MCP HubMCP Hub
Retour aux compétences

ai-prompting-integration-with-workspace-hub

vamseeachanta
Mis à jour 2 days ago
1 vues
3
2
3
Voir sur GitHub
Autreai

À propos

Cette compétence fournit la couche d'intégration pour les capacités d'invocation IA au sein de l'écosystème workspace-hub, reliant l'ingénierie de prompts à des outils comme LangChain, DSPy et pandasAI. Elle permet aux développeurs de mettre en œuvre et de structurer des chaînes IA, des pipelines et des fonctionnalités d'analyse de données à travers l'espace de travail. Utilisez cette référence lors de la création ou de l'extension de flux de travail alimentés par IA dans l'environnement workspace-hub.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add vamseeachanta/workspace-hub -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/vamseeachanta/workspace-hub
Git CloneAlternatif
git clone https://github.com/vamseeachanta/workspace-hub.git ~/.claude/skills/ai-prompting-integration-with-workspace-hub

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Dépôt GitHub

vamseeachanta/workspace-hub
Chemin: .claude/skills/ai/prompting/ai-prompting/integration-with-workspace-hub
0

Compétences associées

agent-usage-optimizer

Autre

Cette compétence optimise la sélection des modèles d'IA en lisant les états des quotas et en recommandant la meilleure allocation Claude/Codex/Gemini pour chaque tâche. Elle fournit un routage tenant compte des quotas et des affichages de marge de manœuvre, ce qui la rend idéale pour les sessions de travail avec de multiples éléments en file d'attente ou lorsque l'on approche des limites de quota. Les développeurs devraient l'utiliser avant de commencer des sessions avec 3 éléments de travail ou plus, ou lorsque les quotas Claude tombent en dessous de 50 % de reste.

Voir la compétence

model-selection

Autre

Cette compétence offre un guide automatisé de sélection de modèle pour Claude Code, basé sur la complexité de la tâche, le coût et les besoins en latence. Elle propose un arbre de décision et un tableau de référence rapide pour aider les développeurs à choisir efficacement entre les modèles Opus, Sonnet et Haiku. Utilisez-la au début de nouvelles tâches pour optimiser les performances et l'utilisation des ressources.

Voir la compétence

agent-usage-optimizer-step-2-display-quota-headroom

Autre

Cette compétence affiche les pourcentages de quota API restants pour différents fournisseurs d'IA dans un tableau formaté avec des indicateurs de statut codés par couleur. Elle aide les développeurs à choisir le modèle le plus approprié en fonction de la disponibilité et des cas d'utilisation recommandés. La sortie inclut des informations sur la fraîcheur du cache et des seuils de statut visuels pour une évaluation rapide des quotas.

Voir la compétence

agent-usage-optimizer-baseline-route-defaults

Autre

Cette compétence fournit une logique de routage par défaut des modèles d'IA selon la complexité des tâches de programmation, indépendamment des limites de quota. Elle affecte les tâches simples à Codex, les tâches standard à Claude Sonnet, et les travaux architecturaux complexes à Claude Opus, avec des options de repli spécifiées. Les développeurs doivent l'utiliser comme configuration de base pour optimiser l'utilisation des agents d'IA dans leurs flux de travail de codage.

Voir la compétence