Compresse les fichiers mémoire en langage naturel (CLAUDE.md / AGENTS.md, todos, préférences) au format 'homme des cavernes' pour économiser des tokens d'entrée. Préserve toute la substance technique, le code, les URL et la structure. La version compressée écrase le fichier original. Sauvegarde lisible par l'humain sous FILE.original.md. Déclencheur : /caveman-compress CHEMIN_FICHIER ou « compress memory file »
Cette compétence est conçue pour les agents IA (comme Claude Code) qui manipulent des fichiers mémoire en langage naturel tels que CLAUDE.md, AGENTS.md, todo lists ou fichiers de préférences. Elle réduit considérablement la taille de ces fichiers en les convertissant en un format 'caveman' minimaliste, tout en préservant intégralement le contenu technique : extraits de code, commandes CLI, URL, noms de variables d'environnement et structure du document (titres, listes, tableaux). L'objectif principal est d'économiser les tokens d'entrée lors des requêtes API, ce qui réduit les coûts et améliore la longueur du contexte disponible. La compétence écrase le fichier original par la version compressée, mais sauvegarde automatiquement la version lisible par l'humain dans un fichier nommé FILE.original.md. Elle est déclenchée via la commande /caveman-compress CHEMIN_FICHIER ou par l'expression 'compress memory file'.
npx skills add https://github.com/geovanejunior92-debug/claude-skills/tree/main/skills/caveman-compressInstalled? Explore more Rédaction et édition skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →
Compresse les fichiers mémoire en langage naturel (CLAUDE.md / AGENTS.md, todos, préférences) au format 'homme des cavernes' pour économiser des tokens d'entrée. Préserve toute la substance technique, le code, les URL et la structure. La version compressée écrase le fichier original. Sauvegarde lisible par l'humain sous FILE.original.md. Déclencheur : /caveman-compress CHEMIN_FICHIER ou « compress memory file »
This repo contains 3 individual skills — each has its own dedicated page.
Close the loop on a Caveman learn report — review the ranked token sinks and apply cost-lowering fixes (trim config, offload recurring context to cavemem) with per-edit consent. Use when the user runs "caveman learn", asks to lower their agent's token cost, wants to trim a heavy CLAUDE.md / AGENTS.md, or wants to offload context they re-paste every session into cavemem.
Use for any question about a codebase, its architecture, file relationships, or project content — especially when graphify-out/ exists, where the question should be treated as a graphify query first. Turns any input (code, docs, papers, images, videos) into a persistent knowledge graph with god nodes, community detection, and query/path/explain tools.
Monitors task execution for skill improvement opportunities. Use this skill during ANY multi-step task, agentic workflow, or substantive work session where the agent is using tools and producing deliverables. It captures patterns, user corrections, workflow insights, and methodology worth preserving as reusable skills. Also triggers during post-task feedback discussions and when the user explicitly mentions skill observations, improvements, the observation log, skill taxonomy, or asks the agent to watch for skill opportunities. Also known as "One Skill to Rule Them All" — trigger on this phrase too. IMPORTANT: this skill should be invoked at the start of every task-oriented session — if you are about to use tools to produce deliverables, invoke this skill first. For reliable activation, pair this description with a CLAUDE.md / AGENTS.md instruction or harness-level session-start hook (see Recommended Activation Setup) — description-level matching alone is not enforceable.
Notion CLI/API for pages, Markdown content, data sources, files, comments, search, Workers, and raw API calls.
The agent engineering platform.
Use this skill when the user requests to generate, create, or produce podcasts from text content. Converts written content into a two-host conversational podcast audio format with natural dialogue.
Analyze and optimize tweets for maximum reach using Twitter's open-source algorithm insights. Rewrite and edit user tweets to improve engagement and visibility based on how the recommendation system ranks content.
Extracts and analyzes competitors' ads from ad libraries (Facebook, LinkedIn, etc.) to understand what messaging, problems, and creative approaches are working. Helps inspire and improve your own ad campaigns.
Context7 Platform -- Up-to-date code documentation for LLMs and AI code editors