Los documentos PDF contienen datos valiosos que son difíciles de acceder programáticamente. Esta habilidad proporciona a los agentes de IA las capacidades para extraer texto, tablas y datos de formularios de PDFs, y para manipular documentos mediante operaciones de fusión, división y formato.

Los usuarios necesitan comunicar información de datos a través de formatos visuales pero carecen de la experiencia para seleccionar el tipo de gráfico o biblioteca correcta. Esta habilidad proporciona orientación impulsada por IA para generar visualizaciones claras y profesionales usando matplotlib, seaborn, plotly y altair.

Escribir consultas SQL eficientes requiere conocer patrones y anti-patrones comunes. Esta habilidad proporciona ejemplos listos para usar para CTEs, funciones de ventana, joins y estrategias de indexación.

Escribir código de base de datos es complejo y propenso a errores. Esta habilidad proporciona patrones probados en batalla de SQLAlchemy 2.0 para modelos, consultas, sesiones asíncronas, transacciones y migraciones.

Los desarrolladores necesitan extraer, filtrar y transformar datos de archivos de configuración y respuestas de API. Esta habilidad proporciona patrones listos para usar para jq y yq para que pueda consultar y modificar datos estructurados rápidamente sin memorizar sintaxis.

La búsqueda vectorial se siente lenta o costosa cuando los índices están mal configurados. Esta habilidad proporciona plantillas y heurísticas de optimización para mejorar la latencia, el recall y el uso de memoria para estrategias HNSW y cuantización.

Las consultas lentas causan retrasos y altos costos de bases de datos. Esta habilidad proporciona patrones claros de optimización y guía de indexación para mejorar el rendimiento y eliminar cuellos de botella.

Los trabajos lentos de Spark desperdician tiempo del cluster y retrasan los análisis. Esta habilidad proporciona patrones probados de ajuste para particionamiento, caché, uniones y memoria para mejorar el rendimiento.

Construir búsqueda semántica rápida es complejo y propenso a errores. Esta skill proporciona plantillas probadas para bases de datos vectoriales comunes y métodos de recuperación híbrida.

Necesita mediciones precisas de riesgo para la gestión de cartera. Esta skill proporciona fórmulas y ejemplos para VaR, Sharpe ratio, drawdowns y otras métricas clave.

Necesitas respuestas precisas de documentos privados y datos cambiantes. Esta habilidad explica los componentes de RAG y los patrones de recuperación para fundamentar las respuestas con fuentes.

El diseño de esquemas de PostgreSQL requiere conocimiento de tipos de datos, estrategias de indexación, restricciones y patrones de rendimiento. Esta habilidad proporciona orientación integral sobre mejores prácticas específicas de PostgreSQL, características avanzadas y errores comunes para ayudarte a construir esquemas de base de datos eficientes y mantenibles.

Los equipos de aprendizaje automático tienen dificultades para conectar la preparación de datos, el entrenamiento, la validación y el despliegue en flujos de trabajo de producción confiables. Esta skill proporciona orientación integral para construir pipelines de MLOps end-to-end con estrategias adecuadas de orquestación, monitoreo y despliegue.

Muchos paneles abruman a los equipos con métricas poco claras y diseños desordenados. Esta guía orienta la selección de KPI, las mejores prácticas de visualización y los patrones de panel que centran la atención en información accionable.

Construir transformaciones dbt confiables puede ser lento sin una estructura clara. Esta habilidad proporciona patrones de modelos en capas, pruebas y estrategias incrementales que puedes aplicar rápidamente.

Las perspectivas de datos a menudo no logran influir en las partes interesadas sin una narrativa clara. Esta habilidad proporciona marcos y plantillas para convertir métricas en historias persuasivas que inspiran acción e impulsan decisiones.

Los problemas de calidad de datos causan análisis fallidos y pipelines rotos. Esta habilidad proporciona patrones probados de Great Expectations, pruebas dbt y contratos de datos para prevenirlos.

Las migraciones de base de datos pueden romper producción si se apresuran. Esta habilidad proporciona patrones probados para cambios de esquema seguros, transformaciones de datos y reversiones en Sequelize, TypeORM y Prisma.

Los backtests de trading frecuentemente ocultan sesgos y sobreestiman el rendimiento. Esta habilidad proporciona patrones y verificaciones para diseñar backtests confiables que manejan correctamente el sesgo de anticipación, el sesgo de supervivencia y los costos de transacción.

Los DAGs de Airflow pueden fallar cuando la estructura y los reintentos no son consistentes. Esta habilidad proporciona patrones claros para diseño, sensores, pruebas y alertas que mejoran la confiabilidad de los pipelines.