Automate document processing by extracting text, tables, and structured data from forms, invoices, and receipts. Build Java applications that leverage Azure Document Intelligence prebuilt models or create custom document analyzers.

Manually processing invoices, receipts, and forms is slow and error-prone. This skill automates document analysis using Azure Document Intelligence to extract text, tables, and fields with high accuracy.

Process invoices, receipts, and documents automatically using Azure Document Intelligence SDK in .NET. Extract structured data, text, and tables from PDFs and images without manual data entry.

Transform unstructured media files into structured, searchable content for RAG applications and automated workflows. Use prebuilt analyzers or create custom field extraction models with the Azure AI Content Understanding SDK.

Detecta anomalías en datos de series temporales utilizando Azure Cognitive Services. Esta habilidad proporciona patrones de Java SDK para detección de anomalías univariadas y multivariadas con soporte de transmisión en tiempo real.

Convierte grabaciones de audio en texto buscable y genera notas de reuniones profesionales con resúmenes impulsados por IA usando la integración de Claude o GitHub Copilot.

Muchos equipos rastrean datos en los que no se puede confiar para tomar decisiones. Esta habilidad diseña estrategias de medición que producen datos analíticos precisos y listos para la toma de decisiones.

Esta habilidad permite a Claude automatizar flujos de trabajo de análisis de productos de Amplitude, incluyendo seguimiento de eventos, búsqueda de actividad de usuarios, gestión de cohortes e identificación de usuarios a través de Rube MCP.

Este paquete de flujo de trabajo proporciona una guía integral para construir aplicaciones de IA de producción, desde la integración de LLM hasta sistemas RAG y agentes de IA. Orquesta múltiples habilidades especializadas en un proceso de desarrollo cohesivo.

Los agentes LLM a menudo fallan en producción a pesar de pasar los benchmarks. Esta skill proporciona pruebas de comportamiento, evaluaciones de capacidad y métricas de confiabilidad para detectar problemas antes del despliegue.

Las pruebas A/B a menudo fallan debido a un diseño deficiente, paradas prematuras y métricas inválidas. Esta habilidad impone una metodología rigurosa con compuertas obligatorias para bloquear la hipótesis, definición de métricas y cálculo del tamaño de muestra antes de ejecutar cualquier prueba.

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.