MCP HubMCP Hub
SKILL·FBC960

social-source-evidence

avifenesh
Actualizado 20 days ago
1 vistas
339
29
339
Ver en GitHub
Otrogeneral

Acerca de

Esta habilidad analiza datos exportados de X/Twitter para proporcionar resúmenes de evidencia que fundamenten decisiones sobre contenido en redes sociales. Extrae hechos clave y contexto de las exportaciones de tuits antes de redactar textos, aplicando una estricta separación entre la revisión de evidencia y las acciones en cuentas activas. Los desarrolladores deben utilizarla para preparar contenido social basado en datos, manteniendo las acciones de publicación bajo control humano explícito.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add avifenesh/agnix -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/avifenesh/agnix
Git CloneAlternativo
git clone https://github.com/avifenesh/agnix.git ~/.claude/skills/social-source-evidence

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación

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.

Repositorio GitHub

avifenesh/agnix
Ruta: 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.

Habilidades relacionadas

llamaguard
Otro

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.

Ver habilidad
cost-optimization
Otro

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.

Ver habilidad
sports-betting-analyzer
Otro

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.

Ver habilidad
quantizing-models-bitsandbytes
Otro

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.

Ver habilidad