Explorar skills

Detecta prováveis vieses cognitivos em pensamento de produto, documentos de estratégia, prompts, resumos de pesquisa, notas de reunião, declarações de usuários e saídas de LLM. Utilize para auditorias de viés, classificação de falhas de raciocínio ou para obter os candidatos a viés mais fortes com evidências, distinções e contramedidas.

Web search, scraping, crawling, and browser automation via the Firecrawl CLI. Returns clean LLM-optimized markdown from any URL. USE FOR: - Web search, image search, news search - Scraping URLs, docs, articles, API references - Deep research, competitor analysis, fact-checking, current events - Site mapping, crawling, content extraction - Reading web pages, documentation sites, release notes - Int

Isolated, high-quality, high-efficiency plan execution. Environment-aware, dependency-driven, adaptive. Use when you have an implementation plan to execute.

Spec-Driven Development (SDD) Plugin: Continuous Learning + LLM-as-Judge + Agent Swarm

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

VAD-first audio transcription pipeline with evidence-backed Whisper configuration, language-aware model routing, dictionary correction, and LLM post-processing. Use when the user wants to transcribe audio files — meetings, interviews, voice memos, podcasts. Handles Norwegian (NB-Whisper) and English (whisper-large-v3-turbo) with automatic language detection. Runs locally on Apple Silicon via MLX.

Realiza uma auditoria de configuração estática para OpenClaw, revisando propostas de agentes, validando alterações em openclaw.json e detectando erros de esquema antes da execução. Utilize quando um usuário compartilha uma proposta de agente OpenClaw para revisão.

Implement a task with automated LLM-as-Judge verification for critical steps

Consulte o LM Studio local ou qualquer servidor LLM compatível com OpenAI (como Ollama, llama.cpp, vLLM) para tarefas de codificação, explicações ou geração de texto sem usar tokens de API pagos. Utilize quando o usuário solicitar explicitamente um modelo local, ou para tarefas de baixo risco como exemplos de código, documentação, scripts simples ou trabalho exploratório onde a precisão perfeita não é crítica.

Overrides default LLM truncation behavior. Enforces complete code generation, bans placeholder patterns, and handles token-limit splits cleanly. Apply to any task requiring exhaustive, unabridged output.

Помогает писать системные промпты для LLM. Используй когда нужно написать prompt, system prompt, системный промпт, инструкцию для модели.

Optimize documentation for AI coding assistants and LLMs. Improves docs for Claude, Copilot, and other AI tools through c7score optimization, llms.txt generation, question-driven restructuring, and automated quality scoring. Use when asked to improve, optimize, or enhance documentation for AI assistants, LLMs, c7score, Context7, or when creating llms.txt files. Also use for documentation quality a