Les monorepos Nx nécessitent des connaissances spécialisées sur les graphes de projets, les commandes affected et les stratégies de cache pour optimiser les performances de build. Cette compétence fournit des commandes expertes du CLI Nx, des modèles de génération de code et une intégration Python avec les espaces de travail uv pour le développement assisté par l'IA.

La création de serveurs MCP pour des services externes nécessite la compréhension des spécifications de protocole, des modèles de conception d'outils et des méthodologies d'évaluation. Ce guide fournit des instructions complètes pour créer des serveurs MCP de qualité de production en Python et TypeScript avec les meilleures pratiques pour la conception d'outils, l'authentification, la gestion des erreurs et les tests.

La création de diapositives de chapitre est chronophage et produit souvent des présentations génériques et trop chargées en texte. Cette compétence fournit des prompts calibrés selon le niveau de compétence pour NotebookLM afin de générer des jeux de diapositives alignés pédagogiquement avec des arcs narratifs clairs et des conclusions actionnables.

Le débogage des applications Next.js complexes nécessite l'inspection des routes, des composants et des configurations de build. Cette compétence fournit des outils basés sur MCP pour lister les routes, examiner les composants et vérifier les informations de build directement depuis votre environnement de développement.

Les éducateurs ont du mal à rédiger des résultats d'apprentissage spécifiques et vérifiables. Cette compétence génère des objectifs mesurables alignés sur la taxonomie de Bloom et les niveaux CECR, garantissant que les apprenants savent exactement ce qu'ils vont accomplir et comment la réussite sera mesurée.

La création de diagrammes professionnels pour les cours prend des heures de travail de conception. Cette skill fournit un flux de travail structuré pour générer des visuels pédagogiques utilisant Gemini 3 avec l'automatisation du navigateur et un contrôle qualité à 6 portes.

Les équipes copient souvent des exemples de charts Helm sans comprendre leur architecture. Cette compétence vous guide à travers une analyse architecturale systématique pour créer des charts adaptés à vos contraintes spécifiques et exigences opérationnelles.

La création d'interfaces web aboutit souvent à des designs génériques et prévisibles. Cette compétence guide les assistants IA pour créer du code frontend audacieux, de qualité production, avec des esthétiques distinctives, une typographie créative et des animations soignées qui se démarquent des modèles standards.

Les éducateurs passent des heures à créer des exercices variés qui appliquent les principes des sciences cognitives. Cette compétence génère des ensembles complets d'exercices avec pratique de récupération, répétition espacée et progression de difficulté utilisant des modèles et des stratégies d'apprentissage basées sur des données probantes.

Le déploiement de la documentation Docusaurus sur GitHub Pages nécessite une configuration manuelle des paramètres de build, des workflows GitHub Actions et des branches de déploiement. Cette compétence automatise l'ensemble du processus avec des modèles pré-validés et des tests locaux avant les triggers CI/CD.

Les requêtes de documentation consomment des tokens excessifs. Cette skill utilise Context7 MCP avec un filtrage intelligent via pipeline shell pour extraire uniquement les exemples de code et les signatures d'API, réduisant l'utilisation des tokens de 86,8% tout en préservant toutes les informations essentielles.

Les créateurs de contenu ont besoin d'une évaluation de qualité systématique et objective pour améliorer les supports éducatifs. Cette compétence fournit une grille d'évaluation pondérée à 6 catégories avec un scoring basé sur des preuves pour évaluer et améliorer de manière cohérente les chapitres de livres et les leçons.

Les concepts complexes submergent les apprenants lorsqu'ils sont présentés de manière incorrecte. Cette compétence applique la théorie de la charge cognitive pour concevoir des progressions étape par étape qui correspondent au niveau de compétence des apprenants, en veillant à ce que les concepts s'appuient sur les prérequis avec un étayage approprié à chaque étape.

La validation manuelle des blocs de code dans les chapitres de livres prend du temps et est sujette aux erreurs. Cette compétence détecte automatiquement les langages de code, applique des stratégies de validation appropriées aux couches et génère des rapports d'erreurs exploitables avec des corrections.

L'enseignement du code nécessite plus qu'une démonstration de syntaxe. Cette compétence génère des exemples pertinents pour la production en utilisant une pédagogie basée sur le raisonnement qui active la compréhension grâce aux modèles spec-first, show-then-explain.

La création de chatbots ChatKit nécessite l'intégration de plusieurs technologies (FastAPI, OpenAI Agents SDK, outils MCP) avec des modèles de sécurité appropriés. Cette compétence fournit un guide architectural complet pour créer des chatbots prêts pour la production avec isolation utilisateur et capacités en temps réel.

Le contenu éducatif dérive souvent des modèles canoniques au fil du temps. Cette compétence compare le contenu des leçons avec des sources faisant autorité pour s'assurer que les étudiants apprennent les formats corrects correspondant aux conventions de la plateforme.

L'automatisation du navigateur nécessite des interactions manuelles répétitives avec les pages web. Cette compétence fournit des outils alimentés par MCP pour naviguer sur les sites web, remplir des formulaires, cliquer sur des éléments, prendre des captures d'écran et extraire des données par programmation via le serveur MCP Playwright.

La planification de grands livres éducatifs est difficile sans structure. Cette compétence fournit des modèles, des patrons et des outils de validation pour échafauder des parcours d'apprentissage multi-chapitres qui gérer la charge cognitive et assurer la continuité narrative.

Créer des évaluations de programmation équitables prend du temps. Cette compétence génère différents types de questions alignés aux objectifs d'apprentissage avec des distracteurs significatifs, des grilles d'évaluation pour les questions ouvertes et une analyse de la distribution cognitive.