229 件 ・ 関連度順
概要と使いどころ
Monitor a PR's CI checks and Greptile code review after submission. Polls CI status, auto-fixes failures via ralph-loop, waits for Greptile review, addresses comments, and iterates until green.
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。
Update documentation across the repo after API changes. Finds stale references in docs, examples, docstrings, and fixes them.
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。
Deploy an OpenEnv environment to Hugging Face Spaces. Use when asked to deploy, push to Hugging Face, or update a space.
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。
Start work on a GitHub issue. Extracts requirements, creates worktree, sets up TDD workflow.
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。
Work on a batch of GitHub issues in parallel using Agent Teams. Creates one worktree per issue with TDD enforcement, coordinates via a lead agent, then produces stacked PRs.
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。
Write failing tests from requirements. Invoke for each todo before /implement.
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。
Make tests pass. Invoke after /write-tests produces failing tests.
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。
OpenEnv CLI (`openenv`) for scaffolding, validating, building, and pushing OpenEnv environments.
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。
Validate changes before submitting a pull request. Run comprehensive checks including lint, tests, alignment review, and RFC analysis. Use before creating a PR, when asked if code is ready for review, or before pushing for PR.
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。
Refactor code after tests pass. The "Refactor" phase of Red-Green-Refactor.
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。
Determine if proposed changes require an RFC. Use when planning significant changes, before starting major work, or when asked whether an RFC is needed.
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。
Diagnose and recover failing or stuck Hugging Face Space deployments for OpenEnv environments. Use when deploying envs from `envs/` to the Hub (`openenv` namespace with version suffixes), when Spaces are in `BUILDING`/`APP_STARTING`/`RUNTIME_ERROR`, or when release collections need to be reconciled after targeted redeploys.
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。
Review code changes for bugs and alignment with OpenEnv principles and RFCs. Use when reviewing PRs, checking code before commit, or when asked to review changes. Implements two-tier review model.
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。
Release workflow for deploying OpenEnv environments to Hugging Face Spaces and keeping canonical references in sync.
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。
Generate OpenEnv environments from a concrete use case (for example, "generate an env for the library textarena"). Use when asked to design or implement a new environment under envs/ by researching a target library/API, selecting matching OpenEnv examples, asking key implementation questions, and building models/client/server/openenv.yaml. Do not use for model training or evaluation tasks.
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。
Train GPT-2 scale models (~124M parameters) efficiently on a single GPU. Covers GPT-124M architecture, tokenized dataset loading (e.g., HuggingFace Hub shards), modern optimizers (Muon, AdamW), mixed precision training, and training loop implementation.
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。
Hugging Face transformer model fine-tuning and inference for intent classification
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。
Parameter-efficient fine-tuning for LLMs using LoRA, QLoRA, and 25+ methods. Use when fine-tuning large models (7B-70B) with limited GPU memory, when you need to train <1% of parameters with minimal accuracy loss, or for multi-adapter serving. HuggingFace's official library integrated with transformers ecosystem.
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。
Generates code that transforms datasets between ML schemas for model training or evaluation. Use when the user says "transform", "convert", "reformat", "change the format", or when a dataset's schema needs to change to match the target format — always use this skill for format changes rather than writing inline transformation code. Supports OpenAI chat, SageMaker SFT/DPO/RLVR/RLAIF, HuggingFace preference, Bedrock Nova, VERL, and custom JSONL formats from local files or S3.
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。
Evaluates code generation models across HumanEval, MBPP, MultiPL-E, and 15+ benchmarks with pass@k metrics. Use when benchmarking code models, comparing coding abilities, testing multi-language support, or measuring code generation quality. Industry standard from BigCode Project used by HuggingFace leaderboards.
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。
Best practices for the Common utilities package in LlamaFarm. Covers HuggingFace Hub integration, GGUF model management, and shared utilities.
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。
Provides guidance for writing, optimizing, and benchmarking Triton kernels for Intel XPU GPUs (Battlemage/Arc Pro B50) using the Xe-Forge optimization framework. Includes an LLM-driven trial-loop workflow (analyze, validate, benchmark, profile, finalize), XPU-specific patterns (tensor descriptors, GRF mode, tile swizzling), KernelBench fused kernels, and Flash Attention.
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。
Provides guidance for writing, optimizing, and benchmarking C++ CPU kernels with SIMD intrinsics (AVX2/AVX512) for the Hugging Face kernels ecosystem. Includes a two-phase workflow: Phase 1 correctness (generic → AVX2) and Phase 2 performance exploration (AVX512 with branching trial loop), runtime CPU dispatch, OpenMP threading, and brgemm integration for GEMM-heavy kernels.
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。
Create a small random Hugging Face model that preserves the original architecture and can serve as a local Optimum Intel repository test fixture.
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。