Compétence en ingénierie de prompts de classe mondiale pour l'optimisation des LLM, les modèles de prompts, les sorties structurées et le développement de produits IA. Expertise en Claude, GPT-4, modèles de conception de prompts, apprentissage avec peu d'exemples, chaîne de pensée et évaluation IA. Inclut l'optimisation RAG, la conception d'agents et l'architecture système LLM. Utiliser lors de la construction de produits IA, de l'optimisation des performances LLM, de la conception de systèmes agentiques ou de la mise en œuvre de techniques de prompting avancées.
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Tracez rapidement les erreurs dans les systèmes de production jusqu'à leur point d'origine exact
Identifier les goulots d'étranglement en remontant les chemins d'exécution
Comprendre la raison des échecs de test en examinant l'historique complet des appels
Tracer les points d'accès non autorisés en remontant les appels de méthode
GAIN MESURÉ
Avantages prouvés et impact mesurable
Réduisez le temps de débogage en traçant les problèmes directement à leur source
Prévenez les bugs récurrents en comprenant en profondeur les causes profondes
Passez moins de temps à déboguer et plus de temps à développer de nouvelles fonctionnalités
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
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
Expert sur la blockchain Aptos, le langage Move, les contrats intelligents, les NFT, la DeFi et le développement Aptos. Se déclenche sur les mots-clés aptos, move, blockchain, contrat intelligent, nft, defi, web3, mainnet, testnet, devnet
Plateforme de laboratoire en nuage pour les tests et la validation automatisés des protéines. Utilisez-la lors de la conception de protéines et lorsque vous avez besoin de validation expérimentale incluant des tests de liaison, des tests d'expression, des mesures de thermostabilité, des tests d'activité enzymatique ou l'optimisation des séquences protéiques. Utilisez-la également pour soumettre des expériences via API, suivre l'état des expériences, télécharger les résultats, optimiser les séquences protéiques pour une meilleure expression à l'aide d'outils informatiques (NetSolP, SoluProt, SolubleMPNN, ESM) ou gérer les flux de travail de conception de protéines avec validation en laboratoire humide.
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.