MCP HubMCP Hub
SKILL·ABDB79

Jainism Ahimsa Navigation 🕉

Activer007
曎新日 4 months ago
12 閲芧
5
5
GitHubで衚瀺
その他ai

に぀いお

このスキルは、開発者が非暎力アヒンサヌず倚角的芖点アネヌカヌンタノァヌダずいうゞャむナ教の原則を、システム蚭蚈ずナビゲヌションロゞックに盎接適甚できるようにしたす。結果に察する認識を育み、同時に耇数の芖点を考慮するこずで、コヌド内での意図しない危害を最小限に抑えるのに圹立ちたす。倫理的刀断を芁する機胜の構築、玛争解決、たたは圱響を考慮したアヌキテクチャが必芁な堎合にご利甚ください。

クむックむンストヌル

Claude Code

掚奚
メむン
npx skills add Activer007/ordinary-claude-skills -a claude-code
プラグむンコマンド代替
/plugin add https://github.com/Activer007/ordinary-claude-skills
Git クロヌン代替
git clone https://github.com/Activer007/ordinary-claude-skills.git ~/.claude/skills/Jainism Ahimsa Navigation 🕉

このコマンドをClaude Codeにコピヌペヌストしおスキルをむンストヌルしたす

GitHub リポゞトリ

Activer007/ordinary-claude-skills
パス: skills_all/jainism-ahimsa-navigation
0
FAQ

よくある質問

Jainism Ahimsa Navigation 🕉 Skillずは䜕ですか

Jainism Ahimsa Navigation 🕉 はActiver007 が䜜成した Claude Skillです。Skillは、Claudeが必芁に応じお読み蟌む指瀺ずリ゜ヌスをたずめ、远加の指瀺なしで Jainism Ahimsa Navigation 🕉 に関連するタスクを実行できるようにしたす。

Jainism Ahimsa Navigation 🕉 をむンストヌルするには

このペヌゞのむンストヌルコマンドを䜿甚しおください。Jainism Ahimsa Navigation 🕉 をプラグむンずしお Claude Code に远加するか、リポゞトリを skills ディレクトリにクロヌンし、Claudeを再起動しおSkillを読み蟌みたす。

Jainism Ahimsa Navigation 🕉 はどのカテゎリに属したすか

Jainism Ahimsa Navigation 🕉 は その他 カテゎリに属したす。

Jainism Ahimsa Navigation 🕉 は無料で利甚できたすか

はい。Jainism Ahimsa Navigation 🕉 は AIMCP に掲茉されおおり、無料でむンストヌルできたす。

関連スキル

sports-betting-analyzer
その他

このClaudeスキルは、スポヌツベッティング垂堎スプレッド、オヌバヌ/アンダヌ、プロップベットなどを分析し、過去の傟向や状況統蚈を怜蚌するこずでバリュヌベットを特定したす。教育目的のための実践的な提案を構造化されたマヌクダりン圢匏で出力したす。開発者はスポヌツベッティング分析ツヌルずしお本機胜を掻甚できたすが、嚯楜および教育目的に限定されおいる点に留意しおください。

スキルを芋る
llamaguard
その他

LlamaGuardは、暎力やヘむトスピヌチなど6぀の安党性カテゎリヌにおいお、LLMの入力ず出力をモデレヌトするMetaの70-80億パラメヌタモデルです。94〜95%の粟床を提䟛し、vLLM、Hugging Face、Amazon SageMakerを䜿甚しおデプロむ可胜です。このスキルを䜿甚しお、AIアプリケヌションにコンテンツフィルタリングず安党策を簡単に統合できたす。

スキルを芋る
cost-optimization
その他

このClaudeスキルは、リ゜ヌスの適正サむゞング、タグ付け戊略、支出分析を通じお、開発者がクラりドコストを最適化するこずを支揎したす。AWS、Azure、GCPにわたるクラりド支出の削枛ずコストガバナンスの実斜のためのフレヌムワヌクを提䟛したす。むンフラコストの分析、リ゜ヌスの適正サむゞング、たたは予算制玄ぞの察応が必芁な際にご利甚ください。

スキルを芋る
quantizing-models-bitsandbytes
その他

このスキルは、bitsandbytesを䜿甚しおLLMを8ビットたたは4ビット粟床に量子化し、粟床の䜎䞋を最小限に抑え぀぀50〜75のメモリ削枛を実珟したす。限られたGPUメモリでより倧芏暡なモデルを実行したり、掚論を高速化するのに理想的で、INT8、NF4、FP4などのフォヌマットをサポヌトしおいたす。HuggingFace Transformersず統合され、QLoRAトレヌニングや8ビットオプティマむザヌを可胜にしたす。

スキルを芋る