Рейтинг скиллов
894 скилла. Оценка A–F складывается из безопасности (60%) и качества (40%), тесты дают бонус. Рейтинг пополняется автоматически из открытых каталогов.
ПроизводствоЛогистика и складЗакупки и снабжениеКачество и контрольКонтакт-центрВыездные работыФинансыПоддержка клиентовотраслевые подборки
| # | Оценка | Скилл | Баллы ▾ | Безоп. | Качество | Процесс | Тесты | Популярность | Обновлён |
|---|---|---|---|---|---|---|---|---|---|
| 101 | A | Набор инструментов для биологических данных. Анализ последовательностей, выравнивания, филогенетические деревья, метрики разнообразия (альфа/бета, UniFrac), ординация (PCoA), PERMANOVA, ввод/вывод FAS | 100 | 91 | C | — | ★ 32 738 | 23 ч назад | |
| 102 | A | Набор инструментов для анализа NGS. Конвертация BAM в bigWig, контроль качества (корреляция, PCA, отпечатки), тепловые карты/профили (TSS, пики) для визуализации ChIP-seq, RNA-seq, ATAC-seq. | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 103 | A | Этот навык следует использовать при работе с задачами обучения с подкреплением, включая высокопроизводительное обучение RL, разработку пользовательских сред, векторное параллельное моделирование, мног | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 104 | A | Создает и управляет постоянными файлами планирования в формате markdown для структурированного выполнения задач. Используйте, когда пользователь просит «создать план», «отслеживать прогресс», «начать | 100 | 89 | C | — | ★ 32 738 | 23 ч назад | |
| 105 | A | Набор инструментов для молекулярного машинного обучения. Прогнозирование свойств (ADMET, токсичность), GNN (GCN, MPNN), бенчмарки MoleculeNet, предварительно обученные модели, феатуризация для ML в ра | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 106 | A | Анализ дифференциальной экспрессии генов (Python DESeq2). Идентификация DE генов из подсчетов РНК-сек, тесты Вальда, коррекция FDR, вулкан/MA-графики для анализа РНК-сек. | 100 | 91 | C | — | ★ 32 738 | 23 ч назад | |
| 107 | A | Набор инструментов для материаловедения. Кристаллические структуры (CIF, POSCAR), фазовые диаграммы, зонная структура, DOS, интеграция с Materials Project, преобразование форматов для вычислительного | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 108 | A | Фильтры медицинской химии. Применение правил лекарственной пригодности (Lipinski, Veber), фильтров PAINS, структурных предупреждений, метрик сложности для приоритизации соединений и фильтрации библиот | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 109 | A | Библиотека Python для работы с файлами DICOM (Digital Imaging and Communications in Medicine). Используйте этот навык при чтении, записи или изменении медицинских изображений в формате DICOM, извлечен | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 110 | A | Автономная система ИИ для биомедицинских исследований для выполнения сложных исследовательских задач в области геномики, разработки лекарств, молекулярной биологии и клинического анализа. Используйте | 100 | 91 | C | — | ★ 32 738 | 23 ч назад | |
| 111 | A | Анализ одноклеточной РНК-секвенирования. Загрузка данных .h5ad/10X, контроль качества, нормализация, PCA/UMAP/t-SNE, кластеризация Leiden, маркерные гены, аннотация типов клеток, траектория для анализ | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 112 | A | Фреймворк многоцелевой оптимизации. NSGA-II, NSGA-III, MOEA/D, Парето-фронты, обработка ограничений, бенчмарки (ZDT, DTLZ) для задач проектирования и оптимизации. | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 113 | A | Инструментарий хемоинформатики для детального контроля молекул. Парсинг SMILES/SDF, дескрипторы (MW, LogP, TPSA), отпечатки, поиск подструктур, генерация 2D/3D, сходство, реакции. Для стандартных рабо | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 114 | A | Фреймворк дискретно-событийного моделирования на основе процессов в Python. Используйте этот инструмент при построении моделей систем с процессами, очередями, ресурсами и событиями, зависящими от врем | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 115 | A | Байесовское моделирование с PyMC. Построение иерархических моделей, MCMC (NUTS), вариационный вывод, сравнение LOO/WAIC, апостериорные проверки для вероятностного программирования и вывода. | 100 | 91 | D | — | ★ 32 738 | 23 ч назад | |
| 116 | A | Развертывание кода на Railway с помощью "railway up". Используйте, когда пользователь хочет отправить код, говорит "railway up", "deploy", "ship" или "push". Для первоначальной настройки или создания | 100 | 89 | C | — | ★ 32 738 | 23 ч назад | |
| 117 | A | difficult-workplace-conversationsПроцедураДанные и аналитикаdavila7/claude-code-templatesAgent Skills Структурированный подход к разрешению конфликтов на рабочем месте, обсуждению производительности и предоставлению сложной обратной связи с использованием фреймворка подготовка-предоставление-последующ | 100 | 88 | C | — | ★ 32 738 | 23 ч назад | |
| 118 | A | transformer-lens-interpretabilityГенераторGitHubТексты и документыРазработкаdavila7/claude-code-templatesAgent Skills Предоставляет руководство для исследований в области механистической интерпретируемости с использованием TransformerLens для проверки и манипулирования внутренними механизмами трансформеров через Hook | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 119 | A | Документирование потребностей фронтенда в данных для бэкенд-разработчиков. Используйте, когда фронтенду необходимо сообщить бэкенду о требованиях к API, или когда пользователь говорит «backend require | 100 | 87 | C | — | ★ 32 738 | 23 ч назад | |
| 120 | A | professional-communicationГенераторSlackDiscordТексты и документыМаркетингdavila7/claude-code-templatesAgent Skills Руководство по техническим коммуникациям для разработчиков программного обеспечения. Охватывает структуру электронной почты, этикет обмена сообщениями в команде, повестки встреч и адаптацию сообщений | 99 | 88 | C | — | ★ 32 738 | 23 ч назад | |
| 121 | A | Высокоуровневый фреймворк PyTorch с классом Trainer, автоматическим распределенным обучением (DDP/FSDP/DeepSpeed), системой обратных вызовов и минимальным количеством шаблонного кода. Масштабируется о | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 122 | A | google-cloud-networking-observabilityАнализаторGoogle CloudИнфраструктураДанные и аналитикаdavila7/claude-code-templatesAgent Skills Исследует проблемы сетевого взаимодействия Google Cloud путем анализа журналов, метрик и диагностических данных. Используйте при исследовании журналов VPC Flow Logs, NAT, брандмауэра или журналов угро | 100 | 87 | B | — | ★ 32 738 | 23 ч назад | |
| 123 | A | nnsight-remote-interpretabilityИнтеграцияИИ и агентыРазработкаdavila7/claude-code-templatesAgent Skills Предоставляет руководство по интерпретации и манипулированию внутренними механизмами нейронных сетей с использованием nnsight с опциональным удаленным выполнением NDIF. Используйте при необходимости п | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 124 | A | sparse-autoencoder-trainingАнализаторGitHubИИ и агентыТексты и документыdavila7/claude-code-templatesAgent Skills Предоставляет руководство по обучению и анализу разреженных автоэнкодеров (SAE) с использованием SAELens для разложения активаций нейронной сети на интерпретируемые признаки. Используйте при обнаружен | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 125 | A | pyvene-interventionsПроцедураGitHubТексты и документыОбучениеdavila7/claude-code-templatesAgent Skills Предоставляет руководство по выполнению причинно-следственных вмешательств в моделях PyTorch с использованием декларативного фреймворка вмешательств pyvene. Используйте при проведении причинно-следств | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 126 | A | Быстрые токенизаторы, оптимизированные для исследований и производства. Реализация на Rust токенизирует 1 ГБ менее чем за 20 секунд. Поддерживает алгоритмы BPE, WordPiece и Unigram. Обучайте пользоват | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 127 | A | Обучает большие языковые модели (от 2 до 462 миллиардов параметров) с использованием NVIDIA Megatron-Core с продвинутыми стратегиями параллелизма. Используйте при обучении моделей с более чем 1 миллиа | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 128 | A | Объединяйте несколько дообученных моделей с помощью mergekit для совмещения возможностей без переобучения. Используйте при создании специализированных моделей путем смешивания экспертизы в конкретных | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 129 | A | Расширяйте контекстные окна трансформерных моделей с использованием техник RoPE, YaRN, ALiBi и интерполяции позиций. Используйте при обработке длинных документов (от 32 тыс. до 128 тыс. токенов и боле | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 130 | A | Извлекает и анализирует рекламу конкурентов из библиотек объявлений (Facebook, LinkedIn и т. д.), чтобы понять, какие сообщения, проблемы и креативные подходы работают. Помогает вдохновить и улучшить | 100 | 87 | C | — | ★ 32 738 | 23 ч назад | |
| 131 | A | Самый простой API для распределенного обучения. 4 строки для добавления поддержки распределения в любой скрипт PyTorch. Единый API для DeepSpeed/FSDP/Megatron/DDP. Автоматическое размещение устройств, | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 132 | A | distributed-llm-pretraining-torchtitanПроцедураGitHubИИ и агентыdavila7/claude-code-templatesAgent Skills Предоставляет распределенное предварительное обучение LLM на основе PyTorch с использованием torchtitan с 4D параллелизмом (FSDP2, TP, PP, CP). Используйте при предварительном обучении Llama 3.1, Deep | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 133 | A | fine-tuning-with-trlПроцедураGitHubИИ и агентыПоддержка клиентовdavila7/claude-code-templatesAgent Skills Дообучайте LLM с использованием обучения с подкреплением с помощью TRL — SFT для инструктивного обучения, DPO для выравнивания предпочтений, PPO/GRPO для оптимизации вознаграждения и обучения модели в | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 134 | A | feedback-masteryПроцедураОперации и проектыДанные и аналитикаdavila7/claude-code-templatesAgent Skills Навигация в сложных разговорах и предоставление конструктивной обратной связи с использованием структурированных фреймворков. Охватывает модель Подготовка-Предоставление-Последующие действия и технику | 100 | 88 | C | — | ★ 32 738 | 23 ч назад | |
| 135 | A | Ускоренная GPU обработка данных для обучения LLM. Поддерживает текст/изображения/видео/аудио. Функции нечеткого дедупликации (в 16 раз быстрее), фильтрации качества (30+ эвристик), семантической дедуп | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 136 | A | Анализ скриншотов продуктов для извлечения списков функций и генерации контрольных списков задач разработки. Используйте, когда: (1) Анализируете скриншоты конкурирующих продуктов для извлечения функц | 100 | 88 | C | — | ★ 32 738 | 23 ч назад | |
| 137 | A | Реализация образовательного GPT примерно за 300 строк. Воспроизводит GPT-2 (124M) на OpenWebText. Чистый, модифицируемый код для изучения трансформеров. От Andrej Karpathy. Идеально подходит для поним | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 138 | A | Независимый от языка токенизатор, обрабатывающий текст как сырой Unicode. Поддерживает алгоритмы BPE и Unigram. Быстрый (50 тыс. предложений/сек), легкий (6 МБ памяти), детерминированный словарь. Испо | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 139 | A | Реализует и обучает LLM с помощью LitGPT от Lightning AI с 20+ предварительно обученными архитектурами (Llama, Gemma, Phi, Qwen, Mistral). Используйте, когда нужны чистые реализации моделей, образоват | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 140 | A | Квантует LLM до 8-бит или 4-бит для сокращения памяти на 50-75% с минимальной потерей точности. Используйте, когда ограничена память GPU, нужно разместить большие модели или требуется более быстрая ин | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 141 | A | Мигрирует промпты и код из Claude Sonnet 4.0, Sonnet 4.5 или Opus 4.1 в Opus 4.5. Используйте, когда пользователь хочет обновить свою кодовую базу, промпты или вызовы API для использования Opus 4.5. О | 100 | 88 | C | — | ★ 32 738 | 23 ч назад | |
| 142 | A | Анализирует вашу недавнюю историю чатов Claude Code для выявления шаблонов кодирования, пробелов в разработке и областей для улучшения, подбирает соответствующие учебные ресурсы с HackerNews и автомат | 100 | 87 | B | — | ★ 32 738 | 23 ч назад | |
| 143 | A | Отслеживайте ML-эксперименты с автоматическим логированием, визуализируйте обучение в реальном времени, оптимизируйте гиперпараметры с помощью sweeps и управляйте реестром моделей с помощью W&B — плат | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 144 | A | Комплексное руководство по оптимизации производительности React и Next.js с 40+ правилами для устранения водопадов, оптимизации пакетов и улучшения рендеринга. Используйте при оптимизации React-прилож | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 145 | A | skypilot-multi-cloud-orchestrationПроцедураAWSGoogle CloudИнфраструктураdavila7/claude-code-templatesAgent Skills Оркестрация мультиоблачных ML-рабочих нагрузок с автоматической оптимизацией затрат. Используйте, когда вам нужно запускать задачи обучения или пакетной обработки в нескольких облаках, использовать сп | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 146 | A | Гибрид RNN+Transformer с инференсом O(n). Линейное время, бесконечный контекст, без KV-кэша. Обучение как GPT (параллельно), инференс как RNN (последовательно). Проект Linux Foundation AI. В продакшен | 99 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 147 | A | Платформа наблюдаемости LLM для трассировки, оценки и мониторинга. Используйте при отладке LLM-приложений, оценке выходных данных модели по наборам данных, мониторинге производственных систем или пост | 100 | 88 | D | — | ★ 32 738 | 23 ч назад | |
| 148 | A | game-changing-featuresПроцедураИИ и агентыОперации и проектыdavila7/claude-code-templatesAgent Skills Найти 10-кратные возможности для продукта и высокоэффективные улучшения. Используйте, когда пользователь хочет стратегического продуктового мышления, упоминает '10x', хочет найти функции с высоким вли | 100 | 87 | C | — | ★ 32 738 | 23 ч назад | |
| 149 | A | Когда пользователь хочет оптимизировать потоки регистрации, создания учетной записи или активации пробной версии. Также используйте, когда пользователь упоминает "конверсии при регистрации", "сложност | 100 | 88 | B | — | ★ 32 738 | 23 ч назад | |
| 150 | A | portfolio-case-study-writerГенераторТорговляДанные и аналитикаdavila7/claude-code-templatesAgent Skills Преобразуйте пункты резюме в подробные кейсы для портфолио с контекстом, действиями и результатами. Используйте, когда пользователь упоминает портфолио, кейс, описание проекта или расширение пункта ре | 100 | 87 | C | — | ★ 32 738 | 23 ч назад |
Описания переведены автоматически; оригинал — на странице скилла.