MCP HubMCP Hub
SKILL·0A291A

Batch

openclaw
업데이트됨 1 month ago
16 조회
972
296
972
GitHub에서 보기
기타ai

정보

Batch 스킬은 내장된 진행 상황 추적, 체크포인팅, 실패 복구 기능을 통해 다중 항목의 신뢰성 있는 처리를 가능하게 합니다. 복원력과 재개 가능성이 중요한 대량 작업을 처리하는 개발자에게 이상적입니다. 주요 기능으로는 자동 재시도, 전체 배치 중단을 방지하는 오류 격리, 상세한 완료 보고 등이 포함됩니다.

빠른 설치

Claude Code

추천
기본
npx skills add openclaw/skills -a claude-code
플러그인 명령대체
/plugin add https://github.com/openclaw/skills
Git 클론대체
git clone https://github.com/openclaw/skills.git ~/.claude/skills/Batch

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

GitHub 저장소

openclaw/skills
경로: skills/ivangdavila/batch
0
archivebackupclawdbotclawdhubskill
FAQ

Frequently asked questions

What is the Batch skill?

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

How do I install Batch?

Use the install commands on this page: add Batch 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 Batch belong to?

Batch is in the Other category, tagged ai.

Is Batch free to use?

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

연관 스킬

llamaguard
기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기
cost-optimization
기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기
sports-betting-analyzer
기타

이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.

스킬 보기
quantizing-models-bitsandbytes
기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기