MCP HubMCP Hub
SKILL·C20734

qwen_roadmap_auditor_prototype

Foundup
更新日 4 months ago
208 閲覧
4
2
4
GitHubで表示
その他general

について

このスキルは、ロードマップファイルを監査して完了状況を確認し、不足しているMCP統合を特定し、古くなったスキル参照にフラグを立てます。自律運用向けに設計されており、監査プロセス中にMCPツールを調整します。更新前にロードマップの整合性を検証する必要がある場合、このプロトタイプを使用してください。

クイックインストール

Claude Code

推奨
メイン
npx skills add Foundup/Foundups-Agent -a claude-code
プラグインコマンド代替
/plugin add https://github.com/Foundup/Foundups-Agent
Git クローン代替
git clone https://github.com/Foundup/Foundups-Agent.git ~/.claude/skills/qwen_roadmap_auditor_prototype

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

GitHub リポジトリ

Foundup/Foundups-Agent
パス: .claude/skills/qwen_roadmap_auditor_prototype
0
bitcoinblockchain-technologydaesdaofoundupspartifact
FAQ

よくある質問

qwen_roadmap_auditor_prototype Skillとは何ですか?

qwen_roadmap_auditor_prototype はFoundup が作成した Claude Skillです。Skillは、Claudeが必要に応じて読み込む指示とリソースをまとめ、追加の指示なしで qwen_roadmap_auditor_prototype に関連するタスクを実行できるようにします。

qwen_roadmap_auditor_prototype をインストールするには?

このページのインストールコマンドを使用してください。qwen_roadmap_auditor_prototype をプラグインとして Claude Code に追加するか、リポジトリを skills ディレクトリにクローンし、Claudeを再起動してSkillを読み込みます。

qwen_roadmap_auditor_prototype はどのカテゴリに属しますか?

qwen_roadmap_auditor_prototype は その他 カテゴリに属します。

qwen_roadmap_auditor_prototype は無料で利用できますか?

はい。qwen_roadmap_auditor_prototype は AIMCP に掲載されており、無料でインストールできます。

関連スキル

llamaguard
その他

LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。

スキルを見る
cost-optimization
その他

このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。

スキルを見る
sports-betting-analyzer
その他

このClaudeスキルは、スポーツベッティング市場(スプレッド、オーバー/アンダー、プロップベットなど)を分析し、過去の傾向や状況統計を検証することでバリューベットを特定します。教育目的のための実践的な提案を構造化されたマークダウン形式で出力します。開発者はスポーツベッティング分析ツールとして本機能を活用できますが、娯楽および教育目的に限定されている点に留意してください。

スキルを見る
quantizing-models-bitsandbytes
その他

このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75%のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。

スキルを見る