Скиллы для Codex, Claude Code и AI-платформ

Проводит end-to-end оценку GenAI-агентов в MLflow.

Создаёт persistent-агентов Azure AI Foundry на Python.

Проектирует governance и policy-контроли AI-агентов.

Вводит проверяемые циклы оценки и улучшения ответов AI-агента.

Улучшает код агента по данным Datadog LLM Observability.

Создаёт черновики evaluators из production-трейсов AI-агентов.

Проводит полный путь от production traces до evals и экспериментов.

Повторяет один LLM-трейс на локальном коде и показывает diff.

Находит первопричины сбоев AI-приложений по production-трейсам.

Настраивает OTel-алерты для latency, ошибок, токенов и качества агентов.

Разворачивает модели Model Garden в endpoints Agent Platform.

Управляет serving endpoints Google Agent Platform.

Оценивает и улучшает качество AI-моделей и агентов.

Подключает Gemini и OpenMaaS-модели для inference в Google Cloud.

Помогает перенести Gemini API из AI Studio в Google Cloud.

Управляет моделями в реестре Google Agent Platform.

Управляет версиями prompts в Google Agent Platform.

Управляет корпусами и grounded retrieval в Agent Platform RAG Engine.

Управляет skills в Gemini Enterprise Agent Platform.

Диагностирует ошибки Google Cloud Gemini Enterprise Agent Platform.

Настраивает fine-tuning open и Gemini-моделей в Google Agent Platform.

Управляет заданиями тонкой настройки моделей в Vertex AI.

Расширяет AgentCore-проект памятью, интеграциями и multi-agent возможностями.

Подключает AWS AgentCore к API и внешним tools.

Диагностирует ошибки и сбои AWS AgentCore через логи и traces.

Разворачивает AWS AgentCore agents с production-проверками.

Помогает запустить первого агента в Amazon Bedrock AgentCore.

Повышает production-безопасность AI-агентов на AWS.

Улучшает качество, наблюдаемость и стоимость AgentCore-агентов.

Создаёт stateful AI-агентов на Cloudflare Workers.

Ищет и устанавливает агентов и Agent Skills через AGNTCY Directory.

Устанавливает, разворачивает и проверяет NVIDIA AI-Q Blueprint.

Запускает глубокое исследование через доступный backend NVIDIA AI-Q Blueprint.

Помогает создавать AI-функции на Vercel AI SDK.

Оркестрирует lightweight multi-agent команду разработки.

Создаёт AI-приложения, агентов и RAG-сценарии на Amazon Bedrock.

Проверяет, достаточно ли надёжны данные для анализа.

Анализирует отдельный MLflow trace и ищет первопричины.

Создаёт persistent Azure AI agents на .NET.

Интегрирует Azure AI Content Safety для Python-приложений.

Интегрирует Azure AI Content Understanding в Python-приложения.

Настраивает Azure API Management как AI Gateway.

Работает с проектами Azure AI Foundry и агентами в .NET.

Разрабатывает AI-приложения на Azure AI Projects SDK.

Создаёт real-time voice AI-приложения на Azure Voice Live SDK.

Модернизирует Azure SDK и переводит облачные workloads между планами и SKU.

Проверяет решения и steerability AI-агента через behavioral evals.

Помогает использовать ML и GenAI-возможности BigQuery через SQL.

Работает с BigQuery datasets, таблицами, jobs и SQL.

Пишет Python-код BigFrames для анализа данных в BigQuery.

Помогает создавать stateful AI-агентов на Cloudflare Workers.

Даёт актуальные правила работы с Claude API и SDK.

Задаёт безопасные границы контекста для Codex code review.

Делегирует крупные coding-задачи Codex, Claude Code или OpenCode.

Проектирует hooks, память и reflection для непрерывного обучения AI-агента.

Подключает agent frameworks к CopilotKit через протокол AG-UI.

Подключает CopilotKit к существующему или новому проекту.

Создаёт приложения на GitHub Copilot SDK.

Выбирает подходящую media-модель Crun по намерению и ограничениям.

Проектирует и проверяет GitHub custom agent files и prompts.

Настраивает Databricks CLI, профили, auth и bundles.

Создаёт и переносит Databricks Genie Agents.

Обучает ML-модели и готовит batch или real-time scoring в Databricks.

Создаёт синтетические датасеты и pipelines генерации данных.

Аудитит действия Bits AI и MCP в Datadog.

Проектирует KPI, цели, guardrails и планы измерений.

Выполняет ES|QL-запросы для данных Elasticsearch.

Настраивает OAuth2-идентичности AI-агентов через Microsoft Entra Agent ID.

Проектирует durable AI-агентов на фреймворке eve.

Отвечает на вопросы о Power BI через FabricIQ MCP.

Находит подходящие Agent Skills в публичных коллекциях.

Подключает Firebase AI Logic и Gemini к веб-приложениям.

Настраивает базовую работу Firebase через CLI.

Управляет stateful-агентами, skills, файлами и tools Gemini.

Использует Gemini API в Google Agent Platform через единый SDK.

Работает с состоянием и потоками Gemini Interactions API.

Интегрирует streaming audio и video через Gemini Live API.

Проводит quickstart Google Ads API и разбирает ошибки доступа.

Разрабатывает Python-агентов на Google ADK.

Помогает оценивать качество и сбои AI-агентов на Google ADK.

Настраивает наблюдаемость Google ADK-агентов.

Проводит полный lifecycle AI-агента в Google Agent Platform.

Публикует ADK и A2A-агентов в Gemini Enterprise.

Ведёт полный цикл разработки AI-агента на Google ADK.

Получает отчёты и метрики из Google Analytics Data API.

Проектирует Google Cloud решения для потоковых multi-agent систем.

Проектирует и разворачивает AI- и multi-agent-системы в Google Cloud.

Определяет AWS-профиль, регион и identity перед cloud-задачей.

Настраивает изолированную Python-среду для Hugging Face Cloud.

Проверяет IAM execution role перед обучением и деплоем SageMaker.

Выбирает serving image Hugging Face для облачного inference.

Работает с Hugging Face Hub через MCP: модели, датасеты, Spaces и jobs.

Оценивает память для запуска Safetensors и GGUF-моделей.

Подбирает модели Hugging Face по задаче, бенчмаркам и устройству.

Управляет моделями, датасетами и Spaces через hf CLI.

Запускает локальную оценку моделей Hugging Face на доступном оборудовании.

Обучает и дообучает языковые и визуальные модели через Hugging Face Jobs.

Помогает выбрать и запустить локальную GGUF-модель через llama.cpp.

Создаёт и публикует Gradio Space для LoRA.

Читает и анализирует научные статьи Hugging Face и arXiv через API и Markdown.

Создаёт, развёртывает и диагностирует ML-приложения на Hugging Face Spaces.

Логирует, визуализирует и анализирует метрики ML-экспериментов.

Обучает vision-модели детекции, классификации и сегментации.

Настраивает Gradio Spaces для работы на ZeroGPU Hugging Face.

Настраивает production-оценку AI-агентов и циклы экспериментов Inngest.

Строит отказоустойчивые AI-агенты и workflows на Inngest.

Добавляет MLflow Tracing в код Python и TypeScript.

Создаёт и управляет агентами и custom tools Kibana Agent Builder.

Готовит KPI-отчёты, scorecards и регулярные бизнес-сводки.

Создаёт агентов Microsoft 365 и Copilot Studio на Python.

Оценивает размер рынка с прозрачными допущениями и сценариями.

Помогает работать с SQL и семантическими пакетами Alibaba MaxCompute.

Проектирует MCP-серверы для подключения внешних сервисов.

Проверяет конфигурации MCP-серверов на частые риски.

Помогает находить причины изменения продуктовых и бизнес-метрик.

Находит и объясняет официальную документацию Microsoft по запросу пользователя.

Управляет полным lifecycle AI-агентов Microsoft Foundry.

Маршрутизирует задачи трассировки и улучшения AI-агентов в MLflow.

Объясняет установку и эксплуатацию NemoClaw по актуальной документации.

Помогает обучать MoE VLM в Megatron Bridge и выбирать FSDP или 3D parallel.

Настраивает NeMo Relay для контроля AI-агентов.

Подключает единый Neon AI Gateway к LLM и агентам.

Мониторит LLM и agentic-приложения в Elastic по latency, cost и quality.

Ищет актуальную документацию OpenAI с источниками.

Создаёт аудионарративы через Azure OpenAI Realtime API.

Оптимизирует портфели и сценарии ребалансировки через cuOpt.

Настраивает и диагностирует NVIDIA RAG Blueprint.

Оценивает качество RAG через файловые RAGAS-бенчмарки.

Создаёт, улучшает и тестирует Agent Skills.

Устанавливает Codex Skills из каталога или GitHub.

Улучшает локальные навыки Codex по повторяющимся сессиям.

Маршрутизирует чтение, анализ и разрешённые действия в Slack.

Охватывает рабочий процесс Supabase для AI-агентов.

Запускает массовый асинхронный inference через Together AI.

Интегрирует streaming Chat Completions API Together AI.

Разворачивает модели на выделенных GPU через Together AI DMI v2.

Строит embeddings, semantic search, RAG и reranking через Together AI.

Проводит LLM-as-a-judge оценку и сравнение ответов моделей.

Готовит fine-tuning моделей через Together AI.

Обучает bi-encoder, CrossEncoder и SPLADE-модели для поиска и ранжирования.

Готовит обучение моделей через Hugging Face TRL.

Генерирует AGENTS.md с контекстом и правилами репозитория.

Маршрутизирует глубокое исследование через You.com API и MCP.

Создаёт совместимые с A2A серверы и клиенты агентов.

Диагностирует циклы, tool failures и дрейф поведения AI-агента.

Проектирует координацию нескольких AI-агентов.

Подключает потоковые действия агентов к React UI.

Проверяет качество CSV, JSON и выгрузок баз данных.

Разделяет независимые задачи между параллельными агентами.

Координирует параллельные сессии Codex и других AI-harnesses через dmux.

Проводит воспроизводимый EDA для локальных научных файлов.

Помогает создавать приложения на Gemini API и актуальных SDK.

Проектирует hosted и background-инфраструктуру для AI-агентов.

Проектирует долговременную память и retrieval для AI-агентов.

Организует параллельное расследование и арбитраж причин сбоя.

Превращает черновой запрос в готовый prompt без placeholder-ов.

Объясняет упаковку, установку и публикацию Agent Skills для разных клиентов.

Запускает определения агентов как именованных sub-agents.

Проверяет MCP-контракты и дрейф интеграций перед релизом.

Маршрутизирует работу агента по фазам инженерного цикла.