Les équipes ont souvent du mal à choisir les modèles d'embedding, les tailles de chunks et les méthodes d'évaluation pour les systèmes de recherche d'information. Cette skill fournit des modèles pratiques et des conseils de décision pour les applications de recherche sémantique et de RAG.

Les métriques brutes échouent souvent à convaincre les parties prenantes ou à soutenir les décisions. Cette compétence aide Claude, Codex et Claude Code à transformer l’analyse en récits, visuels et recommandations clairs.

Les équipes data ont besoin de contrôles fiables avant que de mauvaises données n’atteignent les workflows d’analyse ou de production. Cette compétence fournit des modèles pratiques pour Great Expectations, les tests dbt, les contrats et les rapports de qualité.

Les tests de stratégies de trading peuvent être trompeurs lorsqu’ils ignorent les biais, les coûts ou la validation hors échantillon. Cette skill guide Claude, Codex et Claude Code à travers des structures et vérifications pratiques de backtesting.

Les agents financiers ont besoin de données fiables sur les marchés, les fonds, les obligations, les documents, l’actualité et la macroéconomie. Cette skill achemine les requêtes vers les outils Wind MCP et renvoie des résultats sourcés.

Les équipes ont besoin d’une compréhension rapide des images sans construire de pipeline de vision. Cette compétence guide Claude, Codex et Claude Code pour appeler l’API de vision verging.ai afin d’obtenir des descriptions d’images, des listes d’objets et l’extraction de texte.

Les grands payloads JSON gaspillent des tokens et masquent les faits dont un modèle a besoin. Cette skill transforme des exports JSON structurés ou jsonb en résumés concis et lisibles pour Claude, Codex et Claude Code.

Les applications de navigateur ont besoin d’un parcours clair pour configurer la base de données relationnelle CloudBase. Cette compétence présente le client SDK web partagé et le flux de requêtes de style Supabase.

Les opérations CloudBase MySQL nécessitent un choix d’outil clair et des vérifications de sécurité. Cette compétence guide les agents dans le provisionnement, les requêtes, les modifications de schéma et les revues d’autorisations basés sur MCP.

Le travail sur des schémas complexes nécessite des limites d’entités et des relations claires. Cette compétence guide Claude, Codex et Claude Code dans l’utilisation de modèles Mermaid et de l’outil de modèle de données CloudBase.

Les tableaux de bord BigQuery peuvent devenir lents, coûteux et difficiles à gouverner. Cette compétence aide à créer des sources de données Looker Studio, des modèles SQL, des filtres, des mises en page et des contrôles d’accès.

De mauvais choix de schéma entraînent des requêtes lentes, une duplication des données et des migrations risquées. Cette compétence guide la conception de schémas SQL et NoSQL, l’indexation, les relations et la planification des migrations.

Les jeux de données bruts peuvent masquer des problèmes de qualité, des tendances et des hypothèses fragiles. Cette skill guide le profilage, le nettoyage, les statistiques, la visualisation et la création de rapports avec des étapes reproductibles.

Les requêtes lentes et la dérive de schéma peuvent rendre les applications Postgres difficiles à faire évoluer. Cette compétence fournit aux agents IA des règles adaptées à Supabase pour les index, RLS, le pooling et les diagnostics.

Duplicate cleanup can remove unique information when identity rules are unclear. This skill creates evidence-rich reports and gates every mutation behind explicit review.

Les équipes ont besoin de schémas qui préservent l’intégrité des données et restent performants à mesure que les produits se développent. Cette compétence transforme les exigences métier en conceptions SQL ou MongoDB avec index, contraintes et conseils de migration.

Les équipes blockchain ont besoin de réponses rapides à partir des endpoints SubQuery et SubGraph. Cette skill achemine les questions en langage naturel via Ask GraphQL MCP pour une analyse tenant compte des endpoints.

Les pages web sont difficiles à convertir en données propres et réutilisables. Cette compétence aide Claude, Codex et Claude Code à utiliser Crawl4AI pour les workflows d’exploration, de markdown et d’extraction.

L’ajustement de la recherche vectorielle peut gaspiller de la mémoire et masquer des régressions de rappel. Cette compétence fournit des benchmarks pratiques, des recommandations de paramètres et des contrôles de surveillance pour les index de production.

Les projets de recherche vectorielle nécessitent des choix d’architecture clairs avant que les équipes ne s’engagent sur un index ou une base de données. Cette compétence guide la conception de la récupération, la stratégie d’embeddings et l’optimisation des systèmes de production.