Esta habilidad extrae contenido limpio en markdown o texto de URLs específicas usando la API de extracción de Tavily. Perfecta para investigación, recuperación de documentación y agregación de contenido sin escribir código de scraping personalizado.

El mal rendimiento de la base de datos puede ralentizar las aplicaciones hasta casi detenerse. Esta skill proporciona 27 patrones optimizados de PostgreSQL que cubren índices, optimización de consultas, gestión de conexiones, seguridad y diseño de esquema para lograr mejoras de rendimiento de 10-100x.

Crawl4AI permite un rastreo web eficiente con soporte para JavaScript, extracción basada en esquemas y formatos de salida flexibles. Los usuarios pueden extraer datos sin llamadas LLM para una automatización rentable o usar extracción impulsada por LLM para contenido complejo.

Los agentes de IA tienen dificultades para aprender de experiencias pasadas y mejorar con el tiempo. ReasoningBank ofrece patrones de aprendizaje adaptativo usando AgentDB para que los agentes puedan rastrear trayectorias, juzgar resultados y destilar recuerdos en patrones reutilizables.

Las bases de datos tradicionales luchan con consultas de búsqueda semántica. AgentDB ofrece operaciones de vectores 150 veces más rápidas con tiempos de búsqueda sub-milisegundos para construir sistemas RAG inteligentes y bases de conocimiento.

Las búsquedas vectoriales de AgentDB se ralentizan a medida que crecen los datos, provocando lag en la aplicación. Esta skill ofrece técnicas de cuantización e indexación para lograr búsquedas 150x más rápidas con una reducción de memoria de 4-32x, manteniendo la precisión.

La construcción de agentes de autoaprendizaje requiere una configuración compleja de aprendizaje por refuerzo. Esta habilidad proporciona plantillas y orientación para 9 algoritmos, incluyendo Decision Transformer, Q-Learning y Actor-Critic.

Construye sistemas de IA distribuidos sofisticados con sincronización submilisegundo y capacidades de búsqueda avanzadas. Aprende a implementar sincronización QUIC, métricas de distancia personalizadas y búsqueda híbrida vector+metadatos para aplicaciones en producción.

Medir la calidad de los agentes requiere enfoques estructurados. Esta skill ofrece rúbricas de evaluación multidimensionales, gestión de conjuntos de prueba y monitoreo en producción para evaluar y mejorar continuamente el rendimiento de los agentes.

Las ventanas de contexto limitadas restringen tareas complejas y aumentan los costos de la API. Esta skill proporciona técnicas probadas para duplicar o triplicar la capacidad efectiva de contexto mediante compacción, enmascaramiento de observaciones, optimización de KV-cache y partición de contexto.

El contexto es la base del rendimiento efectivo de agentes de IA. Esta habilidad te enseña cómo comprender, diseñar y optimizar el contexto en sistemas de agentes. Aprende los principios de divulgación progresiva, mecánica de atención y presupuesto de contexto para construir agentes de IA más capaces.

La evaluación manual de salidas de LLM es lenta e inconsistente entre revisores. Esta habilidad proporciona técnicas de grado de producción para evaluación automatizada usando LLMs como jueces. Incluye rúbricas de puntuación directa, comparación por pares con mitigación de sesgo de posición y calibración de confianza.

Esta habilidad proporciona documentación completa y referencias de SDK para los servicios de Azure AI, incluyendo Search, Speech, OpenAI, Vision, Translation y Document Intelligence. Ayuda a los desarrolladores a encontrar rápidamente las APIs y patrones de código correctos para sus soluciones de IA.

JSON Canvas es un formato de archivo abierto para datos de lienzos infinitos utilizado en Obsidian. Esta skill proporciona documentación completa y orientación para crear archivos JSON Canvas válidos con nodos, aristas, grupos y conexiones para lienzos visuales, mapas mentales y diagramas de flujo.

Accede a más de 230 millones de compuestos químicos disponibles para compra en investigación de descubrimiento de fármacos. Busca por estructura molecular, ID de ZINC o códigos de proveedor. Recupera estructuras 3D para cribado virtual y estudios de acoplamiento molecular.

Trabajar con grandes conjuntos de datos que superan los límites de memoria. Zarr-python permite el almacenamiento de arreglos por bloques con compresión para flujos de trabajo de computación científica nativos de la nube y eficientes.

Esta habilidad permite crear, editar y analizar hojas de cálculo de Excel con fórmulas, formato y análisis de datos. También recalcula fórmulas y verifica cero errores para salidas de calidad de publicación.

Procesar grandes conjuntos de datos tabulares que exceden la RAM requiere herramientas especializadas. Vaex permite operaciones DataFrame fuera de memoria, evaluación diferida y procesamiento de mil millones de filas por segundo en conjuntos de datos demasiado grandes para la memoria. Perfecto para datos astronómicos, series temporales financieras y análisis científico a gran escala.

Los datos de alta dimensionalidad son difíciles de visualizar y analizar. UMAP reduce las dimensiones mientras preserva la estructura, permitiendo visualizaciones claras en 2D/3D y mejores resultados de clustering.

Las Redes Neuronales de Grafos impulsan aplicaciones modernas como el descubrimiento de fármacos, el análisis de redes sociales y los sistemas de recomendación. Esta skill ofrece plantillas listas para usar y documentación para implementar GNNs con PyTorch Geometric.