Data & IA

Skills pour LLM, bases vectorielles, training de modeles et scraping web.

25 skills

# Skill Source Description Δ
1 defuddle kepano/obsidian-skills Extraire le contenu lisible et épuré de pages web via Defuddle CLI. 47 443 388
2 phoenix-cli github/awesome-copilot Inspecter traces, spans, sessions et datasets d'agents IA via une CLI Phoenix. 38 382 258
3 add-function-examples vercel/ai Générer des exemples de fonctions IA illustrant les nouvelles fonctionnalités du projet. 26 474 118
4 add-provider-package vercel/ai Créer et intégrer un nouveau package provider dans l'AI SDK Vercel. 26 474 118
5 develop-ai-functions-example vercel/ai Tester et valider des fonctions SDK IA multi-providers avec des exemples structurés. 26 474 118
6 update-provider-models vercel/ai Mettre à jour les identifiants de modèles IA en ajoutant ou supprimant des références dans une codebase. 26 474 118
7 ai-sdk vercel/ai Intégrer et utiliser correctement l'AI SDK Vercel avec APIs et modèles à jour. 26 474 118
8 azure-ai-projects-ts microsoft/skills Créer et gérer des agents IA Azure avec outils, évaluations et déploiements. 2 967 34
9 azure-search-documents-ts microsoft/skills Implémenter la recherche vectorielle, hybride et sémantique avec Azure AI Search en TypeScript. 2 967 34
10 copilot-sdk microsoft/skills Intégrer GitHub Copilot dans des applications via un SDK multilangage. 2 967 34
11 transformers-js huggingface/skills Exécuter des modèles ML directement en JavaScript, côté client ou serveur, sans Python. 10 981 27
12 gemini-interactions-api google-gemini/gemini-skills Interagir avec les modèles Gemini via une API unifiée et conversationnelle. 3 949 25
13 langchain-typescript-quickstart langchain-ai/langchain-skills Implémenter un agent météo LangChain TypeScript avec le modèle au choix de l'utilisateur. 1 182 21
14 langgraph-typescript-quickstart langchain-ai/langchain-skills Implémenter un agent de calcul LangGraph TypeScript avec le modèle au choix de l'utilisateur. 1 182 21
15 langfuse langfuse/skills Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. 262 11
16 firebase-ai-logic-basics firebase/agent-skills Intégrer l'IA générative Gemini dans des apps mobiles et web via Firebase. 427 8
17 apify-sdk-integration apify/agent-skills Intégrer des Actors Apify dans une application via SDK JS, Python ou REST API. 2 362 5
18 quotient bankrbot/skills Accéder à l'intelligence de marché Quotient via des flux de paiement x402 sécurisés. 1 190 5
19 browser browserbase/skills Automatiser les interactions navigateur en local ou via Browserbase avec une CLI dédiée. 3 702 4
20 agents elevenlabs/skills Créer et déployer des agents IA vocaux conversationnels via ElevenLabs. 425 2
21 writing-evals axiomhq/skills Écrire des évaluations pour tester et valider les capacités des systèmes IA génératifs. 15 0
22 tinybird-typescript-sdk-guidelines tinybirdco/tinybird-agent-skills Définir et déployer des ressources Tinybird typées en TypeScript avec inférence complète. 20 0
23 rp-execute-import wix/skills Exécuter un pipeline de migration et capturer les résultats d'importation vers Wix. 27 0
24 chroma-cloud chroma-core/agent-skills Configurer et interroger des collections Chroma Cloud en TypeScript avec recherche dense ou hybride. 21 0
25 chroma-cloud chroma-core/agent-skills Intégrer et interroger des collections Chroma Cloud via TypeScript ou Python. 21 0

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.