Las organizaciones necesitan formas sistemáticas de registrar y categorizar recibos de gastos para un seguimiento financiero preciso. Esta habilidad proporciona flujos de trabajo documentados para la entrada manual de recibos, integración de escaneo OCR y patrones de base de datos para gestionar registros de gastos en MySQL.

El escaneo de recibos requiere extracción OCR precisa e integración de bases de datos. Esta habilidad proporciona orientación completa para analizar imágenes de recibos, depurar errores de extracción y crear flujos de trabajo confiables de seguimiento de gastos con Google Gemini AI.

¿Necesitas crear modelos financieros o analizar datos de hojas de cálculo? Esta habilidad crea archivos de Excel con fórmulas, formato y análisis de datos. Recalcula las fórmulas automáticamente para garantizar la precisión.

Los modelos ML a menudo fallan en producción debido a filtración de datos, evaluación incorrecta y errores de entrenamiento. Esta habilidad detecta más de 30 antipatrones críticos y ayuda a prevenir resultados inválidos escaneando tu código y divisiones de datos antes del entrenamiento.

Los cambios manuales en la base de datos rompen la colaboración del equipo y arriesgan la pérdida de datos. Esta habilidad proporciona orientación estructurada para migraciones seguras de esquemas usando Prisma y Drizzle con soporte de reversión e integración CI/CD.

Construye visualizaciones de datos personalizadas e interactivas sin depender de bibliotecas de gráficos prediseñadas. Esta habilidad te guía a través de la creación de gráficos, diagramas y mapas geográficos responsivos usando D3.js para máxima flexibilidad y control.

Entender los patrones de modelado de datos es fundamental para construir frameworks de agentes de IA mantenibles. Esta habilidad proporciona un análisis estructurado de estrategias de tipos, patrones de mutación y enfoques de serialización para tomar decisiones arquitectónicas informadas.

Los equipos técnicos necesitan frameworks estructurados para comparar múltiples herramientas objetivamente al tomar decisiones arquitectónicas. Esta skill sintetiza resultados de análisis en matrices de decisión con recomendaciones claras y compensaciones documentadas para cualquier comparación de frameworks.

Construir modelos de ML listos para producción requiere infraestructura compleja de entrenamiento distribuido. Esta habilidad automatiza todo el pipeline desde el diseño de arquitectura hasta el despliegue en la nube usando la plataforma Flow Nexus.

Construir agentes que aprenden por sí mismos requiere rastrear experiencias y mejorar la toma de decisiones con el tiempo. Esta habilidad proporciona patrones de aprendizaje adaptativo de ReasoningBank utilizando la base de datos vectorial de alto rendimiento de AgentDB para una recuperación de patrones y gestión de memoria 150 veces más rápida.

El entrenamiento ML frecuentemente falla con causas poco claras. Esta skill genera un agente especialista que analiza sistemáticamente los registros de entrenamiento, curvas de pérdida y código del modelo para identificar causas raíz como problemas de tasa de aprendizaje, colapso de modo o problemas de arquitectura.

Transforma investigación ML en código de producción. Obtén implementación experta de arquitecturas neuronales, pipelines de entrenamiento y optimizaciones de rendimiento con pruebas y validación exhaustivas.

Las bases de datos vectoriales tradicionales son lentas y consumen mucha memoria. AgentDB ofrece búsqueda semántica 150 veces más rápida con tiempos de consulta de menos de un milisegundo y una reducción de memoria de 4-32 veces mediante cuantización avanzada. Construye sistemas RAG, motores de búsqueda semántica y bases de conocimiento inteligentes con facilidad.

Las bases de datos vectoriales consumen memoria masiva y sufren búsquedas lentas a escala. Esta habilidad proporciona técnicas de optimización probadas que incluyen cuantización, indexación HNSW y almacenamiento en caché para lograr mejoras de rendimiento de 150x-12,500x mientras se reduce el uso de memoria en 4-32x.

Los agentes de IA pierden contexto entre sesiones, haciéndolos inefectivos para tareas a largo plazo. Esta habilidad proporciona patrones de integración de AgentDB para memoria de sesión, almacenamiento a largo plazo y aprendizaje de patrones para que los agentes recuerden interacciones y mejoren con el tiempo.

Construir agentes de IA que aprenden por sí mismos requiere implementar algoritmos complejos de aprendizaje por refuerzo desde cero. AgentDB Learning Plugins proporciona acceso listo para usar a nueve algoritmos probados, incluyendo Decision Transformer y Q-Learning, permitiéndote entrenar agentes autónomos que mejoran a través de la experiencia.

Construye sistemas de IA multi-agente sofisticados con sincronización de bases de datos en submilisegundos y capacidades de búsqueda avanzadas. AgentDB Advanced Features habilita bases de datos vectoriales distribuidas con métricas personalizadas, búsqueda híbrida y redes QUIC para aplicaciones de IA a escala de producción.

El seguimiento del comportamiento del usuario es esencial para obtener información del producto, pero implementar análisis incorrectamente puede exponer datos sensibles del usuario. Esta habilidad te guía a través de la implementación segura de Mixpanel con protección integrada de PII y procesos de revisión de código.

Esta habilidad proporciona comandos documentados para la CLI de Supabase. Puedes gestionar proyectos de Supabase, bases de datos, migraciones, Edge Functions y almacenamiento directamente desde tu asistente de IA sin cambiar de contexto.

Las migraciones de base de datos usando Flyway requieren conversión para cambios de esquema en línea. Esta skill transforma scripts de migración SQL estándar a formato OSC para despliegues sin tiempo de inactividad.