MCP HubMCP Hub
Retour aux compétences

local-llm-expert

sickn33
Mis à jour 3 days ago
7 vues
24,363
4,191
24,363
Voir sur GitHub
Autreai

À propos

Cette compétence offre des conseils d'expert sur le déploiement et l'optimisation de LLM locaux en utilisant des outils comme Ollama, llama.cpp et vLLM. Utilisez-la pour sélectionner des modèles, calculer les besoins en VRAM et appliquer des formats de quantification (GGUF, EXL2) pour une inférence locale efficace. Elle est idéale pour les développeurs ayant besoin d'un déploiement d'IA axé sur la confidentialité sur leur propre matériel.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add sickn33/antigravity-awesome-skills -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/sickn33/antigravity-awesome-skills
Git CloneAlternatif
git clone https://github.com/sickn33/antigravity-awesome-skills.git ~/.claude/skills/local-llm-expert

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

Dépôt GitHub

sickn33/antigravity-awesome-skills
Chemin: skills/local-llm-expert
0
agentic-skillsai-agentsai-workflowsantigravityautonomous-codingclaude-code

Compétences associées

seek-and-analyze-video

Autre

Cette compétence permet aux agents IA d'indexer de manière persistante et d'interroger intelligemment le contenu vidéo de plateformes comme YouTube et TikTok en utilisant le LVMM de Memories.ai. Elle est conçue pour créer des bases de connaissances vidéo consultables, analyser les tendances des réseaux sociaux ou résumer des conférences et des réunions. Les développeurs doivent l'utiliser lorsque leurs applications nécessitent une analyse profonde et réutilisable du contenu vidéo plutôt qu'un traitement ponctuel.

Voir la compétence

local-llm-expert

Autre

Cette compétence offre des conseils d'expert sur le déploiement et l'optimisation de LLM locaux en utilisant des outils comme Ollama, llama.cpp et vLLM. Elle aide les développeurs à sélectionner des modèles, gérer la VRAM et appliquer des formats de quantification (GGUF, EXL2) pour une inférence locale efficace. Utilisez-la lors de la planification des exigences matérielles ou de la mise en œuvre de solutions d'IA axées sur la confidentialité sur du matériel local.

Voir la compétence

seek-and-analyze-video

Autre

Cette compétence permet aux agents IA de rechercher, d'importer et d'analyser de manière persistante des contenus vidéo provenant de plateformes comme YouTube et TikTok en utilisant le Large Visual Memory Model de Memories.ai. Elle est conçue pour créer des bases de connaissances vidéo consultables, résumer des enregistrements ou étudier les tendances des réseaux sociaux. Les développeurs doivent l'utiliser lorsque leur agent Claude a besoin d'interroger à plusieurs reprises du contenu vidéo indexé plutôt que d'effectuer une analyse ponctuelle.

Voir la compétence

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