Json

continuous-learning extrait automatiquement des motifs réutilisables à partir des sessions Claude Code et les enregistre sous forme de skills appris. Il s’appuie sur un flux Stop-hook, prend en charge des seuils configurables dans config.json, et convient particulièrement aux auteurs de skills, aux responsables de dépôts et aux utilisateurs avancés qui veulent un guide pratique de continuous-learning pour capturer les apprentissages en fin de session.

json-canvas aide à créer et modifier des fichiers .canvas valides pour des tableaux de type Obsidian, avec des nœuds, arêtes, IDs, coordonnées, groupes et références correctement structurés.

obsidian-bases aide à créer et modifier des fichiers Obsidian `.base` avec des filtres, des formules, des résumés et des vues en tableau, cartes, liste ou carte géographique. Idéal pour transformer les métadonnées de notes en vues de base de connaissances exploitables, avec validation YAML et repères sur les fonctions fournis par les fichiers du skill.

baoyu-imagine est une skill de génération d’images multi-fournisseurs avec une CLI typée, une configuration `EXTEND.md` obligatoire, la prise en charge d’images de référence, des réglages de ratio d’aspect et des exécutions par lots via OpenAI, Azure OpenAI, Google, OpenRouter, DashScope, MiniMax, Jimeng, Seedream et Replicate.

dummy-dataset génère des données de test réalistes au format CSV, JSON, SQL ou script Python. Il est utile pour créer des jeux de données fictifs, des démonstrations, du remplissage initial de bases de données, des tests QA et du nettoyage de données, en vous permettant de définir les colonnes, le nombre de lignes et des contraintes pour obtenir des exemples crédibles.

Réalisez une analyse cohortale de la rétention utilisateur, de l’érosion de l’engagement et de l’adoption des fonctionnalités par cohorte. Cet outil cohort-analysis est conçu pour les workflows d’analyse de données qui exigent validation, calcul, visualisation et insights clairs à partir de données structurées sur le comportement des utilisateurs.

Utilisez le skill huggingface-datasets pour les workflows de l’API Hugging Face Dataset Viewer afin de valider des datasets, résoudre les splits, prévisualiser et paginer les lignes, rechercher du texte, appliquer des filtres, et récupérer des liens Parquet ou des statistiques. C’est un guide pratique huggingface-datasets pour explorer des datasets en lecture seule.

sarif-parsing est un skill post-analyse pour lire, filtrer, dédupliquer, résumer et convertir des résultats SARIF 2.1.0 issus d’outils comme CodeQL et Semgrep. Utilisez-le lorsque vous disposez déjà d’une sortie d’analyse et que vous avez besoin d’un parsing clair, d’une agrégation ou d’une transformation prête pour CI/CD. Il ne sert pas à exécuter des scans.

interpreting-culture-index aide à interpréter les enquêtes Culture Index, les exports de profils et les notes associées au recrutement ou au coaching. Utilisez ce skill interpreting-culture-index pour évaluer l’adéquation à un poste, la dynamique d’équipe, le risque d’épuisement, les débriefs de candidats, les plans d’onboarding et la médiation de conflits. Il met l’accent sur la lecture relative des flèches, les vérifications d’anti-patterns et des livrables concrets pour l’analyse de données et l’aide à la décision.

plugin-forge aide les auteurs de plugins Claude Code à générer la structure d’un plugin, gérer `plugin.json` et les métadonnées marketplace, ajouter des composants comme des commandes ou des skills, tester en local et garder les versions synchronisées grâce aux scripts utilitaires et aux références de workflow inclus.

La skill openapi-to-typescript vous aide à convertir des spécifications OpenAPI 3.0 en JSON ou YAML en interfaces TypeScript, types de requête et de réponse pour les endpoints, ainsi qu’en runtime type guards. Utilisez-la si vous disposez déjà d’une spécification d’API valide et souhaitez un workflow structuré pour la validation, la génération et l’enregistrement du résultat, par exemple dans `types/api.ts`.

vega est une skill de création de graphiques qui transforme des données structurées en visualisations interactives et pilotées par les données, avec Vega-Lite dans la plupart des cas et Vega pour les mises en page avancées. Utilisez-la pour des graphiques à barres, linéaires, en nuage de points, en carte thermique, en aires, empilés ou multi-séries lorsque vous disposez de vrais champs de données et que vous avez besoin de spécifications JSON valides.

canvas crée des diagrammes JSON Canvas avec positionnement libre et coordonnées x/y explicites. Utilisez-le pour des cartes mentales, graphes de connaissances, cartes conceptuelles, tableaux de planification et autres workflows de diagramme où la disposition spatiale compte plus que l’ordre de lecture. Ce n’est pas le bon choix pour les organigrammes ou les graphiques de données. Utilisez la skill canvas lorsque vous avez besoin de nœuds modifiables, de liens et d’une structure de mise en page.

obsidian-bases aide à créer et modifier des fichiers Obsidian `.base` valides avec des vues YAML, des filtres, des formules, des propriétés et des résumés. Particulièrement adapté aux workflows de base de connaissances quand vous avez besoin de vues en tableau, cartes, liste ou carte géographique, avec moins d’incertitude sur le schéma.

json-canvas aide les agents à créer et modifier des fichiers `.canvas` valides pour Obsidian et d’autres applications JSON Canvas. Utilisez-le pour générer des nœuds, arêtes, groupes, positions et couches structurellement corrects pour des cartes mentales, organigrammes et workflows de schématisation légère.

veo-3.2-prompter est une compétence de conception de prompts pour les workflows Google Veo 3.x. Elle aide à transformer des ressources hétérogènes et une intention encore floue en un prompt JSON structuré, avec mappage des rôles de référence, paramètres recommandés et conseils concrets pour l’installation, l’usage et la rédaction de prompts adaptés à Veo.

seedance-2.0-prompter aide à transformer des ressources multimodales Seedance 2.0 en prompts structurés, avec des rôles clairs, la syntaxe `@asset` et des modèles réutilisables pour l’installation, la configuration et l’usage concret.

read-file aide un agent à lire et inspecter des fichiers CSV, JSON, Parquet, Avro, Excel, SQLite, des fichiers spatiaux ou des URL distantes avec DuckDB. Utilisez-le pour prévisualiser des lignes, vérifier le schéma, profiler les données et répondre à la question : qu’y a-t-il dans ce fichier ? Il est surtout adapté à l’usage de read-file sur de vrais artefacts de données, pas sur du code source.

La skill query exécute des requêtes DuckDB sur une base de données attachée ou directement sur des fichiers. Elle accepte du SQL ou des questions en langage naturel, prend en charge les modes session et ad hoc, et convient à l’analyse de données, aux vérifications rapides et au travail itératif de requête avec DuckDB Friendly SQL.

firecrawl-search est une skill de recherche web conçue pour trouver des sources, effectuer des recherches structurées et, si besoin, extraire le contenu complet de pages au format JSON avec Firecrawl CLI.

firecrawl-map aide les agents à découvrir et lister les URL d’un site, avec des options de filtrage par recherche, de limitation, de sortie JSON, de modes sitemap et de contrôle des sous-domaines avant un scraping ou un crawl plus approfondi.

tavily-search est une skill de recherche web qui s’appuie sur la CLI Tavily pour fournir aux agents IA des résultats structurés, avec extraits, signaux de pertinence et métadonnées. Elle prend en charge les filtres par domaine, les plages temporelles et une profondeur de recherche avancée pour la découverte de sources récentes et les workflows de recherche web guidée.

paperzilla est un skill chat et CLI pour travailler avec les projets Paperzilla, les recommandations, les articles canoniques, les résumés Markdown, les retours et l’export de flux. Utilisez-le lorsque vous avez besoin d’un accès direct aux données Paperzilla pour la recherche académique, et pas seulement d’un résumé générique. Il aide pour l’usage de paperzilla, les tâches du guide paperzilla et la production de sorties structurées.

database-lookup aide à orienter les questions de recherche vers la bonne API de base de données publique et à renvoyer du JSON brut avec le nom des bases sources. Utilisez-le pour les composés, gènes, protéines, variants, essais cliniques, brevets, données environnementales ou indicateurs économiques lorsque vous avez besoin d’un guide de base de données plutôt que d’un résumé web générique.