Habilidad de ingeniería de prompts de clase mundial para la optimización de LLM, patrones de prompts, resultados estructurados y desarrollo de productos de IA. Especialización en Claude, GPT-4, patrones de diseño de prompts, aprendizaje de few-shot, chain-of-thought y evaluación de IA. Incluye optimización de RAG, diseño de agentes y arquitectura de sistemas LLM. Usar al construir productos de IA, optimizar el rendimiento de LLM, diseñar sistemas agentes o implementar técnicas avanzadas de prompting.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Traza rápidamente los errores en sistemas en vivo hasta su punto de origen exacto
Identificar cuellos de botella siguiendo las rutas de ejecución hacia atrás
Entienda por qué fallan las pruebas examinando el historial completo de llamadas
Rastrear puntos de acceso no autorizados rastreando las llamadas a método hacia atrás
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo de depuración rastreando los problemas directamente a su origen
Evita errores recurrentes comprendiendo a fondo las causas raíz
Pase menos tiempo depurando y más tiempo desarrollando nuevas funcionalidades
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
Especialista en la blockchain Aptos, el lenguaje Move, los smart contracts, los NFT, el DeFi y el desarrollo de Aptos. Se activa con las palabras clave aptos, move, blockchain, smart contract, nft, defi, web3, mainnet, testnet, devnet
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.