Integra Segment Customer Data Platform con Claude Code para implementar tracking del lado del cliente y del servidor, diseñar planes de tracking y gestionar la gobernanza de datos en tu aplicación.

Automatiza operaciones de plataforma de datos de clientes en Segment incluyendo seguimiento de eventos, identificación de usuarios, gestión de grupos y procesamiento por lotes mediante integración con Rube MCP.

Los profesionales financieros necesitan una medición precisa del riesgo para proteger el capital y optimizar los rendimientos. Esta skill proporciona métricas completas de riesgo, incluyendo VaR, CVaR, ratio de Sharpe, ratio de Sortino y análisis de drawdown para decisiones de inversión informadas.

Los traders luchan con mediciones de riesgo inconsistentes y decisiones emocionales. Esta skill proporciona seguimiento sistemático de R-múltiplos, dimensionamiento de posiciones y estrategias de cobertura para una protección disciplinada de la cartera.

Implementar sistemas RAG requiere coordinar múltiples componentes incluyendo embeddings, bases de datos vectoriales y pipelines de recuperación. Este flujo de trabajo proporciona un enfoque estructurado para construir aplicaciones RAG listas para producción.

Los sistemas RAG a menudo fallan debido a estrategias de fragmentación deficientes y recuperación ingenua. Esta skill proporciona patrones expertos para fragmentación semántica, búsqueda híbrida y optimización de contexto para construir sistemas de recuperación de grado de producción.

Desarrolla y realiza backtests de estrategias de trading algorítmico con métricas de riesgo y optimización de carteras. Obtén insights accionables para finanzas cuantitativas sin necesidad de experiencia profunda en modelado financiero.

¿Te cuesta fijar el precio de tu producto con confianza? Esta skill proporciona marcos de trabajo respaldados por investigación para fijación de precios basada en valor, diseño de niveles y estrategia de monetización que se alinean con la disposición a pagar del cliente.

Gestionar manualmente eventos y feature flags de PostHog consume mucho tiempo y es propenso a errores. Esta habilidad permite a los asistentes de IA capturar eventos, consultar analytics y gestionar feature flags mediante comandos de lenguaje natural a través de orquestación MCP de herramientas.

Las bases de datos PostgreSQL pueden sufrir consultas lentas y bajo rendimiento sin la optimización adecuada. Esta habilidad proporciona un flujo de trabajo sistemático para el ajuste de consultas, indexación y gestión de configuración.

¿Problemas con consultas de base de datos lentas y bajo rendimiento? Esta habilidad proporciona reglas de optimización de PostgreSQL probadas en producción de Supabase con ejemplos concretos de SQL y mejoras de rendimiento medibles.

Los errores en el diseño de esquemas de bases de datos causan problemas de rendimiento y de integridad de datos. Esta habilidad proporciona mejores prácticas específicas de PostgreSQL para tipos de datos, índices, restricciones y patrones de escalabilidad.

Esta habilidad permite a los desarrolladores crear narraciones de audio estilo podcast utilizando el modelo GPT Realtime Mini de Azure OpenAI. Maneja conexiones WebSocket, transmisión de audio y conversión de formato para producir voz de sonido natural.

La construcción de aplicaciones fintech requiere patrones de integración seguros con la API de Plaid. Esta habilidad proporciona enfoques comprobados para flujos de tokens de Link, sincronización de transacciones, manejo de webhooks y requisitos de cumplimiento.

Maneje formularios PDF, extraiga texto y tablas, combine o divida documentos, y cree nuevos PDFs mediante programación. Esta habilidad elimina la edición manual de PDFs automatizando el llenado de formularios, la extracción de datos y las tareas de ensamblaje de documentos.

Esta habilidad proporciona orientación experta para diseñar bases de datos NoSQL distribuidas (Cassandra, DynamoDB). Ayuda a los desarrolladores a entender el modelado basado primero en consultas, el diseño de tabla única y evitar errores comunes como particiones calientes.

Los desarrolladores tienen dificultades con la gestión de conexiones de bases de datos serverless y la configuración de ORM. Esta habilidad proporciona patrones probados para Neon Postgres con integración de Prisma y Drizzle.

Crear pipelines de ML confiables requiere orquestar las etapas de preparación de datos, entrenamiento, validación y despliegue mientras se mantiene la reproducibilidad y el monitoreo. Esta habilidad proporciona patrones probados y mejores prácticas para crear flujos de trabajo MLOps de extremo a extremo que escalan desde el prototipo hasta la producción.

Desplegar modelos de aprendizaje automático en producción requiere experiencia en servicio, monitoreo e infraestructura que muchos equipos no tienen. Esta habilidad proporciona patrones probados en batalla para construir sistemas ML confiables y escalables usando marcos modernos como PyTorch 2.x y TensorFlow.

Los equipos de machine learning luchan por poner modelos en producción con la infraestructura y el monitoreo adecuados. Esta habilidad orquesta agentes de IA especializados para diseñar pipelines completos de ML desde la ingeniería de datos hasta el despliegue y el monitoreo continuo.