model-selection
Über
Diese Fähigkeit leitet automatisch die Auswahl von Modellen und Anbietern für LLM-Anwendungen. Sie bietet Muster für Kostenoptimierung, Fallback-Strategien und Multi-Model-Routing über Anbieter wie OpenAI und Anthropic hinweg. Nutzen Sie sie bei der Implementierung von Modellvergleichen, Anbieter-Failover oder Kosten-Leistungs-Optimierung in Ihrem LLM-System.
Schnellinstallation
Claude Code
Empfohlennpx skills add mattnigh/skills_collection -a claude-code/plugin add https://github.com/mattnigh/skills_collectiongit clone https://github.com/mattnigh/skills_collection.git ~/.claude/skills/model-selectionKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Verwandte Skills
model-selection
AndereDiese Claude Skill führt automatisch durch die Modell- und Anbieterauswahl für LLM-Anwendungen. Sie bietet Muster zur Kostenoptimierung, Fallback-Strategien und Multi-Model-Routing über Anbieter wie OpenAI und Anthropic hinweg. Nutzen Sie sie bei der Implementierung von Modellvergleichen, Anbieter-Failover oder Abwägungen zwischen Leistung und Kosten in Ihrem LLM-System.
agent-orchestration-patterns
AndereDiese Claude Skill leitet automatisch den Entwurf von Multi-Agenten-Systemen, indem sie die korrekte Erstellung von Tool-Schemata mit Pydantic erzwingt, Agenten-Zustände verwaltet und robuste Fehlerbehandlung implementiert. Sie bietet Orchestrierungsmuster für zuverlässige Tool-Aufruf-Workflows und Agenten-Routing. Verwenden Sie sie beim Aufbau komplexer Agentensysteme, um wartbare und strukturierte Interaktionen zu gewährleisten.
ai-security
AndereDie KI-Sicherheits-Funktion wendet automatisch Sicherheitsschutzmaßnahmen für KI/LLM-Anwendungen an. Sie bietet Erkennung von Prompt-Injection, Schwärzung von personenbezogenen Daten, Ausgabefilterung und Inhaltsmoderation. Verwenden Sie diese Funktion beim Entwickeln von LLM-Anwendungen, die integrierte Sicherheitsvorkehrungen benötigen.
evaluation-metrics
AndereDiese Claude-Skill wird automatisch während der Leistungsbewertung von LLMs aktiviert, um korrekte Metriken und Tests sicherzustellen. Sie verwaltet Evaluierungsdatensätze, berechnet Metriken, ermöglicht A/B-Tests und implementiert LLM-as-Judge-Muster. Nutzen Sie sie, wenn Sie strukturierte Experimentverfolgung und strenge Leistungsbewertung für Ihre LLM-Anwendungen benötigen.