golden-chat
Acerca de
La habilidad golden-chat permite a los desarrolladores consultar un historial específico de chat de Slack (compilación golden_chat) para encontrar discusiones técnicas, soluciones y recursos compartidos pasados. Úsala para recuperar rápidamente fragmentos de código, pasos para resolver problemas o decisiones del equipo de los canales #engineering y #random. Está diseñada para consultar el conocimiento histórico del equipo durante el desarrollo y la resolución de problemas.
Instalación rápida
Claude Code
Recomendadonpx skills add yusufkaraaslan/Skill_Seekers -a claude-code/plugin add https://github.com/yusufkaraaslan/Skill_Seekersgit clone https://github.com/yusufkaraaslan/Skill_Seekers.git ~/.claude/skills/golden-chatCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
Golden_Chat Slack Chat Skill
Use when testing the golden_chat golden build
📋 Slack Chat Information
Platform: Slack
Source: fixtures/slack-export/
Total Messages: 6
Unique Users: 3
Channels: #engineering, #random
💡 When to Use This Skill
Use this skill when you need to:
- Find solutions discussed in golden_chat chat history
- Reference code snippets shared by team members
- Understand team decisions and architectural discussions
- Look up troubleshooting steps from past conversations
- Find shared links and resources from the team
📖 Content Overview
Total Sections: 3
Content Breakdown:
- #engineering: 2 sections
- #random: 1 sections
🔑 Key Discussion Topics
Topics frequently discussed in chat
- Troubleshooting: 1 conversations
- Setup: 1 conversations
📝 Top Code Snippets
High-quality code shared in chat
Python (2 snippets)
Snippet 1 (by bob) (Quality: 9.5/10):
def long_helper():
y0 = 0
y1 = 1
y2 = 2
y3 = 3
y4 = 4
y5 = 5
y6 = 6
y7 = 7
y8 = 8
y9 = 9
y10 = 10
y11 = 11
y12 = 12
y13 = 13
y14 = 14
y15 = 15
y16 = 16
y17 = 17
y18 = 18
y19 = 19
y20 = 20
y21 = 21
y22 = 22
y23 = 23
y24 = 24
y25 = 25
y26 = 26
y27 = 27
y28 = 28
y29 = 29
y30 = 30
y31 = 31
y32 = 32
y33 = 33
y34 = 34
y35 = 35
y36 = 36
y37 = 37
y38
...
Snippet 2 (by bob) (Quality: 7.0/10):
print('patched')
Unknown (1 snippets)
Snippet 1 (by alice) (Quality: 4.0/10):
kubectl get pods
🔗 Shared Links (21)
Key resources shared in chat
- https://example.com/resource/0 (by alice, in #engineering)
- https://example.com/resource/1 (by carol, in #random)
- https://example.com/resource/2 (by alice, in #engineering)
- https://example.com/resource/3 (by carol, in #random)
- https://example.com/resource/4 (by alice, in #engineering)
- https://example.com/resource/5 (by carol, in #random)
- https://example.com/resource/6 (by alice, in #engineering)
- https://example.com/resource/7 (by carol, in #random)
- https://example.com/resource/8 (by alice, in #engineering)
- https://example.com/resource/9 (by carol, in #random)
- https://example.com/resource/10 (by alice, in #engineering)
- https://example.com/resource/11 (by carol, in #random)
- https://example.com/resource/12 (by alice, in #engineering)
- https://example.com/resource/13 (by carol, in #random)
- https://example.com/resource/14 (by alice, in #engineering)
- https://example.com/resource/15 (by carol, in #random)
- https://example.com/resource/16 (by alice, in #engineering)
- https://example.com/resource/17 (by carol, in #random)
- https://example.com/resource/18 (by alice, in #engineering)
- https://example.com/resource/19 (by carol, in #random)
... and 1 more links
📊 Chat Statistics
- Total Messages: 6
- Total Threads: 1
- Code Snippets: 3
- Shared Links: 21
- Unique Users: 3
- Channels: 2
Channel Activity:
- #engineering: 5 messages, 2 users
- #random: 1 messages, 1 users
🗺️ Navigation
Reference Files:
references/engineering_s1-s2.md- #engineeringreferences/random_s3-s3.md- #random
See references/index.md for complete chat structure.
Generated by Skill Seeker | Slack Chat Scraper
Repositorio GitHub
Frequently asked questions
What is the golden-chat skill?
golden-chat is a Claude Skill by yusufkaraaslan. Skills package instructions and resources that Claude loads on demand, so Claude can perform golden-chat-related tasks without extra prompting.
How do I install golden-chat?
Use the install commands on this page: add golden-chat 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 golden-chat belong to?
golden-chat is in the Meta category, tagged testing and design.
Is golden-chat free to use?
Yes. golden-chat is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Habilidades relacionadas
Esta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.
Esta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.
Esta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.
SGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.
