Automatización de navegadores, depuración y análisis de rendimiento mediante scripts CLI de Puppeteer. Usar para automatizar navegadores, tomar capturas de pantalla, analizar rendimiento, monitorear tráfico de red, raspado web, automatización de formularios y depuración de JavaScript.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Localiza rápidamente decisiones pasadas sobre el código y el razonamiento detrás de las opciones de implementación
Buscar correcciones y soluciones similares a errores de conversaciones anteriores
Recordar patrones de código y soluciones de proyectos anteriores
Recuperar el contexto del proyecto más rápido para los nuevos miembros del equipo
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo de resolución de errores buscando problemas pasados similares
Elimina el tiempo perdido en hacer preguntas repetitivas sobre el historial de un proyecto
Mantener una arquitectura de código coherente en todas las conversaciones
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados
Generar y mantener archivos AGENTS.md siguiendo la convención pública agents.md. Usar cuando se cree documentación para flujos de trabajo de agentes AI, guías de incorporación o cuando se estandaricen patrones de interacción de agentes en proyectos.
Plataforma de laboratorio en la nube para pruebas y validación automáticas de proteínas. Utilícelo al diseñar proteínas y necesitar validación experimental que incluya ensayos de unión, pruebas de expresión, mediciones de termostabilidad, ensayos de actividad enzimática o optimización de secuencias de proteínas. También úselo para enviar experimentos a través de API, rastrear el estado de los experimentos, descargar resultados, optimizar secuencias de proteínas para una mejor expresión utilizando herramientas computacionales (NetSolP, SoluProt, SolubleMPNN, ESM) o gestionar flujos de trabajo de diseño de proteínas con validación en laboratorio húmedo.
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.