“code mode”的搜索结果

Escrever código C++ idiomático com recursos modernos, RAII, smart pointers e algoritmos STL. Trata templates, move semantics e otimização de desempenho.

中文简介正在准备中。当前显示原文说明。

Escreva código C# moderno com recursos avançados como records, pattern matching e async/await. Otimiza aplicações .NET, implementa padrões empresariais e garante testes abrangentes.

中文简介正在准备中。当前显示原文说明。

Otimizador de banco de dados especializado em tuning de desempenho moderno, otimização de queries e arquiteturas escaláveis.

中文简介正在准备中。当前显示原文说明。

Suite de ferramentas para criar artefatos HTML elaborados e multi-componentes para claude.ai usando tecnologias web frontend modernas (React, Tailwind CSS, shadcn/ui). Use para artefatos complexos que requerem gerenciamento de estado, roteamento ou componentes shadcn/ui - não para artefatos HTML/JSX simples em arquivo único.

中文简介正在准备中。当前显示原文说明。

Princípios do Tailwind CSS v4. Configuração baseada em CSS, container queries, padrões modernos, arquitetura de design tokens.

中文简介正在准备中。当前显示原文说明。

Desenvolvimento moderno de JavaScript/TypeScript com runtime Bun. Cobre gerenciamento de pacotes, bundling, testes e migração do Node.js. Use quando trabalhar com Bun, otimizar velocidade de desenvolvimento JS/TS ou migrar do Node.js para Bun.

中文简介正在准备中。当前显示原文说明。

Diretrizes para layout moderno de UI em Avalonia usando Zafiro.Avalonia, enfatizando estilos compartilhados, componentes genéricos e evitando redundância em XAML.

中文简介正在准备中。当前显示原文说明。

Especialista em Angular moderno (v20+) com conhecimento profundo de Signals, Componentes Standalone, aplicações Zoneless, SSR/Hydration e padrões reativos.

中文简介正在准备中。当前显示原文说明。

Arquiteto de banco de dados especializado em design de camada de dados do zero, seleção de tecnologia, modelagem de schemas e arquiteturas de bancos de dados escaláveis.

中文简介正在准备中。当前显示原文说明。

Gere documentação de arquitetura usando diagramas C4 model Mermaid. Use quando solicitado criar diagramas de arquitetura, documentar arquitetura de sistema, visualizar estrutura de software, criar diagramas C4, ou gerar diagramas de contexto/container/componente/deployment. Triggers incluem "diagrama de arquitetura", "diagrama C4", "contexto do sistema", "diagrama de container", "diagrama de componente", "diagrama de deployment", "documentar arquitetura", "visualizar arquitetura".

中文简介正在准备中。当前显示原文说明。

Domine técnicas avançadas de engenharia de prompts para maximizar o desempenho, confiabilidade e controlabilidade de modelos de linguagem.

中文简介正在准备中。当前显示原文说明。

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.

中文简介正在准备中。当前显示原文说明。

Especialista em construção de sistemas de Retrieval-Augmented Generation. Domina modelos de embedding, bancos de dados vetoriais, estratégias de chunking e otimização de recuperação para aplicações LLM. Use quando: construir RAG, busca vetorial, embeddings, busca semântica, recuperação de documentos.

中文简介正在准备中。当前显示原文说明。

Orientação de liderança executiva para tomada de decisões estratégicas, desenvolvimento organizacional e gerenciamento de stakeholders. Inclui analisador de estratégia, modelagem de cenários financeiros, frameworks de governança corporativa e playbooks de relações com investidores. Use ao planejar estratégia, preparar apresentações para conselho, gerenciar investidores, desenvolver cultura organizacional, tomar decisões executivas, ou quando o usuário menciona CEO, planejamento estratégico, reuniões do conselho, atualizações de investidores, liderança organizacional ou estratégia executiva.

中文简介正在准备中。当前显示原文说明。

Construa sistemas de IA complexos com programação declarativa, otimize prompts automaticamente, crie sistemas RAG modulares e agentes com DSPy - framework de Programação Sistemática de Modelos de Linguagem da Stanford NLP

中文简介正在准备中。当前显示原文说明。

Construa agentes de IA prontos para produção com PydanticAI — type-safe tool use, structured outputs, dependency injection, e suporte multi-modelo.

中文简介正在准备中。当前显示原文说明。

Fornece orientação para treinamento RL de nível empresarial usando miles, um fork pronto para produção do slime. Use ao treinar grandes modelos MoE com FP8/INT4, necessitando alinhamento treino-inferência ou exigindo RL especulativo para máxima taxa de transferência.

中文简介正在准备中。当前显示原文说明。

Plataforma de observabilidade para LLM com rastreamento, avaliação e monitoramento. Use ao depurar aplicações LLM, avaliar saídas de modelos em datasets, monitorar sistemas em produção ou construir pipelines de testes sistemáticos para aplicações de IA.

中文简介正在准备中。当前显示原文说明。

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).

中文简介正在准备中。当前显示原文说明。

Otimiza inferência de LLM com NVIDIA TensorRT para máxima vazão e latência mínima. Use para implantação em produção em GPUs NVIDIA (A100/H100), quando você precisa de inferência 10-100x mais rápida que PyTorch, ou para servir modelos com quantização (FP8/INT4), batching em voo e escalabilidade multi-GPU.

中文简介正在准备中。当前显示原文说明。

Plataforma GPU serverless em nuvem para executar workloads de ML. Use quando você precisar de acesso GPU sob demanda sem gerenciamento de infraestrutura, fazendo deploy de modelos de ML como APIs, ou executando jobs em batch com auto-scaling.

中文简介正在准备中。当前显示原文说明。

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.

中文简介正在准备中。当前显示原文说明。

Serve LLMs com alta throughput usando PagedAttention do vLLM e continuous batching. Use ao fazer deploy de APIs LLM em produção, otimizar latência/throughput de inferência, ou servir modelos com memória GPU limitada. Suporta endpoints compatíveis com OpenAI, quantização (GPTQ/AWQ/FP8) e tensor parallelism.

中文简介正在准备中。当前显示原文说明。

Quantização pós-treinamento em 4-bits para LLMs com perda mínima de precisão. Use para implantar modelos grandes (70B, 405B) em GPUs de consumo, quando você precisa de redução de memória 4× com <2% de degradação de perplexidade, ou para inferência mais rápida (aceleração de 3-4×) vs FP16. Integra com transformers e PEFT para fine-tuning QLoRA.

中文简介正在准备中。当前显示原文说明。