Bittensor Subnet 11 – eine offene Skill-Fabrik, die verteilte Rechenleistung und Reinforcement Learning nutzt, um hochmoderne Skills für KI-Agenten zu produzieren.
trajectoryRL/trajectoryRL ist eine offene Skill-Fabrik, die auf Bittensor Subnet 11 basiert. Diese Plattform nutzt verteilte Rechenleistung und Reinforcement Learning, um automatisierte, hochmoderne Skills für KI-Agenten zu entwickeln. Indem sie die gemeinsame Rechenleistung vieler Teilnehmer einsetzt, beschleunigt trajectoryRL den Prozess der Skill-Erstellung und ermöglicht so fortlaufende Verbesserungen durch verteiltes Training. Der Quellcode ist auf GitHub verfügbar (https://github.com/trajectoryRL/trajectoryRL) und wurde vom Awesome Skills täglichen Skill-Jäger entdeckt, was seine Relevanz und Qualität unterstreicht. Dieser Skill richtet sich an Entwickler, die ihre KI-Agenten mit optimierten, RL-basierten Fähigkeiten ausstatten möchten, ohne selbst umfangreiche Trainingsinfrastruktur bereitstellen zu müssen.
npx skills add trajectoryRL/trajectoryRLBittensor Subnet 11 — an open skill factory that uses distributed compute and RL to produce state-of-the-art skills for AI agents.
Source: https://github.com/trajectoryRL/trajectoryRL
Discovered by the Awesome Skills daily skill hunter.
ElevenLabs text-to-speech with mac-style say UX.
Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.
Capture and automate macOS UI with the Peekaboo CLI.
You MUST use this before any creative work - creating features, building components, adding functionality, or modifying behavior. Explores user intent, requirements and design before implementation.
Prisma ORM patterns for TypeScript backends — schema design, query optimization, transactions, pagination, and critical traps like updateMany returning count not records, $transaction timeouts, migrate dev resetting the DB, @updatedAt skipped on bulk writes, and serverless connection exhaustion.
Django + Celery async task patterns — configuration, task design, beat scheduling, retries, canvas workflows, monitoring, and testing. Use when adding background jobs, scheduled tasks, or async processing to a Django app.