MCP App StoreMCP App Store
de cv-train-stack13
Réviser, exécuter, valider et auditer l'entraînement de modèles de vision par ordinateur avec des vérifications de la qualité du jeu de données, de la cohérence du prétraitement, de l'augmentation et de la validation du déploiement
Flux de travail structuré d'entraînement et de révision de modèles de CV qui aide les équipes à détecter les erreurs pouvant compromettre la précision en production. Il scanne un projet pour trouver les scripts d'entraînement, les jeux de données et les étapes de prétraitement, effectue une révision préalable, exécute des sessions d'entraînement contrôlées (locales ou distantes), valide les modèles exportés et audite la cohérence entre l'entraînement et l'inférence.
Utilisez cette compétence avant de lancer une nouvelle session d'entraînement, lors du réentraînement de modèles, ou juste après la fin d'une session. Les déclencheurs incluent : la préparation de l'entraînement, la révision de la configuration d'entraînement, la validation d'un export ou l'audit du prétraitement pour un déploiement en production.
La plupart des assistants généralistes capables de coder (Copilot/Codex/Gemini CLI/Claude Code) peuvent utiliser cette compétence pour orchestrer l'entraînement et les vérifications.
CV model training review and execution skill with subcommands for review, run, validate, and audit. No bundled scripts — all logic is guidance in SKILL.md with reference docs loaded on demand. Clean, well-structured content covering real production pitfalls (preprocessing mismatches, quantization drift, training-serving skew). No security concerns whatsoever.
Well-written skill for CV practitioners. Common mistakes section is genuinely useful. Architecture follows progressive disclosure pattern well. Would benefit from having scripts/ for automated checks (dataset balance, preprocessing consistency) but works fine as guidance-only.
GraphQL Inspector — Validate
Validate GraphQL operations against a schema with configurable depth, complexity, alias and directive limits to catch errors before runtime.
Alpha Forge Pre-Ship Quality Gates
Pre-merge quality gates for PRs that validate RNG determinism, forked URLs, runtime parameter ranges, and manifest synchronization to reduce review cycles.
Evolve — Goal-Driven Improvement Loop
Autonomous improvement loop that selects high-value work, runs a full research-plan-implement (/rpi) cycle, validates changes, and repeats to compound repo impr
Audit Agents/Skills/Commands
Run a quantitative quality audit on agents, skills, and commands to check production readiness and get prioritized recommendations.
Build Unplanned Feature
Orchestrates ad-hoc feature development: requirement gathering, planning, implementation and validation across task-planning, implementation, and validation loo
DSPy — Declarative LM Programming
Use DSPy to build declarative, modular LM pipelines, optimize prompts automatically, and assemble reliable RAG/agent systems with structured signatures and opti
WeChat MP Article Writer & Publisher
End-to-end toolchain for drafting, rendering, validating and publishing WeChat Official Account articles using templates, image planning and pipeline scripts.
API and Interface Design
Guides design of stable, predictable APIs and interfaces — contract-first patterns, error semantics, pagination, and naming conventions for robust integrations.