8.9천건 · 인기순
Provides guidance for LLM post-training with RL using slime, a Megatron+SGLang framework. Use when training GLM models, implementing custom data generation workflows, or needing tight Megatron-LM integration for RL scaling.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Use when (1) building an AI agent that needs to communicate with other agents over the Agent2Agent (A2A) protocol, (2) publishing an AgentCard for discovery, (3) acting as an A2A client or server, or (4) integrating A2A capabilities into an existing agent framework. Solves agent isolation — enabling discovery, capability negotiation, task delegation, and structured data exchange across different frameworks and vendors.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
High-performance vector similarity search engine for RAG and semantic search. Use when building production RAG systems requiring fast nearest neighbor search, hybrid search with filtering, or scalable vector storage with Rust-powered performance.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Search personal knowledge bases, notes, docs, and meeting transcripts locally using qmd — a hybrid retrieval engine with BM25, vector search, and LLM reranking. Supports CLI and MCP integration.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Control LLM output with regex and grammars, guarantee valid JSON/XML/code generation, enforce structured formats, and build multi-step workflows with Guidance - Microsoft Research's constrained generation framework
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Expert guidance for Fully Sharded Data Parallel training with PyTorch FSDP - parameter sharding, mixed precision, CPU offloading, FSDP2
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
GPU-accelerated data curation for LLM training. Supports text/image/video/audio. Features fuzzy deduplication (16× faster), quality filtering (30+ heuristics), semantic deduplication, PII redaction, NSFW detection. Scales across GPUs with RAPIDS. Use for preparing high-quality training datasets, cleaning web data, or deduplicating large corpora.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Extract structured data from LLM responses with Pydantic validation, retry failed extractions automatically, parse complex JSON with type safety, and stream partial results with Instructor - battle-tested structured output library
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
2,592 curated AI system prompts from Claude, ChatGPT, Cursor, v0, Devin, Grok, and more.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Songwriting craft and Suno AI music prompts.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Open-source embedding database for AI applications. Store embeddings and metadata, perform vector and full-text search, filter by metadata. Simple 4-function API. Scales from notebooks to production clusters. Use for semantic search, RAG applications, or document retrieval. Best for local development and open-source projects.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Evolve prompts/regex/SQL/code with Imbue's evolution loop.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build comparable company analysis in Excel — operating metrics, valuation multiples, statistical benchmarking vs peer sets. Pairs with excel-author. Use for public-company valuation, IPO pricing, sector benchmarking, or outlier detection.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Persistent AI companion with long-term memory, project context awareness, and multi-session continuity across any LLM.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Karpathy's LLM Wiki: build/query interlinked markdown KB.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Decomposition playbook + anti-temptation rules for an orchestrator profile routing work through Kanban. The 'don't do the work yourself' rule and the basic lifecycle are auto-injected into every kanban worker's system prompt; this skill is the deeper playbook when you're specifically playing the orchestrator role.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Pitfalls, examples, and edge cases for Hermes Kanban workers. The lifecycle itself is auto-injected into every worker's system prompt as KANBAN_GUIDANCE (from agent/prompt_builder.py); this skill is what you load when you want deeper detail on specific scenarios.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
HuggingFace hf CLI: search/download/upload models, datasets.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Analyze prompts and offer depth / token-budget options BEFORE answering. Use this skill when the user wants to control token usage, tune response depth, choose between short and long answers, or optimize their prompt. Triggers on: "tokens", "token budget", "depth", "consumption", "short vs long answer", "how many tokens", "save tokens", "answer at 50%", "give me the short version", "I want to control how much you use", "tune your response", "presupuesto de tokens", "profundidad", "responde al 50%", "dame la versión corta", or any equivalent phrasing in English or Spanish. If the user wants to control length, detail or depth -- even without mentioning tokens explicitly -- this skill applies.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Batch-generate Dreamifly images/videos from prompt queues. Use when the user asks to batch-generate images, edit images with references, create text-to-video or image-to-video, validate or estimate Dreamifly job cost, retry failed media jobs, or summarize Dreamifly outputs.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
批量调用 Dreamifly 生成并下载图片或视频。Use when the user asks to batch-generate images, edit images with references, create text-to-video or image-to-video, queue prompts, validate or estimate generation cost, retry failed media jobs, or summarize Dreamifly outputs.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Master modern SQL with cloud-native databases, OLTP/OLAP optimization, and advanced query techniques. Expert in performance tuning, data modeling, and hybrid analytical systems. Use PROACTIVELY for database optimization or complex analysis.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Skill for system-prompts tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
SQL database migrations with zero-downtime strategies for PostgreSQL, MySQL, SQL Server
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.