Communitygithub.com

majiayu000/claude-skill-registry

KI- und maschinelles Lernen Workflow für LLM-Anwendungsentwicklung, RAG-Implementierung, Agentenarchitektur, ML-Pipelines und KI-gestützte Funktionen.

Was ist claude-skill-registry?

Dieses Bündel orchestriert eine umfassende KI/ML-Workflow für die Produktion von KI-Anwendungen. Es deckt sieben Phasen ab: KI-Anwendungsdesign, LLM-Integration, RAG-Implementierung, KI-Agentenentwicklung, ML-Pipeline-Entwicklung, KI-Beobachtbarkeit und KI-Sicherheit. Der Workflow führt den Benutzer durch die Auswahl und Nutzung relevanter Skills wie @ai-product, @ai-engineer, @rag-engineer, @crewai, @ml-engineer, @langfuse und @prompt-engineering. Er ist ideal für Entwickler, die LLM-betriebene Anwendungen, RAG-Systeme, KI-Agenten oder ML-Pipelines erstellen möchten. Das Bündel unterstützt gängige KI-Plattformen und -Frameworks wie LangChain, LangGraph, CrewAI, Gemini API, Langfuse und Manifest. Die strukturierten Phasen mit Aktionen und Copy-Paste-Prompts erleichtern die Implementierung. Eine Checkliste und Qualitätstore gewährleisten, dass alle AI-Features getestet sind, Leistungsbenchmarks erfüllt werden, Sicherheitsmaßnahmen vorhanden sind, Beobachtbarkeit konfiguriert ist und die Dokumentation vollständig ist.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/ai-ml/ai-ml-galacticvraj-vraj-portfolio

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

KI/ML-Workflow-Bündel

Übersicht

Umfassender KI/ML-Workflow für die Erstellung von LLM-Anwendungen, Implementierung von RAG-Systemen, Erstellung von KI-Agenten und Entwicklung von maschinellen Lernpipelines. Dieses Bündel orchestriert Skills für die Produktion von KI-Entwicklung.

Wann dieser Workflow verwendet werden sollte

Verwenden Sie diesen Workflow, wenn:

  • LLM-betriebene Anwendungen entwickelt werden
  • RAG (Retrieval-Augmented Generation) implementiert wird
  • KI-Agenten erstellt werden
  • ML-Pipelines entwickelt werden
  • KI-Funktionen zu Anwendungen hinzugefügt werden
  • KI-Beobachtbarkeit eingerichtet wird

Workflow-Phasen

Phase 1: KI-Anwendungsdesign

Aufzurufende Skills

  • ai-product - KI-Produktentwicklung
  • ai-engineer - KI-Engineering
  • ai-agents-architect - Agentenarchitektur
  • llm-app-patterns - LLM-Muster

Aktionen

  1. KI-Anwendungsfälle definieren
  2. Geeignete Modelle auswählen
  3. Systemarchitektur entwerfen
  4. Datenflüsse planen
  5. Erfolgsmetriken definieren

Copy-Paste-Prompts

Verwenden Sie @ai-product, um KI-gestützte Funktionen zu entwerfen
Verwenden Sie @ai-agents-architect, um Multi-Agent-Systeme zu entwerfen

Phase 2: LLM-Integration

Aufzurufende Skills

  • llm-application-dev-ai-assistant - KI-Assistentenentwicklung
  • llm-application-dev-langchain-agent - LangChain-Agenten
  • llm-application-dev-prompt-optimize - Prompt-Engineering
  • gemini-api-dev - Gemini-API

Aktionen

  1. LLM-Anbieter auswählen
  2. API-Zugriff einrichten
  3. Prompt-Vorlagen implementieren
  4. Modellparameter konfigurieren
  5. Streaming-Unterstützung hinzufügen
  6. Fehlerbehandlung implementieren

Copy-Paste-Prompts

Verwenden Sie @llm-application-dev-ai-assistant, um konversationelle KI zu erstellen
Verwenden Sie @llm-application-dev-langchain-agent, um LangChain-Agenten zu erstellen
Verwenden Sie @llm-application-dev-prompt-optimize, um Prompts zu optimieren

Phase 3: RAG-Implementierung

Aufzurufende Skills

  • rag-engineer - RAG-Engineering
  • rag-implementation - RAG-Implementierung
  • embedding-strategies - Embedding-Auswahl
  • vector-database-engineer - Vektordatenbanken
  • similarity-search-patterns - Ähnlichkeitssuche
  • hybrid-search-implementation - Hybride Suche

Aktionen

  1. Datenpipeline entwerfen
  2. Embedding-Modell auswählen
  3. Vektordatenbank einrichten
  4. Chunking-Strategie implementieren
  5. Abruf konfigurieren
  6. Re-Ranking hinzufügen
  7. Caching implementieren

Copy-Paste-Prompts

Verwenden Sie @rag-engineer, um die RAG-Pipeline zu entwerfen
Verwenden Sie @vector-database-engineer, um die Vektorsuche einzurichten
Verwenden Sie @embedding-strategies, um optimale Embeddings auszuwählen

Phase 4: KI-Agentenentwicklung

Aufzurufende Skills

  • autonomous-agents - Autonome Agentenmuster
  • autonomous-agent-patterns - Agentenmuster
  • crewai - CrewAI-Framework
  • langgraph - LangGraph
  • multi-agent-patterns - Multi-Agent-Systeme
  • computer-use-agents - Computer-Nutzungs-Agenten

Aktionen

  1. Agentenarchitektur entwerfen
  2. Agentenrollen definieren
  3. Tool-Integration implementieren
  4. Gedächtnissysteme einrichten
  5. Orchestrierung konfigurieren
  6. Human-in-the-Loop hinzufügen

Copy-Paste-Prompts

Verwenden Sie @crewai, um rollenbasiertes Multi-Agent-System zu erstellen
Verwenden Sie @langgraph, um zustandsbehaftete KI-Workflows zu erstellen
Verwenden Sie @autonomous-agents, um autonome Agenten zu entwerfen

Phase 5: ML-Pipeline-Entwicklung

Aufzurufende Skills

  • ml-engineer - ML-Engineering
  • mlops-engineer - MLOps
  • machine-learning-ops-ml-pipeline - ML-Pipelines
  • ml-pipeline-workflow - ML-Workflows
  • data-engineer - Daten-Engineering

Aktionen

  1. ML-Pipeline entwerfen
  2. Datenverarbeitung einrichten
  3. Modelltraining implementieren
  4. Evaluierung konfigurieren
  5. Modellregister einrichten
  6. Modelle bereitstellen

Copy-Paste-Prompts

Verwenden Sie @ml-engineer, um die Machine-Learning-Pipeline zu erstellen
Verwenden Sie @mlops-engineer, um die MLOps-Infrastruktur einzurichten

Phase 6: KI-Beobachtbarkeit

Aufzurufende Skills

  • langfuse - Langfuse-Beobachtbarkeit
  • manifest - Manifest-Telemetrie
  • evaluation - KI-Evaluierung
  • llm-evaluation - LLM-Evaluierung

Aktionen

  1. Tracing einrichten
  2. Logging konfigurieren
  3. Evaluierung implementieren
  4. Leistung überwachen
  5. Kosten verfolgen
  6. Warnungen einrichten

Copy-Paste-Prompts

Verwenden Sie @langfuse, um LLM-Beobachtbarkeit einzurichten
Verwenden Sie @evaluation, um ein Evaluierungs-Framework zu erstellen

Phase 7: KI-Sicherheit

Aufzurufende Skills

  • prompt-engineering - Prompt-Sicherheit
  • security-scanning-security-sast - Sicherheitsscans

Aktionen

  1. Eingabevalidierung implementieren
  2. Ausgabefilter hinzufügen
  3. Ratenbegrenzung konfigurieren
  4. Zugriffskontrollen einrichten
  5. Auf Missbrauch überwachen
  6. Audit-Logging implementieren

KI-Entwicklungs-Checkliste

LLM-Integration

  • API-Schlüssel gesichert
  • Ratenbegrenzung konfiguriert
  • Fehlerbehandlung implementiert
  • Streaming aktiviert
  • Token-Nutzung verfolgt

RAG-System

  • Datenpipeline funktioniert
  • Embeddings generiert
  • Vektorsuche optimiert
  • Abrufgenauigkeit getestet
  • Caching implementiert

KI-Agenten

  • Agentenrollen definiert
  • Tools integriert
  • Gedächtnis funktioniert
  • Orchestrierung getestet
  • Fehlerbehandlung robust

Beobachtbarkeit

  • Tracing aktiviert
  • Metriken erfasst
  • Evaluierung läuft
  • Warnungen konfiguriert
  • Dashboards erstellt

Qualitätstore

  • Alle KI-Funktionen getestet
  • Leistungsbenchmarks erfüllt
  • Sicherheitsmaßnahmen vorhanden
  • Beobachtbarkeit konfiguriert
  • Dokumentation vollständig

Verwandte Workflow-Bündel

  • development - Anwendungsentwicklung
  • database - Datenverwaltung
  • cloud-devops - Infrastruktur
  • testing-qa - KI-Tests

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills