Nouvelles skills

design-taste-frontend est une compétence frontend anti-slop pour les landing pages, les portfolios, les pages éditoriales et les refontes. Elle aide un agent à lire le brief, à déduire la bonne direction visuelle et à livrer des interfaces qui paraissent intentionnelles plutôt que génériques. Idéale pour le développement frontend lorsque le sens du design, la hiérarchie et l’adéquation à la marque sont essentiels.

design-taste-frontend-v1 est le skill de goût d’origine pour le travail frontend à forte autonomie, conservé pour une compatibilité ascendante exacte. Il aide à générer du code UI orienté React/Next.js avec des arbitrages esthétiques plus nets, des vérifications de dépendances et des garde-fous concrets. Utilisez ce skill design-taste-frontend-v1 si vous avez besoin de l’ancien comportement plutôt que de la réécriture expérimentale v2.

create-skill-test génère des fichiers de test `eval.yaml` pour les skills d’agent dans `dotnet/skills`. Utilisez-le pour créer des tests de skill, définir des scénarios, des fixtures, des assertions et des grilles d’évaluation, tout en réduisant le surapprentissage dans la conception des évaluations. Il ne sert pas à exécuter des tests existants, à déboguer des erreurs de validateur ni à rédiger des fichiers `SKILL.md`.

create-skill est un générateur de squelette pour créer de nouvelles compétences d’agent, dans l’esprit dotnet/skills. Utilisez-le pour créer un dossier de compétence valide, générer `SKILL.md` avec frontmatter et suivre les conventions du dépôt pour le scaffolding de compétences. Il convient surtout à la création de nouvelles compétences, pas à la modification de compétences existantes.

create-custom-agent vous aide à créer des fichiers d’agent personnalisé VS Code (.agent.md) pour des personas IA spécialisés, avec outils, instructions et transferts. Servez-vous-en pour générer de nouveaux agents, définir des limites d’outils et mettre en place des workflows agent-à-agent pour l’authoring de skills.

write est une skill d’édition pour réécrire des textes en chinois ou en anglais afin qu’ils paraissent naturels, clairs et moins générés par une IA, tout en préservant le sens d’origine. Elle convient aux brouillons, à la documentation, aux notes de version, aux textes de lancement, aux publications sociales et au nettoyage de contenus de technical writing. Utilisez-la lorsque vous avez déjà un texte et que vous voulez une prose plus concise, mieux adaptée au public, et non une idéation à partir de zéro.

think est une skill d’aide à la décision qui transforme des idées brutes en plans validés et complets sur le plan décisionnel avant de coder. À utiliser pour la conception de fonctionnalités, les choix d’architecture, l’analyse des compromis et les questions de type « faut-il faire ça ? », quand l’enjeu est le jugement, pas l’implémentation. Elle convient aux besoins think pour l’aide à la décision, think guide et think usage dans des workflows centrés sur le repo.

Le skill read récupère des URL et des PDF sous forme de Markdown propre, prêt à lire, citer et réutiliser dans des travaux en aval. Il est conçu pour un usage de lecture sur des pages protégées par un paywall, des sites riches en JavaScript, X/Twitter, des fichiers GitHub, des plateformes chinoises et des flux d’automatisation nécessitant un texte source fiable avant analyse. Utilisez le guide read quand vous voulez capturer la source, pas obtenir des commentaires.

Learn est une skill de recherche qui transforme des sujets inconnus, des lots de sources et des notes collectées en un livrable cohérent, prêt à publier. Elle aide pour les analyses approfondies, la compilation de sources, l’explication et la synthèse structurée de recherches web et d’autres tâches multi-sources. Elle est particulièrement utile quand vous avez besoin d’une référence solide à partir de բազմաթիվ entrées, pas d’une recherche rapide.

hunt est un skill orienté débogage qui impose de raisonner en termes de cause racine avant d’appliquer le moindre correctif. Utilisez-le pour les erreurs, les plantages, les régressions, les tests en échec, les problèmes de cache obsolète, les bugs de captures d’écran et les cas du type « ça marchait avant ». Il vous aide à formuler une hypothèse testable, à réunir des preuves et à éviter les suppositions. Ne convient pas à la revue de code ni aux nouvelles fonctionnalités.

health exécute un audit Agent Health tenant compte du budget pour Codex, Claude Code, Pi, les consignes d’agent, les hooks/MCP, les surfaces de vérification et la maintenabilité de l’IA. Utilisez la skill health pour comprendre pourquoi un agent ignore des instructions, rate des validations ou dérive vers un comportement difficile à maintenir. Elle est particulièrement utile pour les workflows d’audit sécurité, mais pas pour déboguer du code ni relire des PR.

La compétence design aide à transformer des demandes d’interface vagues en rendu visuel prêt pour la production, pour des pages, des composants, des tableaux de bord et des finitions guidées par capture d’écran. Utilisez-la lorsque l’interface est moche, floue, incohérente ou visuellement incorrecte, et lorsque vous avez besoin de design pour la conception UI plutôt que de logique backend ou de pipelines de données. Elle inclut des consignes pour l’installation, l’utilisation, les garde-fous et de meilleures décisions esthétiques.

La skill check passe en revue les diffs de code, les PR, les files d’issues, la préparation des releases, les commits, les pushes, la publication et les audits de projet. Utilisez-la quand vous avez besoin d’un check rigoureux pour la revue de code avant fusion ou publication, avec des garde-fous pour les worktrees sales et non suivis. Elle ne convient pas pour explorer des idées, diagnostiquer des causes racines ou relire du texte.

La skill treatment-plans aide à générer des plans de traitement médicaux concis, orientés cliniciens, au format LaTeX / prêt à convertir en PDF. Elle couvre la médecine générale, la réadaptation, la santé mentale, les maladies chroniques, les soins périopératoires et la prise en charge de la douleur, avec des objectifs SMART, des interventions fondées sur les preuves, des citations minimales et une mise en forme soucieuse des contraintes de conformité. Idéale pour treatment-plans en rédaction technique et pour une documentation de soins structurée.

Le skill transformers vous aide à utiliser Hugging Face Transformers pour le chargement de modèles, l’inférence, la tokenisation et le fine-tuning. C’est un guide pratique de transformers pour les tâches de machine learning, couvrant le texte, la vision, l’audio et les workflows multimodaux, avec des parcours clairs pour démarrer vite avec une base simple ou aller vers un entraînement personnalisé.

torchdrug est une boîte à outils native PyTorch pour le machine learning des molécules et des protéines. Utilisez le skill torchdrug pour choisir les tâches, les jeux de données et les modèles modulaires dédiés aux graph neural networks, à la modélisation des protéines, au raisonnement sur les knowledge graphs, à la génération moléculaire et à la rétrosynthèse. Il convient surtout au développement de modèles sur mesure et à des configurations reproductibles, pas seulement à des démonstrations prêtes à l’emploi.

Guide du skill torch-geometric pour les réseaux de neurones graphiques PyTorch Geometric. Utilisez-le pour l’aide à l’installation de torch-geometric, l’utilisation de torch-geometric, la classification de graphes, la classification de nœuds, la prédiction de liens, les graphes hétérogènes, les couches MessagePassing personnalisées et la mise à l’échelle des GNN dans des workflows de Machine Learning.

Utilisez la compétence sympy pour faire des maths symboliques exactes en Python, notamment en algèbre, calcul, matrices, formules de physique, théorie des nombres, géométrie et génération de code. Elle vous aide à conserver des expressions exactes, à choisir les bons modules SymPy et à éviter les erreurs liées aux flottants. C’est un bon choix pour celles et ceux qui cherchent un guide pratique sympy pour des workflows symboliques et sympy pour l’analyse de données.

Le skill statsmodels vous aide à utiliser statsmodels pour l’analyse de données en Python quand vous avez besoin de modèles statistiques, d’inférence et de diagnostics. Il prend en charge l’ajustement de modèles OLS, GLM, pour variables discrètes, séries temporelles et modèles mixtes, avec tableaux de coefficients, p-values, intervalles de confiance et vérifications d’hypothèses. Utilisez ce guide statsmodels pour l’économétrie, la prévision et un reporting solide et défendable.

La compétence statistical-analysis vous aide à choisir, exécuter et présenter des tests défendables pour l’analyse de données, notamment les hypothèses, les tailles d’effet, la puissance statistique et les résultats au format APA. Utilisez-la pour la recherche universitaire, les expérimentations et les études observationnelles lorsque le choix du test et la clarté du compte rendu comptent davantage que le codage d’un modèle précis.

Guide du skill stable-baselines3 pour les workflows de Machine Learning : entraînez des agents RL, connectez des environnements Gymnasium et choisissez entre PPO, SAC, DQN, TD3, DDPG ou A2C avec moins d’hésitation. Idéal pour le reinforcement learning mono-agent standard, le prototypage rapide et une utilisation concrète de stable-baselines3.

simpy est un framework Python de simulation à événements discrets basé sur les processus. Ce skill simpy aide à modéliser les files d’attente, les ressources et les événements dépendants du temps pour la fabrication, les opérations de service, la logistique, les réseaux et l’analyse de données, lorsque vous avez besoin d’éclairer les temps d’attente, le taux d’utilisation, le débit ou les goulots d’étranglement.

Skill shap pour l’interprétabilité des modèles et l’IA explicable. Utilisez-le pour comprendre les prédictions, calculer les attributions de variables, choisir les graphiques SHAP et déboguer le comportement des modèles pour l’analyse de données sur les modèles d’arbres, linéaires, de deep learning et de type boîte noire.

Seaborn est un skill seaborn pour la visualisation statistique en Python, avec des entrées compatibles pandas et des valeurs par défaut bien pensées. Servez-vous-en pour explorer rapidement des distributions, des relations, des comparaisons catégorielles, des box plots, des violin plots, des pair plots et des heatmaps. Basé sur matplotlib pour des graphiques statiques prêts à être publiés.