Compétences project-development
🏗️
project-development
Sûr ⚙️
Commandes externes🌐
Accès réseau📁
Accès au système de fichiers
Concevoir et construire des pipelines de traitement par lots LLM
Également disponible depuis: muratcankoylan
La construction d'applications LLM sans méthodologie claire entraîne des pertes de temps et des dépassements de budget. Cette compétence fournit un cadre éprouvé pour évaluer l'adéquation des tâches, architecturer les pipelines et itérer efficacement.
Prend en charge: Claude Codex Code(CC)
1
Télécharger le ZIP du skill
2
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
3
Activez et commencez à utiliser
Tester
Utilisation de "project-development". Évaluer si l'analyse des commentaires clients à grande échelle est adaptée au traitement LLM
Résultat attendu:
- Analyse d'adéquation tâche-modèle : Forte adéquation
- Facteur de synthèse : Combinaison de thèmes à travers plusieurs éléments de commentaires
- Facteur de jugement : Classification de sentiment avec des grilles définies
- Tolérance aux erreurs : Les classifications individuelles erronées ne compromettent pas l'analyse
- Recommandation : Procéder à un prototype manuel sur 5 échantillons représentatifs
Utilisation de "project-development". Concevoir un pipeline pour traiter 500 articles de recherche
Résultat attendu:
- Étape 1 Acquisition : Télécharger les PDF et extraire le texte
- Étape 2 Préparation : Générer des invites d'analyse à partir du contenu de l'article
- Étape 3 Traitement : Exécuter les appels LLM avec 10 workers parallèles
- Étape 4 Analyse : Extraire les conclusions structurées à l'aide de marqueurs de section
- Étape 5 Restitution : Générer un rapport de synthèse avec citations
- Coût estimé : 45 $ aux tarifs actuels des jetons
Audit de sécurité
Sûrv5 • 1/16/2026
This is a documentation and educational skill teaching LLM pipeline development methodology. All 184 static findings are false positives: 'weak cryptographic algorithm' detections are words like 'MD' (markdown) in documentation, 'external_commands' detections are markdown code blocks with backticks, and filesystem operations are legitimate pipeline state management patterns. No malicious behavior, network exfiltration, or credential access present.
5
Fichiers analysés
2,227
Lignes analysées
3
résultats
5
Total des audits
Facteurs de risque
⚙️ Commandes externes (70)
references/case-studies.md:53-55 references/case-studies.md:55-61 references/case-studies.md:61 references/case-studies.md:61 references/case-studies.md:61-67 references/case-studies.md:67-72 references/case-studies.md:72-78 references/case-studies.md:78 references/case-studies.md:78-84 references/case-studies.md:84 references/case-studies.md:84-90 references/case-studies.md:90-104 references/case-studies.md:104-116 references/case-studies.md:116-124 references/case-studies.md:124-183 references/case-studies.md:183-191 references/pipeline-patterns.md:7-9 references/pipeline-patterns.md:9-27 references/pipeline-patterns.md:27-42 references/pipeline-patterns.md:42-46 references/pipeline-patterns.md:46-60 references/pipeline-patterns.md:60-64 references/pipeline-patterns.md:64-81 references/pipeline-patterns.md:81-87 references/pipeline-patterns.md:87-106 references/pipeline-patterns.md:106-116 references/pipeline-patterns.md:116-136 references/pipeline-patterns.md:136-142 references/pipeline-patterns.md:142-172 references/pipeline-patterns.md:172-178 references/pipeline-patterns.md:178-187 references/pipeline-patterns.md:187-191 references/pipeline-patterns.md:191-198 references/pipeline-patterns.md:198-202 references/pipeline-patterns.md:202-212 references/pipeline-patterns.md:212-216 references/pipeline-patterns.md:216-230 references/pipeline-patterns.md:230-234 references/pipeline-patterns.md:234-263 references/pipeline-patterns.md:263-269 references/pipeline-patterns.md:269-290 references/pipeline-patterns.md:290-294 references/pipeline-patterns.md:294-311 references/pipeline-patterns.md:311-315 references/pipeline-patterns.md:315-333 references/pipeline-patterns.md:333-339 references/pipeline-patterns.md:339-361 references/pipeline-patterns.md:361-365 references/pipeline-patterns.md:365-399 references/pipeline-patterns.md:399-405 references/pipeline-patterns.md:405-463 references/pipeline-patterns.md:463-469 references/pipeline-patterns.md:469-487 references/pipeline-patterns.md:487-491 references/pipeline-patterns.md:491-507 references/pipeline-patterns.md:507-513 references/pipeline-patterns.md:513-544 references/pipeline-patterns.md:544-550 references/pipeline-patterns.md:550-581 references/pipeline-patterns.md:581-585 references/pipeline-patterns.md:585-609 SKILL.md:72-74 SKILL.md:74-88 SKILL.md:88-94 SKILL.md:94-116 SKILL.md:116-130 SKILL.md:130-158 SKILL.md:158-160 SKILL.md:160-190 SKILL.md:190-210
🌐 Accès réseau (5)
📁 Accès au système de fichiers (13)
references/pipeline-patterns.md:309 references/pipeline-patterns.md:485 references/pipeline-patterns.md:500 references/pipeline-patterns.md:505 references/pipeline-patterns.md:529 references/pipeline-patterns.md:608 scripts/pipeline_template.py:137 scripts/pipeline_template.py:195 scripts/pipeline_template.py:250 scripts/pipeline_template.py:335 scripts/pipeline_template.py:348 scripts/pipeline_template.py:456 skill-report.json:6
Audité par: claude Voir l’historique des audits →
Score de qualité
64
Architecture
100
Maintenabilité
87
Contenu
21
Communauté
100
Sécurité
91
Conformité aux spécifications
Ce que vous pouvez construire
Construire un pipeline d'analyse de contenu
Créer un système de traitement par lots qui analyse des centaines de documents avec des sorties LLM structurées et une analyse fiable.
Évaluer la faisabilité d'un projet LLM
Évaluer si une fonctionnalité proposée est adaptée au traitement LLM et estimer les coûts de développement avant de s'engager sur des ressources.
Concevoir une architecture de traitement évolutive
Structurer un pipeline de traitement parallèle avec des points de contrôle, une gestion des erreurs et une gestion économique des jetons.
Essayez ces prompts
Évaluation de l'adéquation des tâches
Évaluer si cette tâche est adaptée au traitement LLM : [décrire la tâche, les entrées et les sorties attendues]. Tenir compte des exigences de synthèse, de la tolérance aux erreurs et des besoins de précision.
Conception de l'architecture du pipeline
Concevoir une architecture de pipeline pour traiter [nombre] éléments de [type]. Inclure la répartition des étapes, la structure des fichiers et la stratégie de parallélisation.
Estimation des coûts
Estimer le coût pour traiter [nombre] éléments avec [nom du modèle]. Chaque élément contient environ [X] mots en entrée et nécessite [Y] mots en sortie.
Conception de la structure de l'invite
Concevoir un modèle d'invite qui produit une sortie analysable avec ces champs : [lister les champs]. Inclure la spécification du format et la stratégie d'analyse pour gérer les variations.
Bonnes pratiques
- Toujours valider l'adéquation tâche-modèle avec un prototype manuel avant de construire l'automatisation
- Utiliser le système de fichiers pour la gestion d'état afin de faciliter le débogage et le traitement idempotent
- Commencer avec une architecture minimale et n'ajouter de la complexité que lorsque cela s'avère nécessaire
Éviter
- Construire l'automatisation avant de tester si le modèle peut effectuer la tâche manuellement
- Combiner toutes les étapes du pipeline dans un seul script sans sorties intermédiaires
- Ajouter des garde-fous excessifs qui contraignent inutilement les capacités du modèle
Foire aux questions
Quand dois-je utiliser une architecture à agent unique versus multi-agents ?
Utilisez multi-agents lorsque les tâches dépassent les limites de fenêtre de contexte unique ou nécessitent une exploration parallèle. L'agent unique fonctionne mieux pour les éléments par lots indépendants.
Comment estimer les coûts avant d'exécuter un pipeline ?
Comptez les jetons d'entrée par élément, estimez les jetons de sortie, multipliez par le nombre d'éléments, puis ajoutez une marge de 20-30% pour les nouvelles tentatives. Utilisez les modèles d'estimation de coût fournis.
Qu'est-ce qui rend une tâche inadaptée au traitement LLM ?
Les tâches nécessitant un calcul précis, des réponses en temps réel, une précision parfaite ou des sorties déterministes sont mal adaptées. Testez manuellement d'abord pour vérifier.
Comment gérer les échecs d'analyse des sorties LLM ?
Construisez des analyseurs regex flexibles qui gèrent les variations de format. Consignez les échecs pour révision plutôt que de planter. Fournissez des valeurs par défaut raisonnables pour les sections manquantes.
Dois-je utiliser des outils spécialisés ou des primitives simples ?
Commencez avec des outils minimaux comme bash et l'accès au système de fichiers. Ajoutez des outils spécialisés uniquement lorsqu'ils améliorent démontrablement les résultats. Plus d'outils signifie souvent de moins bonnes performances.
Comment structurer les invites pour une analyse fiable ?
Incluez des spécifications de format explicites avec des exemples, utilisez des marqueurs de section comme des titres, et indiquez au modèle que vous allez analyser programmatiquement.