Synchroniser le dépôt de compétences locales avec les modifications en amont d’obra/superpowers-skills
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Traiter plus de 10 fichiers avec des scripts Python pour la transformation ou l'analyse de données en masse.
Exécutez des workflows multi-étapes avec des boucles et des conditions pour une automatisation complexe.
Analysez localement de grands jeux de données avec des bibliothèques Python comme pandas ou numpy.
Exécutez des appels d'API en masse pour réduire les coûts et améliorer l'efficacité.
GAIN MESURÉ
Avantages prouvés et impact mesurable
Réduisez les coûts d'API de 90 % pour les opérations en masse grâce à l'exécution locale.
Traitez des ensembles de données volumineux 5 fois plus rapidement que les solutions basées sur le cloud.
Automatisez des flux de travail complexes 3 fois plus vite avec des scripts Python itératifs.
CE QUE VOUS OBTENEZ
Fichiers, tags et installation en trois étapes
Conseil : Lisez la documentation et le code avant la première utilisation pour connaître son rôle et les permissions requises.
SCRIPTS SUIVANTS
Recommandé selon les tags et la catégorie
Cette compétence doit être utilisée pour les tâches d'apprentissage automatique sur séries temporelles, y compris la classification, la régression, le clustering, la prévision, la détection d'anomalies, la segmentation et la recherche de similarité. Utilisez-la lors du travail avec des données temporelles, des motifs séquentiels ou des observations indexées dans le temps nécessitant des algorithmes spécialisés au-delà des approches ML standard. Particulièrement adaptée à l'analyse de séries temporelles univariées et multivariées avec des APIs compatibles scikit-learn.
Système de génération d'agents de code Claude qui crée des agents et sous-agents personnalisés avec un en-tête YAML amélioré, des modèles d'accès aux outils et un support d'intégration MCP conformément à des modèles de production éprouvés
Générez et maintenez les fichiers AGENTS.md conformément à la convention publique agents.md. Utilisez-le lors de la création de documentation pour les flux de travail des agents IA, les guides d’intégration ou lors de la standardisation des modèles d’interaction des agents à travers les projets.
Accédez aux plus de 200 millions de structures de protéines prédites par l'IA d'AlphaFold. Récupérez les structures par ID UniProt, téléchargez les fichiers PDB/mmCIF, analysez les indicateurs de confiance (pLDDT, PAE), pour la découverte de médicaments et la biologie structurale.