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. | 236 | 2h |
| 2 | clickhouse-js-node-troubleshooting | clickhouse/agent-skills | Diagnostiquer et résoudre les problèmes courants du client Node.js ClickHouse. | 425 | 6h |
| 3 | managing-path-cleaning-rules | posthog/skills | Créer et gérer des règles de nettoyage de chemins URL pour normaliser les analytics. | 36 | 9h |
| 4 | copilot-sdk | github/awesome-copilot | Intégrer les workflows agentiques de GitHub Copilot dans n'importe quelle application. | 32 878 | 20h |
| 5 | dataverse-python-advanced-patterns | github/awesome-copilot | Générer du code Python production-ready pour interagir avec l'API Dataverse via son SDK. | 32 878 | 20h |
| 6 | dataverse-python-production-code | github/awesome-copilot | Générer du code Python production-ready pour interagir avec l'API Dataverse. | 32 878 | 20h |
| 7 | doublecheck | github/awesome-copilot | Vérifier automatiquement les affirmations d'une réponse IA avec sourçage détaillé. | 32 878 | 20h |
| 8 | geofeed-tuner | github/awesome-copilot | Créer et optimiser des feeds de géolocalisation IP au format CSV selon RFC 8805. | 32 878 | 20h |
| 9 | phoenix-cli | github/awesome-copilot | Inspecter traces, spans, sessions et datasets d'agents IA via une CLI Phoenix. | 32 878 | 20h |
| 10 | phoenix-evals | github/awesome-copilot | Construire et valider des évaluateurs LLM pour applications IA en production. | 32 878 | 20h |
| 11 | phoenix-tracing | github/awesome-copilot | Instrumenter des applications LLM avec Phoenix via le tracing OpenInference. | 32 878 | 20h |
| 12 | power-bi-dax-optimization | github/awesome-copilot | Analyser et optimiser des formules DAX Power BI pour de meilleures performances. | 32 878 | 20h |
| 13 | power-bi-model-design-review | github/awesome-copilot | Auditer et optimiser la conception d'un modèle de données Power BI. | 32 878 | 20h |
| 14 | python-mcp-server-generator | github/awesome-copilot | Générer un serveur MCP Python complet, production-ready, avec outils typés et gestion d'erreurs. | 32 878 | 20h |
| 15 | arize-ai-provider-integration | github/awesome-copilot | Gérer les intégrations LLM dans Arize AI via des commandes CLI dédiées. | 32 878 | 20h |
| 16 | arize-annotation | github/awesome-copilot | Créer et gérer des configs d'annotation pour labelliser des spans IA via Arize. | 32 878 | 20h |
| 17 | arize-dataset | github/awesome-copilot | Gérer et exporter des datasets versionnés dans l'espace Arize via CLI. | 32 878 | 20h |
| 18 | arize-evaluator | github/awesome-copilot | Concevoir et exécuter des évaluateurs LLM-as-judge sur la plateforme Arize. | 32 878 | 20h |
| 19 | arize-experiment | github/awesome-copilot | Gérer et exporter des expériences d'évaluation de modèles IA via Arize. | 32 878 | 20h |
| 20 | arize-link | github/awesome-copilot | Générer des liens profonds vers l'interface Arize pour traces, spans, datasets et évaluateurs. | 32 878 | 20h |
| 21 | arize-prompt-optimization | github/awesome-copilot | Optimiser les prompts LLM en analysant les traces et signaux de performance Arize. | 32 878 | 20h |
| 22 | arize-trace | github/awesome-copilot | Exporter et analyser des traces de spans depuis Arize via CLI. | 32 878 | 20h |
| 23 | opensea-api | projectopensea/opensea-skill | Interroger les données NFT et tokens sur les principales blockchains via l'API OpenSea. | 35 | 1j |
| 24 | langfuse | langfuse/skills | Instrumenter, déboguer et interroger Langfuse via CLI, docs et SDK à jour. | 121 | 1j |
| 25 | qdrant-search-quality | qdrant/skills | Diagnostiquer et optimiser la qualité de recherche vectorielle dans Qdrant. | 116 | 1j |
| 26 | qdrant-search-quality-diagnosis | qdrant/skills | Diagnostiquer et corriger la mauvaise qualité de recherche vectorielle dans Qdrant. | 116 | 1j |
| 27 | qdrant-search-strategies | qdrant/skills | Optimiser les résultats de recherche vectorielle avec des stratégies avancées ciblées. | 116 | 1j |
| 28 | apify-actor-development | apify/agent-skills | Développer et déployer des Actors serverless sur la plateforme Apify. | 2 032 | 1j |
| 29 | web3-polymarket | elophanto/elophanto | Interagir avec Polymarket pour placer des ordres et gérer un portefeuille de prédiction. | 59 | 2j |
| 30 | tinybird | tinybirdco/tinybird-agent-skills | Créer, optimiser et valider des fichiers Tinybird selon les meilleures pratiques. | 16 | 2j |
| 31 | x-twitter-scraper | github/awesome-copilot | Intégrer l'API Xquik pour scraper, monitorer et automatiser des tâches X/Twitter. | 32 878 | 2j |
| 32 | exploring-llm-traces | posthog/skills | Explorer et déboguer des traces LLM d'agents IA via PostHog. | 36 | 4j |
| 33 | monkey-patch-kernels-to-transformers | nvidia/skills | Intégrer des kernels TileGym dans Transformers via monkey-patching pour optimiser les LLM. | 85 | 4j |
| 34 | opensea | projectopensea/opensea-skill | Interroger, trader et swapper des NFT et tokens ERC20 via l'API OpenSea multi-chaînes. | 35 | 5j |
| 35 | delegating-to-otto | astronomer/agents | Déléguer des tâches complexes Airflow à l'agent Otto via l'Astro CLI. | 362 | 5j |
| 36 | gemini-interactions-api | google-gemini/gemini-skills | Interagir avec les modèles Gemini via une API unifiée et conversationnelle. | 3 473 | 5j |
| 37 | finding-replay-for-issue | posthog/skills | Identifier et présenter l'enregistrement de session le plus pertinent pour une erreur. | 36 | 5j |
| 38 | rt-vlm | nvidia/skills | Analyser des vidéos en temps réel avec un VLM NVIDIA pour générer légendes et alertes. | 85 | 5j |
| 39 | video-analytics | nvidia/skills | Interroger incidents, alertes et métriques vidéo via Elasticsearch et MCP JSON-RPC. | 85 | 5j |
| 40 | video-search | nvidia/skills | Rechercher des archives vidéo en langage naturel via des embeddings vectoriels. | 85 | 5j |
| 41 | video-summarization | nvidia/skills | Résumer automatiquement des vidéos courtes ou longues via VLM NIM ou LVS. | 85 | 5j |
| 42 | video-understanding | nvidia/skills | Interroger une vidéo via un agent VLM pour analyser frames, objets et actions visuelles. | 85 | 5j |
| 43 | vss-frag | nvidia/skills | Analyser des vidéos avec RAG d'entreprise pour générer des rapports enrichis. | 85 | 5j |
| 44 | adding-cutile-kernel | nvidia/skills | Intégrer un nouvel opérateur cuTile dans TileGym selon un workflow structuré étape par étape. | 85 | 5j |
| 45 | converting-cutile-to-julia | nvidia/skills | Convertir des kernels GPU Python cuTile en kernels Julia cuTile.jl compilables et testés. | 85 | 5j |
| 46 | converting-cutile-to-triton | nvidia/skills | Convertir des kernels cuTile en kernels Triton via un workflow structuré en cinq phases. | 85 | 5j |
| 47 | cutile-python | nvidia/skills | Écrire, déboguer et optimiser des kernels GPU haute performance avec cuTile Python. | 85 | 5j |
| 48 | byob | nvidia/skills | Créer des benchmarks d'évaluation personnalisés pour LLM avec NeMo Evaluator. | 85 | 5j |
| 49 | cuopt-numerical-optimization-api-c | nvidia/skills | Résoudre des problèmes LP, MILP et QP via l'API C de cuOpt. | 85 | 5j |
| 50 | cuopt-numerical-optimization-api-cli | nvidia/skills | Résoudre des problèmes LP, MILP et QP via fichiers MPS avec cuopt_cli. | 85 | 5j |
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.