Data & IA
Skills pour LLM, bases vectorielles, training de modeles et scraping web.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | agents | elevenlabs/skills | Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. | 235 | 1h |
| 2 | clickhouse-js-node-troubleshooting | clickhouse/agent-skills | Diagnostiquer et résoudre les problèmes courants du client Node.js ClickHouse. | 425 | 5h |
| 3 | phoenix-cli | github/awesome-copilot | Inspecter traces, spans, sessions et datasets d'agents IA via une CLI Phoenix. | 32 871 | 19h |
| 4 | opensea-api | projectopensea/opensea-skill | Interroger les données NFT et tokens sur les principales blockchains via l'API OpenSea. | 35 | 1j |
| 5 | langfuse | langfuse/skills | Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. | 121 | 1j |
| 6 | opensea | projectopensea/opensea-skill | Interroger, trader et swapper des NFT et tokens ERC20 via l'API OpenSea multi-chaînes. | 35 | 5j |
| 7 | gemini-interactions-api | google-gemini/gemini-skills | Interagir avec les modèles Gemini via une API unifiée et conversationnelle. | 3 473 | 5j |
| 8 | coingecko | elophanto/elophanto | Intégrer l'API CoinGecko pour accéder aux données Solana en temps réel. | 59 | 10j |
| 9 | kamino | elophanto/elophanto | Développer des applications DeFi sur Solana avec le protocole Kamino Finance. | 59 | 10j |
| 10 | meteora | elophanto/elophanto | Développer des applications DeFi Solana avec les SDKs de liquidité Meteora. | 59 | 10j |
| 11 | orca | elophanto/elophanto | Intégrer les échanges de tokens et la gestion de liquidités sur Solana via Orca Whirlpools. | 59 | 10j |
| 12 | ranger-finance | elophanto/elophanto | Agréger et router des ordres de futures perpétuels sur Solana via plusieurs protocoles. | 59 | 10j |
| 13 | raydium | elophanto/elophanto | Intégrer Raydium sur Solana pour swaps, liquidité et lancements de tokens. | 59 | 10j |
| 14 | sanctum | elophanto/elophanto | Intégrer les fonctionnalités de staking liquide Solana via l'infrastructure Sanctum et son API. | 59 | 10j |
| 15 | solana-agent-kit | elophanto/elophanto | Déployer et gérer des tokens, NFTs et opérations DeFi sur Solana de façon autonome. | 59 | 10j |
| 16 | switchboard | elophanto/elophanto | Intégrer l'oracle Switchboard pour amener des données personnalisées on-chain sur Solana. | 59 | 10j |
| 17 | firebase-ai-logic-basics | firebase/agent-skills | Intégrer l'IA générative Gemini dans des apps mobiles et web via Firebase. | 280 | 12j |
| 18 | autobrowse | browserbase/skills | Créer et affiner automatiquement des skills de navigation web par itérations successives. | 3 184 | 20j |
| 19 | copilot-sdk | github/awesome-copilot | Intégrer les workflows agentiques de GitHub Copilot dans n'importe quelle application. | 32 871 | 28j |
| 20 | chroma-cloud | chroma-core/agent-skills | Configurer et interroger des collections Chroma Cloud en TypeScript avec recherche dense ou hybride. | 17 | 29j |
| 21 | transformers-js | huggingface/skills | Exécuter des modèles ML directement en JavaScript, côté client ou serveur, sans Python. | 10 483 | 1mo |
| 22 | rw-integrate-uploads | runwayml/skills | Uploader des fichiers locaux vers Runway pour les utiliser comme inputs génératifs. | 46 | 1mo |
| 23 | rw-recipe-full-setup | runwayml/skills | Intégrer l'API Runway dans un projet en guidant chaque étape de configuration. | 46 | 1mo |
| 24 | add-function-examples | vercel/ai | Générer des exemples de fonctions IA illustrant les nouvelles fonctionnalités du projet. | 24 211 | 1mo |
| 25 | browser | browserbase/skills | Automatiser les interactions navigateur en local ou via Browserbase avec une CLI dédiée. | 3 184 | 1mo |
| 26 | workload-analysis | posthog/skills | Analyser les dépenses clients par workload et générer des visualisations React interactives. | 36 | 1mo |
| 27 | defuddle | kepano/obsidian-skills | Extraire le contenu lisible et épuré de pages web via Defuddle CLI. | 31 034 | 1mo |
| 28 | add-provider-package | vercel/ai | Créer et intégrer un nouveau package provider dans l'AI SDK Vercel. | 24 211 | 1mo |
| 29 | tinybird-typescript-sdk-guidelines | tinybirdco/tinybird-agent-skills | Définir et déployer des ressources Tinybird typées en TypeScript avec inférence complète. | 16 | 1mo |
| 30 | developing-genkit-js | firebase/agent-skills | Développer des applications IA avec Genkit JS en suivant les bonnes pratiques v1.x. | 280 | 2mo |
| 31 | writing-evals | axiomhq/skills | Écrire des évaluations pour tester et valider les capacités des systèmes IA génératifs. | 10 | 2mo |
| 32 | update-provider-models | vercel/ai | Mettre à jour les identifiants de modèles IA en ajoutant ou supprimant des références dans une codebase. | 24 211 | 2mo |
| 33 | copilot-sdk | microsoft/skills | Intégrer GitHub Copilot dans des applications via un SDK multilangage. | 2 300 | 2mo |
| 34 | portable-text-conversion | sanity-io/agent-toolkit | Convertir du HTML ou Markdown en blocs Portable Text compatibles Sanity. | 134 | 3mo |
| 35 | ai-sdk | vercel/ai | Intégrer et utiliser correctement l'AI SDK Vercel avec APIs et modèles à jour. | 24 211 | 3mo |
| 36 | trigger-agents | triggerdotdev/skills | Implémenter des patterns d'agents IA durables avec Trigger.dev en production. | 26 | 3mo |
| 37 | trigger-realtime | triggerdotdev/skills | Suivre en temps réel les tâches d'agents IA depuis le frontend avec React. | 26 | 3mo |
| 38 | develop-ai-functions-example | vercel/ai | Tester et valider des fonctions SDK IA multi-providers avec des exemples structurés. | 24 211 | 3mo |
À propos de cette sélection
L'outillage autour de l'IA générative a mûri vite, mais de façon inégale. Les abstractions haut niveau prolifèrent pendant que le bas niveau (embeddings, kernels GPU, pipelines de fine-tuning) reste souvent sous-documenté et morcelé. Les skills data & IA réunis ici couvrent précisément cette zone. Un ingénieur ML qui veut déboguer un kernel Metal ou optimiser un graphe PyTorch trouvera des ressources issues directement des équipes PyTorch. Un dev backend qui bascule vers du RAG trouvera de quoi brancher Qdrant, construire ses pipelines de vecteurs et interroger des modèles via l'API Claude d'Anthropic. Python domine largement le corpus, ce qui reflète l'état réel de l'écosystème. Les profils data engineers habitués à Astronomer ont aussi leur place, avec des skills couvrant l'orchestration de workflows au plus près de la prod.