر التكثيف، وإخفاء الملاحظات، وتحسين KV-cache، وتقسيم السياق.

السياق هو الأساس لأداء وكلاء الذكاء الاصطناعي الفعال. تعلّمك هذه المهارة كيفية فهم السياق وتصميمه وتحسينه في أنظمة الوكلاء. تعلم مبادئ الإفصاح التدريجي، وآليات الانتباه، وإدارة ميزانية السياق لبناء وكلاء ذكاء اصطناعي أكثر قدرة.

يفقد وكلاء الذكاء الاصطناعي الأداء مع نمو المحادثات بشكل أطول. يشخص هذا المهارة مشاكل الفقدان في المنتصف وتسميم السياق وفشل الانتباه لاستعادة الأداء الأمثل للوكيل. يوفر أنماطًا للتعرف على تدهور السياق والتخفيف منه.

تولد جلسات الوكيل الطويلة ملايين الرموز التي تتجاوز حدود السياق. توفر هذه المهارة استراتيجيات ضغط منظمة تقلل من استخدام الرموز مع الحفاظ على مسارات الملفات ورسائل الأخطاء والقرارات حتى يتمكن الوكلاء من الاستمرار في العمل دون إعادة جلب المعلومات.

تحويل بيانات RDF إلى هياكل الوكلاء المعرفية باستخدام أنماط Belief-Desire-Intention الرسمية. تمكين أنظمة الذكاء الاصطناعي من نمذجة العقلانية الفاعلة مع سلاسل استدلال قابلة للتتبع والتشغيل الدلالي المتبادل لأنظمة الوكلاء المتعددين.

التقييم اليدوي لمخرجات نماذج اللغة الكبيرة بطيء وغير متسق بين المراجعين. توفّر هذه المهارة تقنيات بمستوى إنتاجي للتقييم الآلي باستخدام نماذج اللغة كقضاة. وتشمل مقاييس تقييم مباشرة، ومقارنة زوجية مع تخفيف تحيز الموضع، ومعايرة الثقة.

يتطلب إنشاء مشاريع بلوكتشين سولانا من الصفر فهم إطار Anchor، وهيكل عقود Rust الذكية، ودمج واجهة Next.js الأمامية. تولد هذه المهارة مشاريع كاملة جاهزة للإنتاج مع هيكل صحيح وتكوين ودمج المحفظة.

تبسيط تطوير ونشر نماذج الذكاء الاصطناعي على Huawei Cloud ModelArts. توفر هذه المهارة إدارة موحدة لموارد التدريب، والنماذج، وخدمات الاستدلال، ودفاتر الملاحظات مع ميزات أمان مدمجة.

استخرج المعنى من الصور دون عناء يدوي. يحلل هذا المهارة الصور الفوتوغرافية ولقطات الشاشة والرسوم البيانية والنماذج الأولية باستخدام خدمة MiniMax للرؤية MCP لتوفير أوصاف تفصيلية واستخراج النصوص وردود فعل حول التصميم.

يتطلب إنشاء عروض PowerPoint الاحترافية تنسيقاً دقيقاً ووضعاً محدداً وتصميماً متناسقاً. توفر هذه المهارة مرجعاً شاملاً لـ PptxGenJS حتى تتمكن أدوات الترميز المدعومة بالذكاء الاصطناعي من إنشاء ملفات .pptx الأصلية مع هوية بصرية متسقة وطباعة سليمة وتخطيطات نظيفة.

إنشاء تظليل GLSL كاملة وجاهزة للإنتاج للمؤثرات البصرية في الوقت الفعلي — من مشاهد ثلاثية الأبعاد بأسلوب ray-marching إلى محاكاة السوائل — كلها تعمل في المتصفح مع WebGL2.

يتطلب بناء تطبيقات الهاتف المحمول باستخدام React Native التنقل بين خيارات معقدة في المكونات وإدارة الحالة والرسوم المتحركة والنشر. توفر هذه المهارة دليل تطوير منظم مع أنماط مثبتة ومكتبات موصى بها وأمثلة جاهزة للإنتاج لمشاريع Expo و React Native.

قد تفوت المراجعة اليدوية لطلبات السحب في مستودع MiniMax Skills المشكلات الهيكلية ومعايير الجودة. توفر هذه المهارة التحقق الآلي والمراجعة الموجهة للمحتوى لضمان meeting كل مهارة لمعايير المستودع قبل الدمج.

إنشاء عروض تقديمية احترافية من الصفر أو تحرير القوالب الموجودة باستخدام PptxGenJS وسير عمل XML. تتعامل هذه المهارة مع إنشاء الشرائح وتطبيق نظام التصميم واستخراج المحتوى وتحرير القوالب دون الحاجة إلى برنامج PowerPoint.

إن إنشاء عروض تقديمية متسقة ومتغيرة بصرياً يُعد أمراً صعباً عند العمل شريحة بشريحة. تخطط هذه المهارة التخطيط والتصميم والتخطيط المرئي قبل الإنشاء، وتوفر فحوصات جودة لضمان نتائج احترافية.