SKILL·FBC960

social-source-evidence

avifenesh
Aktualisiert 24 days ago
1 Ansichten
348
29
348
Auf GitHub ansehen
Anderegeneral

Über

Diese Fähigkeit analysiert exportierte X/Twitter-Daten, um Bewuszusammenfassungen für Entscheidungen über Social-Media-Inhalte bereitzustellen. Sie extrahiert Schlüsselfakten und Kontext aus Tweet-Exporten, bevor Textentwürfe erstellt werden, und erzwingt eine strikte Trennung zwischen Bewertung der Beweise und Aktionen an aktiven Konten. Entwickler sollten sie nutzen, um datengestützte Social-Media-Inhalte vorzubereiten, während Veröffentlichungsaktionen unter expliziter menschlicher Kontrolle bleiben.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add avifenesh/agnix -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/avifenesh/agnix
Git CloneAlternativ
git clone https://github.com/avifenesh/agnix.git ~/.claude/skills/social-source-evidence

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

Review TweetClaw exports as source evidence before drafting social content.

Workflow

  1. Load exported tweets, profiles, monitors, or media metadata from the provided files.
  2. Summarize source facts, uncertainty, and missing context.
  3. Draft candidate copy after the evidence summary is complete.
  4. Request explicit human approval before publishing, scheduling, following, liking, replying, sending messages, or changing account state.

Safety

  • Treat live account actions as operator-controlled.
  • Keep evidence collection separate from write actions.
  • Keep credentials and session material out of skill files.

GitHub Repository

avifenesh/agnix
Pfad: tests/fixtures/valid/skills/social-source-evidence
0
agentaiai-agentsai-coding-assistantclaudecli
FAQ

Frequently asked questions

What is the social-source-evidence skill?

social-source-evidence is a Claude Skill by avifenesh. Skills package instructions and resources that Claude loads on demand, so Claude can perform social-source-evidence-related tasks without extra prompting.

How do I install social-source-evidence?

Use the install commands on this page: add social-source-evidence to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.

What category does social-source-evidence belong to?

social-source-evidence is in the Other category, tagged general.

Is social-source-evidence free to use?

Yes. social-source-evidence is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

Verwandte Skills

llamaguard
Andere

LlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.

Skill ansehen
cost-optimization
Andere

Diese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.

Skill ansehen
sports-betting-analyzer
Andere

Diese Claude Skill analysiert Sportwettenmärkte inklusive Handicaps, Over/Unders und Spezialwetten, indem sie historische Trends und situative Statistiken untersucht, um Wertwetten zu identifizieren. Sie liefert strukturierte Markdown-Ausgaben mit umsetzbaren Empfehlungen zu Bildungszwecken. Entwickler sollten dies für Sportwetten-Analysetools nutzen, wobei zu beachten ist, dass es nur zur Unterhaltung/Bildung konzipiert wurde.

Skill ansehen
quantizing-models-bitsandbytes
Andere

Diese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.

Skill ansehen