8,183 件 ・ 関連度順
Fornece orientação para treinar LLMs com aprendizado por reforço usando verl (Volcano Engine RL). Use ao implementar RLHF, GRPO, PPO ou outros algoritmos de RL para pós-treinamento de LLMs em escala com backends de infraestrutura flexíveis.
日本語の概要は準備中です。原文の説明を表示しています。
Fornece orientação para pós-treinamento de LLM com RL usando slime, um framework Megatron+SGLang. Use ao treinar modelos GLM, implementar fluxos de trabalho personalizados de geração de dados, ou precisar de integração estreita com Megatron-LM para escalabilidade em RL.
日本語の概要は準備中です。原文の説明を表示しています。
Padrões de Retrieval-Augmented Generation incluindo chunking, embeddings, vector stores e otimização de recuperação. Use quando: rag, retrieval augmented, vector search, embeddings, semantic search.
日本語の概要は準備中です。原文の説明を表示しています。
Um Engenheiro de Pesquisa Acadêmica inabalável. Opera com rigor científico absoluto, crítica objetiva e zero floreios. Focado em correção teórica, verificação formal e implementação otimizada em qualquer tecnologia necessária.
日本語の概要は準備中です。原文の説明を表示しています。
Use quando executar planos de implementação com tarefas independentes na sessão atual
日本語の概要は準備中です。原文の説明を表示しています。
Construa sistemas de ML em produção com PyTorch 2.x, TensorFlow e frameworks modernos de ML. Implementa model serving, feature engineering, A/B testing e monitoramento.
日本語の概要は準備中です。原文の説明を表示しています。
Padrões prontos para produção ao construir aplicações com LLM. Cobre pipelines RAG, arquiteturas de agentes, IDEs de prompt e monitoramento LLMOps. Use ao projetar aplicações com IA, implementar RAG, construir agentes ou configurar observabilidade de LLM.
日本語の概要は準備中です。原文の説明を表示しています。
Implementação educacional do GPT em ~300 linhas. Reproduz o GPT-2 (124M) em OpenWebText. Código limpo e hackeável para aprender transformers. Por Andrej Karpathy. Perfeito para entender a arquitetura do GPT do zero. Treine em Shakespeare (CPU) ou OpenWebText (multi-GPU).
日本語の概要は準備中です。原文の説明を表示しています。
Estenda janelas de contexto de modelos transformer usando RoPE, YaRN, ALiBi e técnicas de interpolação de posição. Use ao processar documentos longos (32k-128k+ tokens), estender modelos pré-treinados além dos limites de contexto originais ou implementar codificações posicionais eficientes. Cobre embeddings rotativos, vieses de atenção, métodos de interpolação e estratégias de extrapolação para LLMs.
日本語の概要は準備中です。原文の説明を表示しています。
Padrões de design para construir agentes de codificação autônomos. Cobre integração de tools, sistemas de permissão, automação de browser e workflows com intervenção humana. Use ao construir agentes IA, projetar APIs de tools, implementar sistemas de permissão ou criar assistentes de codificação autônomos.
日本語の概要は準備中です。原文の説明を表示しています。
Modos operacionais de IA (brainstorm, implement, debug, review, teach, ship, orchestrate). Use para adaptar o comportamento com base no tipo de tarefa.
日本語の概要は準備中です。原文の説明を表示しています。
Treinar modelos de Mixture of Experts (MoE) usando DeepSpeed ou HuggingFace. Use ao treinar modelos em larga escala com computação limitada (redução de 5× em custos vs modelos densos), implementar arquiteturas esparsas como Mixtral 8x7B ou DeepSeek-V3, ou escalar capacidade de modelo sem aumento proporcional de computação. Cobre arquiteturas MoE, mecanismos de roteamento, balanceamento de carga, paralelismo de especialistas e otimização de inferência.
日本語の概要は準備中です。原文の説明を表示しています。
Pesquise a documentação da base de código gerada automaticamente para assinaturas de funções, docs de API, definições de classe e comentários de código. Use quando o usuário solicitar "pesquisar docs", "encontrar documentação", "procurar uma função", "verificar a API" ou antes de implementar mudanças para verificar assinaturas e padrões corretos.
日本語の概要は準備中です。原文の説明を表示しています。
Ferramentas são como agentes de IA interagem com o mundo. Uma ferramenta bem projetada é a diferença entre um agente que funciona e um que alucina, falha silenciosamente ou custa 10x mais tokens do que o necessário. Esta skill cobre design de ferramentas desde schema até tratamento de erros. Melhores práticas em JSON Schema, escrita de descrições que realmente ajudam o LLM, validação e o emerging padrão MCP que está se tornando a língua franca para ferramentas de IA. Insight-chave: Descrições de ferramentas são mais importantes que implementação
日本語の概要は準備中です。原文の説明を表示しています。
Construa pipelines de dados escaláveis, data warehouses modernos e arquiteturas de streaming em tempo real. Implementa Apache Spark, dbt, Airflow e plataformas de dados nativas em nuvem.
日本語の概要は準備中です。原文の説明を表示しています。
Apply the Opquast Digital Quality Framework (245 rules, 14 categories) when building, reviewing, or auditing websites and web applications. Use for web development quality assurance, accessibility compliance, security hardening, privacy implementation, e-commerce best practices, and holistic digital quality checks.
日本語の概要は準備中です。原文の説明を表示しています。
Load this skill before implementing a fix for a barrier that may originate in a shared component, design system, renderer, or external dependency rather than this project's own code. Decide whether the responsible fix is local, an existing installed capability, or an upstream contribution before writing a workaround. Absolutely always record any temporary local divergence with an owner and removal condition. Under no circumstances open, comment on, or submit anything in an external project without explicit human approval.
日本語の概要は準備中です。原文の説明を表示しています。
Implement or refactor Laravel controllers, commands, jobs, listeners, and scheduled tasks. Use for endpoints, authentication, request validation, simple reads, or extracting business orchestration into Actions.
日本語の概要は準備中です。原文の説明を表示しています。
Evaluate, introduce, or refactor persistence abstractions when direct Eloquent is insufficient. Use for repository requests, complex aggregate reconstruction, or multiple persistence implementations; reject CRUD wrappers without a concrete benefit.
日本語の概要は準備中です。原文の説明を表示しています。
Audit a codebase or subsystem for architecture simplification - shallow or pass-through modules, scattered concepts, naming drift, sibling workflows that disagree, weak test seams. Use when the user asks what to simplify or restructure. Not for a narrow fix or for implementing an already chosen design.
日本語の概要は準備中です。原文の説明を表示しています。
Design UI as information architecture + interaction + visual tone, then translate into implementable specs. Apply when discussing screen design, component design, design systems, or visual hierarchy.
日本語の概要は準備中です。原文の説明を表示しています。
Apply semantic HTML/JSX and WAI-ARIA correctly and minimally. Apply when implementing any UI, especially forms, interactive components, or when accessibility is mentioned.
日本語の概要は準備中です。原文の説明を表示しています。
Translate motion, interaction, and visual experience into implementable constraints while preserving accessibility and performance. Apply when working on animations, transitions, scroll effects, or micro-UX.
日本語の概要は準備中です。原文の説明を表示しています。
Design, implement, and integrate generalized validation harnesses across a producer-consumer boundary after a local harness contract exists. Use when refactoring custom validation CLIs/MCPs for large polyrepos, extending Steward across sibling repos, or deploying a local tool to a consumer project for dogfooding and testing.
日本語の概要は準備中です。原文の説明を表示しています。