SKILLEMALL.ai
GitHub ↗ EN Войти

CC fireworks-inference

Выполняйте инференс на Fireworks AI — напрямую, через прокси Leanmcp AI Gateway (aigateway.leanmcp.com) для наблюдаемости или через LiteLLM / OpenAI SDK / сырой HTTP. Охватывает матрицу конечных точек и ключей для каждого маршрута, бессерверные и выделенные развертывания и их холодные старты, просмотр и фильтрацию каталога моделей, модели рассуждений, которые возвращают content:null с ответом в reasoning_content, вызов функций, нагрузочное тестирование и скрипты запуска, где многие модели используют один протокол с переключателем --use-proxy. Используйте этот навык, когда пользователь упоминает Fireworks, FIREWORKS_API_KEY, api.fireworks.ai, идентификаторы моделей fireworks_ai/ , accounts/fireworks/models/..., идентификатор развертывания Fireworks, шлюз Leanmcp или LEANMCP_API_KEY, наблюдаемость app.leanmcp.com или модели gpt-oss / kimi / glm / qwen / deepseek, обслуживаемые на Fireworks; хочет маршрутизировать вызовы LLM через прокси для логирования или отслеживания затрат; отлаживает пустые ответы, ошибки 404, ошибки области видимости, холодные старты или "шлюз не работает"; хочет выбрать модель Fireworks с поддержкой инструментов; или хочет протестировать несколько моделей на одном бенчмарке. Обращайтесь к нему даже при неясных запросах вроде "почему эта модель ничего не возвращает" или "настроить инференс для этих моделей", когда задействована Fireworks.

машинный переводПоказать оригиналСкрыть оригинал«Run inference on Fireworks AI — direct, through the Leanmcp AI Gateway…»

Run inference on Fireworks AI — direct, through the Leanmcp AI Gateway proxy (aigateway.leanmcp.com) for observability, or via LiteLLM / the OpenAI SDK / raw HTTP. Covers the endpoint-and-key matrix for each route, serverless vs dedicated deployments and their cold starts, browsing and filtering the model catalogue, reasoning models that return content:null with the answer in reasoning_content, function calling, concurrency and load testing, and runner scripts where many models share one protocol with a --use-proxy toggle. Use this skill whenever the user mentions Fireworks, FIREWORKS_API_KEY, api.fireworks.ai, fireworks_ai/ model ids, accounts/fireworks/models/..., a Fireworks deployment id, the Leanmcp gateway or LEANMCP_API_KEY, app.leanmcp.com observability, or gpt-oss / kimi / glm / qwen / deepseek served on Fireworks; wants to route LLM calls through a proxy for logging or cost tracking; is debugging empty responses, 404s, scope errors, cold starts, or "the gateway isn't working"; wants to pick a Fireworks model with tool calling; or wants to sweep several models over one benchmark. Reach for it even on vague asks like "why is this model returning nothing" or "set up inference for these models" when Fireworks is in play.

Разбор skillemall

Скилл обещает охватить весь спектр работы с Fireworks AI: от выбора маршрута (прямой, через прокси, LiteLLM) до тестирования под нагрузкой. В файлах — 14 документов с описанием endpoint-key матриц, cold start для serverless и dedicated, фильтрацию каталога моделей, reasoning models с content:null. Проверки дали оценку C: quality 68, process 51, safety 93. Три находки среднего-низкого уровня, lint ругается на длинное описание. Модельных прогонов не было. На практике получится справочник по маршрутам и скриптам, но без примеров реального взаимодействия и обработки ошибок. Ставить, если у вас уже есть аккаунт Fireworks и нужна карта API — как шпаргалка, а не как решение.

chatgptprojects/clear-code Agent Skills автор: chatgptprojects 14 файлов · 5 скриптов тело ≈ 1 640 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Выполняйте инференс на Fireworks AI — напрямую, через прокси Leanmcp AI Gateway (aigateway.leanmcp.com) для наблюдаемости или через LiteLLM / OpenAI SDK /…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ИнтеграцияИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
C
83/100
безопасность, качество, тесты
Безопасность 60%
93
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

  1. Сократите description до 1024 символов.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • средняя Утечка данных net-credential-use references/models.md:124
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -s -H "Authorization: Bearer $FIREWORKS_API_KEY" \
  • низкая Секреты в коде secret-password-literal assets/run_fireworks.sh:69
    Захардкоженный пароль / ключ (возможно, пример) (значение-заглушка)
    MASKED="${API_KEY:0:6}…${API_KEY: -4}"
    заглушка
  • низкая Секреты в коде secret-password-literal references/runner-scripts.md:50
    Захардкоженный пароль / ключ (возможно, пример) (значение-заглушка)
    `${API_KEY:0:6}…${API_KEY: -4}`. Note that litellm's debug logging prints full
    заглушка

Просканировано файлов: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1246 символов, лимит 1024

Процессный рейтинг: все десять параметров 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 5
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1640 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 1246: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +4Структура: 8 заголовков
  • +3Пошаговые инструкции: 5 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (8 из 8)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.