MCP HubMCP Hub
SKILL·8F6778

finetune-prep

mattnigh
Mis à jour 1 month ago
11 vues
22
1
22
Voir sur GitHub
Métaaidesigndata

À propos

La compétence finetune-prep aide les développeurs à préparer des ensembles de données spécialisés pour le réglage fin de LLM en extrayant les connaissances du domaine et en établissant des normes de qualité. Elle guide la création de données d'entraînement synthétiques, de grilles d'évaluation et de pipelines de génération de données en utilisant des techniques de LLM-en-tant-qu'expert. Utilisez cette compétence lorsque vous devez définir des ancres comportementales claires et des critères d'évaluation binaires avant de générer des exemples d'entraînement.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add mattnigh/skills_collection -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/mattnigh/skills_collection
Git CloneAlternatif
git clone https://github.com/mattnigh/skills_collection.git ~/.claude/skills/finetune-prep

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

Dépôt GitHub

mattnigh/skills_collection
Chemin: collection/marcgreen__therapy-coach-finetune__claude__skills__finetune-prep__SKILL.md
0
FAQ

Frequently asked questions

What is the finetune-prep skill?

finetune-prep is a Claude Skill by mattnigh. Skills package instructions and resources that Claude loads on demand, so Claude can perform finetune-prep-related tasks without extra prompting.

How do I install finetune-prep?

Use the install commands on this page: add finetune-prep 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 finetune-prep belong to?

finetune-prep is in the Meta category, tagged ai, design and data.

Is finetune-prep free to use?

Yes. finetune-prep is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.

Compétences associées

content-collections
Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence
polymarket
Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence
creating-opencode-plugins
Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence
sglang
Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence