Explorar skills

Esta skill permite a deliberação multi-LLM agnóstica a provedores, com respostas independentes, classificação anônima entre modelos e síntese por um 'chairman'. É usada para múltiplas perspectivas de IA ou construção de consenso, configurando provedores via ambiente e com persistência opcional de transcrições em wiki.

Claw Compactor é uma skill de compressão de tokens de 6 camadas para agentes OpenClaw, que reduz o gasto de tokens do workspace em 50-97%. Utiliza motores de regras determinísticos e Engram, um sistema de Memória Observacional em tempo real impulsionado por LLM, com relatórios automáticos de economia ao iniciar a sessão.

Guia para criar servidores MCP (Model Context Protocol) de alta qualidade que permitem que LLMs interajam com serviços externos através de ferramentas bem projetadas. Use ao construir servidores MCP para integrar APIs ou serviços externos, seja em Python (FastMCP) ou Node/TypeScript (MCP SDK).

Gera pôsteres acadêmicos a partir de artigos escritos, condensando capítulos em um pôster HTML de página única, com ilustrações e transições entre parágrafos.

Utilize ao construir ou manter uma base de conhecimento pessoal alimentada por LLM. Os gatilhos incluem a ingestão de fontes em uma wiki, consulta ao conhecimento da wiki, verificação da qualidade da wiki, ou qualquer menção de 'LLM wiki' ou 'Karpathy wiki'.

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.

Evaluates LLMs across 60+ academic benchmarks (MMLU, HumanEval, GSM8K, TruthfulQA, HellaSwag). Use when benchmarking model quality, comparing models, reporting academic results, or tracking training progress. Industry standard used by EleutherAI, HuggingFace, and major labs. Supports HuggingFace, vLLM, APIs.

Transformações instantâneas de código baseadas em WASM para tarefas simples, alcançando uma aceleração de 352x em relação à inferência de LLM com custo zero.

Habilidade de integração com Unreal Engine para desenvolvimento em C++/Blueprint, gerenciamento do ciclo de vida de atores, desenvolvimento de plugins e automação do editor. Permite que LLMs interajam com o Unreal Editor através de servidores MCP para manipulação de níveis, geração de Blueprints e fluxos de trabalho automatizados.

Geração e otimização de exemplos few-shot para melhorar o desempenho de LLMs.

Habilidade de integração com Unity Engine para configuração de projetos, script C#, gerenciamento de cenas, criação de prefabs e automação do editor. Permite que LLMs interajam com o Unity Editor através de servidores MCP para manipulação de ativos, geração de scripts e fluxos de trabalho automatizados.

Gerenciar fluxos de trabalho de inscrição e administração de benefícios, abrangendo escolhas, eventos de vida, período de inscrição aberta e acompanhamento de conformidade.