Ai

videodb vous aide à ingérer des vidéos et de l’audio depuis des fichiers locaux, des URL, des flux live RTSP/RTMP ou une capture d’écran, à retrouver des moments précis avec horodatage et preuve lisible, puis à agir avec des clips, des superpositions, la transcription, des alertes et le montage sur timeline. C’est un guide pratique de videodb pour VideoDB for Video Editing et l’analyse de flux en direct.

token-budget-advisor est un skill de routage qui aide à choisir le niveau de détail d’une réponse avant de répondre. Utilisez-le pour contrôler la longueur, le degré de précision ou la consommation de tokens dans l’automatisation de workflows et les conversations. Ce guide token-budget-advisor couvre les règles de déclenchement, les cas où ne pas l’utiliser et la manière de l’appliquer depuis skills/token-budget-advisor.

skill-comply est une compétence de test de conformité qui vérifie, en conditions réelles, si un agent respecte une skill, une règle ou une définition d’agent. Elle génère des spécifications à partir de markdown, exécute trois niveaux de rigueur des prompts, classe les chronologies d’appels d’outils et fournit des taux de conformité avec preuves à l’appui. Utile pour skill-comply pour la conformité.

santa-method est un workflow de vérification multi-agent pour les livrables qui doivent être justes avant leur publication. Il s’appuie sur des revues indépendantes pour repérer les angles morts dans le contenu, les livrables proches du code, les textes sensibles sur le plan de la conformité et les tâches d’automatisation de workflow. Installez le skill santa-method lorsque vous avez besoin d’une boucle reproductible générer, vérifier, converger.

Skill regex-vs-llm-structured-text pour choisir entre regex et LLM dans l’extraction de texte structuré. Commencez par un parsing déterministe, ajoutez une validation par LLM pour les cas limites à faible confiance, et utilisez un pipeline plus économique et plus fiable pour les documents, formulaires, factures et l’analyse de données.

llm-trading-agent-security est un guide pratique pour sécuriser des agents de trading autonomes disposant d’une autorité sur un wallet. Il couvre l’injection de prompts, les limites de dépense, la simulation avant envoi, les coupe-circuits, l’exécution sensible au MEV et l’isolation des clés afin de réduire le risque de perte financière dans un audit de sécurité.

foundation-models-on-device vous aide à créer des fonctionnalités Apple FoundationModels sur iOS 26+ avec génération de texte sur l’appareil, sortie guidée avec @Generable, appel d’outils, streaming par instantanés et vérifications de disponibilité pour des applications axées sur la confidentialité.

cost-aware-llm-pipeline vous aide à créer des workflows LLM qui maîtrisent les dépenses API grâce au routage de modèles, au suivi immuable des coûts, à la gestion des retries et au caching des prompts. Idéal pour les jobs batch, les pipelines documentaires et l’automatisation de workflows où le volume de sortie et les arbitrages de qualité doivent être encadrés clairement.

ai-first-engineering est un modèle opérationnel concis pour les équipes dont les agents IA produisent une grande partie du travail d’implémentation. Il aide à définir des Agent Standards pour la planification, l’architecture, la revue et les tests, avec des indications sur l’installation, l’utilisation et les cas où appliquer cette compétence.

fact-checker est une skill pilotée par prompt pour vérifier des affirmations de façon structurée, évaluer les sources et produire des verdicts clairs avec niveau de confiance et contexte. Installez-la depuis Shubhamsaboo/awesome-llm-apps pour vérifier des déclarations, rumeurs, statistiques et affirmations trompeuses avec un workflow reproductible.

deep-research est une skill d’agent légère pour mener des recherches web structurées. Elle aide à cadrer le sujet, recouper plusieurs sources, évaluer leur crédibilité et synthétiser des résultats sourcés à partir d’un workflow unique dans `SKILL.md`.

Triage est un skill de triage GitHub pour faire avancer les bugs entrants et les demandes de fonctionnalité dans une machine d’état fondée sur les rôles. Utilisez-le pour classer les tickets, déterminer s’il faut plus d’informations, orienter le travail vers un agent AFK ou un mainteneur humain, et garder un traitement cohérent des tickets. C’est un skill de triage pratique pour le suivi des tickets.

vector-index-tuning aide à optimiser les index de recherche vectorielle en termes de latence, de rappel et de mémoire. Utilisez cette skill pour choisir les types d’index, ajuster les paramètres HNSW et comparer les options de quantification pour les workflows RAG.

rag-implementation est une skill pratique pour concevoir des systèmes RAG avec bases vectorielles, embeddings, schémas de retrieval et workflows de réponses fondées sur les sources. Utilisez-la pour comparer les options de stack, orienter les choix d’architecture et guider l’installation ainsi que l’usage pour la Q&A documentaire, les assistants de connaissance et la recherche sémantique.

similarity-search-patterns vous aide à choisir les métriques de distance, les types d’index et les approches de récupération hybride pour la recherche sémantique et les workflows RAG. Utilisez-le pour arbitrer les compromis d’une recherche vectorielle en production entre rappel, latence et passage à l’échelle.

La compétence hybrid-search-implementation montre comment combiner la recherche vectorielle et lexicale avec RRF, la fusion linéaire, le reranking et des schémas en cascade pour des systèmes de RAG et de recherche.

Utilisez le skill llm-evaluation pour concevoir des plans d’évaluation reproductibles pour les applications LLM, les prompts, les systèmes RAG et les changements de modèle, avec des métriques, de la revue humaine, du benchmarking et des vérifications de régression.

embedding-strategies vous aide à choisir et optimiser des modèles d’embedding pour la recherche sémantique et les workflows RAG, avec des conseils concrets sur le chunking, les compromis entre modèles, le contenu multilingue et l’évaluation de la récupération.

ai-prompt-engineering-safety-review est une skill d’audit de prompts conçue pour examiner les prompts de LLM sous l’angle de la sécurité, des biais, des faiblesses de sécurité et de la qualité des résultats avant une mise en production, une évaluation ou un usage en contact avec des clients.

gws-modelarmor vous aide à travailler avec Google Model Armor dans l’écosystème googleworkspace/cli. Utilisez-le pour assainir les prompts, assainir les réponses de modèle et créer des modèles avec moins d’approximations qu’un prompt générique. Il est conçu pour un usage répétable, conforme aux politiques, et pour les workflows de Security Audit.

develop-ai-functions-example vous aide à créer ou modifier des exemples AI SDK exécutables dans vercel/ai sous `examples/ai-functions/src/`. Servez-vous-en pour choisir la bonne catégorie, respecter les conventions du dépôt et produire des exemples minimaux pour la validation de providers, des démos ou des fixtures.

add-provider-package est un guide ciblé pour créer un nouveau package `@ai-sdk/<provider>` dans `vercel/ai`. Il aide les contributeurs et les équipes API à suivre l’architecture des providers de l’AI SDK, la structure des packages et le workflow d’implémentation lors de l’ajout d’un provider.

ai-seo aide les équipes à améliorer leur visibilité dans les réponses IA sur ChatGPT, Perplexity, Google AI Overviews, Claude et Gemini. Utilisez-le pour diagnostiquer l’indexation, l’accès des bots, l’extractibilité du contenu et la capacité à être cité, puis construire un plan de contenu concret à partir des références du dépôt sur les plateformes et les modèles de contenu.

mama est une variante narrative de la skill pua qui conserve les mêmes règles de base, mais adopte la voix d’une mère chinoise insistante. Servez-vous-en pour installer un schéma de déclenchement réutilisable dans des workflows persistants de dépannage, de débogage et de Prompt Writing, avec escalade héritée, checklists et meilleur suivi dans l’exécution.