MCP HubMCP Hub
SKILL·D07F00

python-patterns

NeverSight
更新日 3 months ago
19 閲覧
24
3
24
GitHubで表示
メタaidesign

について

このスキルは、堅牢で保守性の高いPythonコードを書くための、Pythonらしいイディオム、PEP 8標準、ベストプラクティスを提供します。Pythonコードの作成、レビュー、リファクタリング時にアクティブ化すると、可読性、型ヒント、効率的なパターンに関するガイダンスが得られます。開発者がコアとなるPythonの原則を直接ワークフローに適用することを支援します。

クイックインストール

Claude Code

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

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

NeverSight/skills_feed
パス: data/skills-md/affaan-m/everything-claude-code/python-patterns
0
learn-skillsskills
FAQ

よくある質問

python-patterns Skillとは何ですか?

python-patterns はNeverSight 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 python-patterns に関連するタスクを実行できるようにします。

python-patterns 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。python-patterns 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。

python-patterns はどのカテゴリに属しますか?

python-patterns は メタ カテゴリに属します。

python-patterns は無料で利用できますか?

はい。python-patterns 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

content-collections
メタ

このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。

スキルを見る
polymarket
メタ

このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。

スキルを見る
creating-opencode-plugins
メタ

このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。

スキルを見る
sglang
メタ

SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。

スキルを見る