Esta skill extrai conteúdo limpo em markdown ou texto de URLs específicas usando a API de extração da Tavily. Perfeita para pesquisa, recuperação de documentação e agregação de conteúdo sem escrever código de scraping personalizado.

O baixo desempenho do banco de dados pode tornar as aplicações extremamente lentas. Esta habilidade fornece 27 padrões PostgreSQL otimizados, abrangendo índices, otimização de consultas, gerenciamento de conexões, segurança e design de esquema para obter melhorias de desempenho de 10-100x.

Crawl4AI permite rastreamento eficiente de sites com suporte a JavaScript, extração baseada em esquema e formatos de saída flexíveis. Os usuários podem extrair dados sem chamadas LLM para automação econômica ou usar extração baseada em LLM para conteúdo complexo.

Agentes de IA têm dificuldade em aprender com experiências passadas e melhorar ao longo do tempo. ReasoningBank fornece padrões de aprendizado adaptativo usando AgentDB para que agentes possam rastrear trajetórias, julgar resultados e destilar memórias em padrões reutilizáveis.

Bancos de dados tradicionais têm dificuldade com consultas de pesquisa semântica. AgentDB oferece operações vetoriais 150x mais rápidas com tempos de pesquisa sub-milissegundos para construir sistemas RAG e bases de conhecimento inteligentes.

As buscas vetoriais do AgentDB ficam mais lentas conforme os dados crescem, causando lag na aplicação. Esta skill fornece técnicas de quantização e indexação para atingir buscas 150x mais rápidas com redução de memória de 4-32x, mantendo a precisão.

A construção de agentes auto-aprendentes requer uma configuração complexa de aprendizado por reforço. Este skill oferece templates e orientação para 9 algoritmos, incluindo Decision Transformer, Q-Learning e Actor-Critic.

Construa sistemas de IA distribuídos sofisticados com sincronização sub-milisegundo e recursos avançados de busca. Aprenda a implementar sincronização QUIC, métricas de distância personalizadas e busca híbrida de vetores mais metadados para aplicações de produção.

A medição da qualidade do agente requer abordagens estruturadas. Esta skill fornece rubricas de avaliação multidimensionais, gerenciamento de conjuntos de testes e monitoramento de produção para avaliar e melhorar continuamente o desempenho do agente.

Janelas de contexto limitadas restringem tarefas complexas e aumentam custos de API. Esta skill fornece técnicas comprovadas para dobrar ou triplicar a capacidade efetiva de contexto através de compactação, mascaramento de observações, otimização de KV-cache e particionamento de contexto.

O contexto é a base do desempenho eficaz de agentes de IA. Esta habilidade ensina como compreender, projetar e otimizar contexto em sistemas de agentes. Aprenda os princípios da divulgação progressiva, mecânica de atenção e orçamento de contexto para construir agentes de IA mais capazes.

A avaliação manual de saídas de LLMs é lenta e inconsistente entre avaliadores. Esta skill fornece técnicas de nível de produção para avaliação automatizada usando LLMs como juízes. Inclui rubricas de pontuação direta, comparação pareada com mitigação de viés de posição e calibração de confiança.

Esta skill fornece documentação abrangente e referências de SDK para serviços de IA do Azure, incluindo Search, Speech, OpenAI, Vision, Translation e Document Intelligence. Ajuda desenvolvedores a encontrar rapidamente as APIs corretas e padrões de código para suas soluções de IA.

JSON Canvas é um formato de arquivo aberto para dados de canvas infinito usado no Obsidian. Esta skill oferece documentação abrangente e orientação para criar arquivos JSON Canvas válidos com nós, arestas, grupos e conexões para canvases visuais, mapas mentais e fluxogramas.

O banco de dados ZINC contém 230M+ compostos químicos comercializáveis para pesquisa em descoberta de fármacos. Esta skill fornece acesso programático para pesquisar por ZINC ID, SMILES ou código de fornecedor, recuperar estruturas 3D e realizar buscas por similaridade para triagem virtual e estudos de acoplamento molecular.

Trabalhando com grandes conjuntos de dados que excedem os limites de memória. O Zarr-python permite armazenamento de arrays em chunks com compressão para fluxos de trabalho de computação científica eficientes e nativos de nuvem.

Esta habilidade permite criar, editar e analisar planilhas Excel com fórmulas, formatação e análise de dados. Também recalcula fórmulas e verifica zero erros para resultados de qualidade editorial.

Processar grandes conjuntos de dados tabulares que excedem a RAM exige ferramentas especializadas. O Vaex permite operacoes de DataFrame fora da memoria, avaliacao preguiçosa e processamento de bilhoes de linhas por segundo em conjuntos de dados grandes demais para a memoria. Perfeito para dados astronomicos, series temporais financeiras e analise cientifica em larga escala.

Dados de alta dimensionalidade são difíceis de visualizar e analisar. O UMAP reduz dimensões enquanto preserva a estrutura, permitindo visualizações claras em 2D/3D e melhores resultados de clustering.

Redes Neurais de Grafos alimentam aplicações modernas como descoberta de drugs, análise de redes sociais e sistemas de recomendação. Esta skill oferece templates prontos para uso e documentação para implementar GNNs com PyTorch Geometric.