Les tâches de codage complexes nécessitent plusieurs itérations et des modifications coordonnées entre plusieurs fichiers. Cette compétence spawn des agents autonomes qui travaillent selon un plan structuré avec des portes de révision intégrées. L'essaim termine le travail de développement en plusieurs étapes sans interaction constante aller-retour.

Une compétence AI pour Claude, Codex et Claude Code

Browse and interact with ClawDirect, a directory of social web experiences for AI agents. Get MCP tool usage instructions and API documentation. Connect via ATXP authentication.

An AI skill for Claude, Codex, and Claude Code

Manage Things 3 via the things CLI on macOS — add/update projects and todos via URL scheme, read/search/list from local Things database. Use when a user asks to add a task to Things, list inbox/today/upcoming, search tasks, or inspect projects/areas/tags.

Manage Apple Reminders via remindctl CLI — list, add, edit, complete, delete. Supports lists, date filters, and JSON/plain output. Syncs to iPhone/iPad Reminders app.

Manage Apple Notes via the memo CLI on macOS — create, view, edit, delete, search, move, and export notes. Use when a user asks to add a note, list notes, search notes, or manage note folders.

Une compétence IA pour Claude, Codex et Claude Code

Construire des applications LLM sans une architecture appropriée conduit à gaspiller du temps et des ressources. Cette compétence fournit des modèles éprouvés par des systèmes de production comme le HN Time Capsule de Karpathy et l'agent d0 de Vercel.

Les systèmes mono-agent font face à des limites de contexte, des goulots d'étranglement de traitement séquentiel et des configurations d'outils inflexibles. Cette compétence fournit des modèles pour répartir le travail entre plusieurs agents IA avec une coordination explicite, des protocoles de passation et la gestion des défaillances.

Une compétence IA pour Claude, Codex et Claude Code

Mesurer la qualité des agents nécessite des approches structurées. Cette compétence fournit des grilles d'évaluation multi-dimensionnelles, la gestion de ensembles de tests et la surveillance en production pour évaluer et améliorer continuellement la performance des agents.

Les fenêtres de contexte limitées contraignent les tâches complexes et augmentent les coûts d'API. Cette technique offre des méthodes éprouvées pour doubler ou tripler la capacité de contexte effective grâce à la compaction, au masquage d'observations, à l'optimisation du cache KV et au partitionnement du contexte.

Le contexte est le fondement de la performance des agents IA. Cette compétence vous apprend à comprendre, concevoir et optimiser le contexte dans les systèmes d'agents. Apprenez les principes de la divulgation progressive, les mécanismes d'attention et la budgétisation du contexte pour construire des agents IA plus performants.

Les agents IA perdent en performance au fil des conversations. Ce skill diagnostique les problèmes de 'perte au milieu', l'empoisonnement du contexte et les échecs d'attention pour restaurer les performances optimales de l'agent. Il fournit des motifs pour reconnaître et atténuer la dégradation du contexte.

Les longues sessions d'agent génèrent des millions de tokens qui dépassent les limites de contexte. Cette compétence fournit des stratégies de compression structurées qui réduisent l'utilisation des tokens tout en préservant les chemins de fichiers, les messages d'erreur et les décisions afin que les agents puissent continuer à travailler sans récupérer à nouveau les informations.

Transformez les données RDF en architectures cognitives d'agents en utilisant les schémas formels Belief-Desire-Intention (Croyance-Désir-Intention). Permettez aux systèmes IA de modéliser l'agent rationnel avec des chaînes de raisonnement traçables et l'interopérabilité sémantique pour les systèmes multi-agents.

L'évaluation manuelle des sorties LLM est lente et incohérente entre les évaluateurs. Cette compétence fournit des techniques de niveau production pour l'évaluation automatisée utilisant les LLM comme juges. Elle inclut des grilles de scoring direct, la comparaison par paires avec atténuation du biais de position, et l'étalonnage de la confiance.

Créer des projets blockchain Solana à partir de zéro nécessite de comprendre les conventions du framework Anchor, la structure des contrats intelligents Rust, et l'intégration frontend Next.js. Cette compétence génère des projets prêts pour la production avec une structure correcte, une configuration et une intégration de portefeuille.

Simplifiez le développement et le déploiement de modèles d'IA sur Huawei Cloud ModelArts. Cette compétence fournit une gestion unifiée des ressources pour les travaux de formation, les modèles, les services d'inférence et les notebooks avec des fonctionnalités de sécurité intégrées.