c-ai
Über
c-ai bietet CLI-Tools für Entwickler, um LLMs direkt vom Terminal aus abzufragen, was Textzusammenfassung, interaktive Chats und Codeanalyse per Piping ermöglicht. Es unterstützt sowohl lokale als auch Cloud-Modelle durch Utilities wie `llm` und `aichat`. Nutzen Sie diese Fähigkeit für schnelle KI-gestützte Aufgaben wie das Generieren von Commit-Nachrichten, Code-Überprüfungen oder Grammatikkorrekturen, ohne Ihren Workflow zu verlassen.
Schnellinstallation
Claude Code
Empfohlennpx skills add daxaur/openpaw -a claude-code/plugin add https://github.com/daxaur/openpawgit clone https://github.com/daxaur/openpaw.git ~/.claude/skills/c-aiKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
AI / LLM Tools
llm (Simon Willison)
# Quick prompt
llm "What is the capital of France?"
# Pipe text for processing
cat article.txt | llm "Summarize this in 3 bullet points"
git diff | llm "Write a commit message for these changes"
pbpaste | llm "Fix the grammar in this text"
# Interactive chat
llm chat
# Use specific model
llm -m claude-3.5-sonnet "Explain quantum computing"
llm -m gpt-4o "Review this code"
# List available models
llm models
# Install model plugins
llm install llm-claude-3
llm install llm-ollama # local models
# View prompt/response history
llm logs list
llm logs last
aichat
# Quick prompt
aichat "Explain Docker in simple terms"
# Pipe input
cat code.py | aichat "Find bugs in this code"
# Interactive REPL
aichat
# Shell assistant (generates and runs commands)
aichat -e "find all files larger than 100MB"
# Specific model
aichat -m claude-3.5-sonnet "Hello"
# List models
aichat --list-models
Guidelines
- Use
llmfor piping text through LLMs (summarize, translate, analyze) - Use
aichat -efor generating shell commands from natural language - Both tools store API keys locally — set up once with auth commands
llmhas the richest plugin ecosystem (100+ model providers)aichatis faster (Rust) and has built-in RAG support- These tools use separate API keys from Claude Code — user pays per token
GitHub Repository
Frequently asked questions
What is the c-ai skill?
c-ai is a Claude Skill by daxaur. Skills package instructions and resources that Claude loads on demand, so Claude can perform c-ai-related tasks without extra prompting.
How do I install c-ai?
Use the install commands on this page: add c-ai 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 c-ai belong to?
c-ai is in the Other category, tagged ai, llm, summarize and chat.
Is c-ai free to use?
Yes. c-ai 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 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.
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.
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.
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.
