Shapes turns action-first: action leads, steps numbered, state restated. Use for ADHD-friendly output. Do not use to trim tokens; use response-compression.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
athola/claude-night-market3422026년 10월 17일 업데이트
무료GitHub에 공개
setup
Provisions the oracle ML inference daemon with onnxruntime via uv. Use when setting up local ONNX model inference for skill quality evaluation.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
설치 방법 보기포함된 파일(1)
- SKILL.md1.5 KB
SKILL.md(원문)
설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.
Oracle Setup
Provision the ML inference environment.
When NOT To Use
- The daemon is already provisioned and only needs to be used
- Evaluating skill quality itself (use
abstract:skills-eval)
What This Does
- Creates a Python 3.11+ virtual environment using uv
- Installs onnxruntime into the venv
- Verifies the installation
Prerequisites
- uv must be installed
- Internet connection for initial download
Steps
- Run provisioning:
cd plugins/oracle && uv run python -c "
from oracle.provision import provision_venv, get_venv_path
result = provision_venv(get_venv_path())
print(result.message)
"
- Report result to the user.
- If successful, tell the user the daemon will start on next session.
- If failed, show the error and suggest checking uv and network.
Exit Criteria
-
provision_venv()returns a result with a non-errormessageand the venv path exists on disk underplugins/oracle/ -
onnxruntimeis importable inside the provisioned venv; verified byuv run python -c "import onnxruntime"exiting 0 - User receives a clear success message stating the daemon will start on next session, or a clear failure message citing the specific error and whether it is a uv or network issue
- On failure, no partial venv left in a broken state that would prevent a clean retry
리뷰
아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.
댓글
로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.
같은 저장소의 스킬
Inverts burden of proof for code additions. Use when reviewing PRs, planning refactors, or running unbloat to challenge every addition's necessity.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
athola/claude-night-market3422026년 10월 17일 업데이트
Tracks per-agent token usage and flags waste in parallel dispatch. Use when evaluating parallel agent efficiency or after a multi-agent run.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
athola/claude-night-market3422026년 10월 17일 업데이트
Coordinates Claude agent teams via filesystem protocol. Use when orchestrating parallel agents with task dependencies. Do not use for single-agent tasks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
athola/claude-night-market3422026년 10월 17일 업데이트
Evaluates API surface design, consistency, and exemplar alignment. Use when reviewing public API changes or before releasing a new API surface.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
athola/claude-night-market3422026년 10월 17일 업데이트
Selects architecture paradigm via research before scaffolding. Use when architecture is undecided and the choice needs justification and documentation.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
athola/claude-night-market3422026년 10월 17일 업데이트