「adr」の検索結果

Domine padrões comprovados de arquitetura backend incluindo Clean Architecture, Hexagonal Architecture e Domain-Driven Design para construir sistemas mantíveis, testáveis e escaláveis.

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。

Orientação abrangente para implementar aplicações Python assincronous usando asyncio, padrões de programação concorrente e async/await para construir sistemas de alto desempenho e não bloqueantes.

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。

Criar interfaces frontend distintas e de qualidade produtiva com alto padrão de design. Use essa habilidade quando o usuário pedir para construir componentes web, páginas, artefatos, pôsteres ou aplicações (exemplos incluem websites, landing pages, dashboards, componentes React, layouts HTML/CSS, ou ao estilizar/embelezar qualquer UI web). Gera código criativo e polido com UI design que evita estéticas genéricas de IA.

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。

Orientação de liderança técnica para equipes de engenharia, decisões de arquitetura e estratégia de tecnologia. Inclui analisador de débito técnico, calculadora de escalabilidade de equipes, frameworks de métricas de engenharia, ferramentas de avaliação de tecnologia e templates de ADR. Use ao avaliar débito técnico, escalar equipes de engenharia, avaliar tecnologias, tomar decisões de arquitetura, estabelecer métricas de engenharia ou quando o usuário menciona CTO, débito técnico, débito técnico, escalabilidade de equipes, decisões de arquitetura, avaliação de tecnologia, métricas de engenharia, métricas DORA ou estratégia de tecnologia.

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。

Especialista em acessibilidade web para conformidade WCAG, implementação ARIA e design inclusivo. Use ao auditar sites para problemas de acessibilidade, implementar padrões WCAG 2.1 AA/AAA, testar com leitores de tela ou garantir conformidade ADA. Especialista em HTML semântico, navegação por teclado e compatibilidade com tecnologia assistiva.

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。

Criando visualizações de dados interativas usando d3.js. Esta habilidade deve ser usada ao criar gráficos customizados, diagramas de rede, visualizações geográficas ou qualquer visualização de dados complexa baseada em SVG que requeira controle fino sobre elementos visuais, transições ou interações. Use isto para visualizações personalizadas além das bibliotecas de gráficos padrão, seja em React, Vue, Svelte, JavaScript vanilla ou qualquer outro ambiente.

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。

Crie slides de apresentação Marp profissionais com 7 temas lindos (padrão, minimalista, colorido, escuro, gradiente, tech, negócios). Use quando usuários solicitarem criação de slides, apresentações ou documentos Marp. Suporta temas personalizados, layouts de imagem e requisitos "deixe bonito" com melhorias de qualidade automática.

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。

Todo produto será potencializado por IA. A questão é se você vai construir corretamente ou entregar uma demo que desmorona em produção. Esta skill cobre padrões de integração de LLM, arquitetura RAG, engenharia de prompt que escala, UX de IA em que usuários confiam, e otimização de custos que não quebra o orçamento. Use quando: keywords, file_patterns, code_patterns.

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。

Guia especializado em padrões de engenharia de prompts, melhores práticas e técnicas de otimização. Use quando o usuário quer melhorar prompts, aprender estratégias de prompting ou depurar comportamento de agentes.

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。

Analise dados do Google Analytics, revise métricas de desempenho do site, identifique padrões de tráfego e sugira melhorias orientadas por dados. Use quando o usuário pergunta sobre análise de dados, métricas de site, análise de tráfego, taxas de conversão, comportamento do usuário ou otimização de desempenho.

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。

Quantização Half-Quadratic para LLMs sem dados de calibração. Use ao quantizar modelos com precisão 4/3/2-bit sem necessidade de conjuntos de calibração, para workflows de quantização rápida, ou ao fazer deploy com vLLM ou HuggingFace Transformers.

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 pesquisa de interpretabilidade mecanística usando TransformerLens para inspecionar e manipular internals de transformers via HookPoints e caching de ativações. Use ao fazer engenharia reversa de algoritmos de modelos, estudar padrões de atenção ou realizar experimentos de activation patching.

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 o usuário menciona issues do Jira (ex: "PROJ-123"), pergunta sobre tickets, quer criar/visualizar/atualizar issues, verificar status do sprint ou gerenciar seu workflow no Jira. Ativa em palavras-chave como "jira", "issue", "ticket", "sprint", "backlog" ou padrões de chaves de issue.

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 o usuário solicitar a ativação do Gemini CLI para revisão de código, revisão de plano ou processamento de contexto amplo (>200k). Ideal para análise abrangente exigindo janelas de contexto grandes. Usa Gemini 3 Pro por padrão para raciocínio e codificação de última geração.

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 orquestração multi-agente. Use quando múltiplas tarefas independentes podem rodar com diferentes especialidades de domínio ou quando uma análise abrangente requer múltiplas perspectivas.

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。

Avalia modelos de geração de código em HumanEval, MBPP, MultiPL-E e 15+ benchmarks com métricas pass@k. Use ao comparar modelos de código, avaliar capacidades de codificação, testar suporte multilíngue ou medir qualidade de geração de código. Padrão da indústria do BigCode Project usado pelos leaderboards do HuggingFace.

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。

API de treinamento distribuído mais simples. 4 linhas para adicionar suporte distribuído a qualquer script PyTorch. API unificada para DeepSpeed/FSDP/Megatron/DDP. Posicionamento automático de device, precisão mista (FP16/BF16/FP8). Config interativo, comando de launch único. Padrão do ecossistema HuggingFace.

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。

Agentes autônomos são sistemas de IA que conseguem decompor objetivos, planejar ações, executar ferramentas e se auto-corrigir sem orientação humana constante. O desafio não é torná-los capazes - é torná-los confiáveis. Cada decisão extra multiplica a probabilidade de falha. Esta habilidade cobre loops de agentes (ReAct, Plan-Execute), decomposição de objetivos, padrões de reflexão e confiabilidade em produção. Insight-chave: taxas de erro compostas matam agentes autônomos. Uma taxa de sucesso de 95% por passo cai para 60% b

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。

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。

Avalia LLMs em mais de 60 benchmarks acadêmicos (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use quando benchmarking de qualidade de modelo, comparação de modelos, relatório de resultados acadêmicos ou rastreamento de progresso de treinamento. Padrão da indústria usado por EleutherAI, HuggingFace e laboratórios principais. Suporta HuggingFace, vLLM, APIs.

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 sistema híbrido de memória que oferece gerenciamento de conhecimento persistente e pesquisável para agentes de IA (Arquitetura, Padrões, Decisões).

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。