c-network
Acerca de
La habilidad c-network proporciona herramientas CLI modernas para depuración de red y pruebas de API, incluyendo doggo para consultas DNS y httpie para solicitudes HTTP legibles para humanos. Permite consultas DNS con varios tipos de registros y servidores de nombres, además de interacciones HTTP intuitivas con soporte JSON y transferencia de archivos. Utiliza esta habilidad cuando necesites solucionar problemas de red o probar APIs directamente desde tu terminal con una salida más limpia que las herramientas tradicionales.
Instalación rápida
Claude Code
Recomendadonpx skills add daxaur/openpaw -a claude-code/plugin add https://github.com/daxaur/openpawgit clone https://github.com/daxaur/openpaw.git ~/.claude/skills/c-networkCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
Networking
doggo (DNS client)
# Basic DNS lookup
doggo example.com
# Specific record type
doggo example.com MX
doggo example.com AAAA
doggo example.com TXT
doggo example.com NS
doggo example.com CNAME
# Use specific nameserver
doggo example.com --nameserver 1.1.1.1
doggo example.com --nameserver 8.8.8.8
# DNS over HTTPS
doggo example.com --class IN --type A --nameserver https://cloudflare-dns.com/dns-query
# JSON output
doggo example.com --json
httpie (HTTP client)
Human-friendly alternative to curl:
# GET request
http GET api.example.com/users
# POST with JSON body
http POST api.example.com/users name=John [email protected]
# Headers
http GET api.example.com Authorization:"Bearer token123"
# Download file
http --download https://example.com/file.zip
# Form upload
http --form POST api.example.com [email protected]
# With auth
http -a user:password GET api.example.com/protected
# Follow redirects
http --follow GET example.com
# Show only response headers
http --headers GET example.com
# Verbose (show request + response)
http --verbose GET example.com
Guidelines
- Use
doggofor DNS debugging instead ofdigornslookup - Use
http(httpie) for API testing instead of curl — output is colorized and formatted - For POST requests, httpie auto-detects JSON vs form data
key=valuesends as JSON string,key:=123sends as JSON number
Repositorio GitHub
Preguntas frecuentes
¿Qué es el Skill c-network?
c-network es un Skill de Claude creado por daxaur. Los Skills agrupan instrucciones y recursos que Claude carga cuando los necesita para realizar tareas relacionadas con c-network sin indicaciones adicionales.
¿Cómo instalo c-network?
Usa los comandos de instalación de esta página: añade c-network a Claude Code como plugin o clona su repositorio en tu directorio de skills y reinicia Claude para cargarlo.
¿A qué categoría pertenece c-network?
c-network pertenece a la categoría Otro.
¿Se puede usar c-network gratis?
Sí. c-network aparece en AIMCP y se puede instalar gratis.
Habilidades relacionadas
LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.
Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.
Esta habilidad de Claude analiza los mercados de apuestas deportivas, incluyendo spreads, over/unders y apuestas de propuestas, mediante el examen de tendencias históricas y estadísticas situacionales para identificar apuestas de valor. Proporciona una salida en markdown estructurado con recomendaciones accionables con fines educativos. Los desarrolladores deben utilizar esto para herramientas de análisis de apuestas deportivas, teniendo en cuenta que está diseñado únicamente para entretenimiento/educación.
Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.