Mechaharness est un harnais agentique pour l'inférence brute de LLM. Il encapsule les appels de modèles locaux ou distants avec ingénierie de contexte, utilisation d'outils, règles, compétences, instructions AGENTS.md et boucles d'exécution agentiques, transformant un point de terminaison de modèle en un runtime agentique performant et extensible.
Mechaharness est un harnais agentique conçu pour l'inférence brute de grands modèles de langage (LLM). Il permet d'envelopper les appels à des modèles locaux ou distants en ajoutant une ingénierie de contexte sophistiquée, la capacité d'utiliser des outils, l'application de règles, l'intégration de compétences, le suivi des instructions AGENTS.md et des boucles d'exécution agentiques. En d'autres termes, il transforme un simple point de terminaison de modèle en un runtime agentique complet et extensible, capable de raisonner et d'agir de manière autonome. Ce projet est particulièrement utile pour les développeurs travaillant avec des agents IA, car il offre une infrastructure flexible pour créer des systèmes complexes sans avoir à repartir de zéro. Il supporte n'importe quel point de terminaison de modèle, qu'il soit local (via Ollama, llama.cpp, etc.) ou distant (via des API comme celle d'OpenAI), et peut être utilisé comme base pour des agents comme Claude Code, Cursor, ou Codex. Son fonctionnement repose sur la définition de règles, de compétences et d'instructions dans un fichier AGENTS.md, qui sont ensuite chargées et exécutées de manière itérative, permettant à l'agent de planifier, d'agir et de s'adapter en fonction du contexte.
npx skills add rl337/mechaharnessMechaharness est un harnais agentique pour l'inférence brute de LLM. Il encapsule les appels de modèles locaux ou distants avec ingénierie de contexte, utilisation d'outils, règles, compétences, instructions AGENTS.md et boucles d'exécution agentiques, transformant un point de terminaison de modèle en un runtime agentique performant et extensible.
Extract frames or short clips from videos using ffmpeg.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.
Obra superpowers agent skills.
See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.