MCP App StoreMCP App Store
de claude-skills209
Fournit des conseils d'expert en MLOps : construction et validation de pipelines ML, déploiement et surveillance de modèles en production, mise en place de feature stores et automatisation du CI/CD pour les modèles.
Cette compétence permet à un agent d'agir en tant qu'ingénieur MLOps senior : évaluer la maturité ML, concevoir et valider des pipelines d'entraînement de bout en bout, déployer des modèles pour un service en temps réel ou par lots, enregistrer et promouvoir des modèles, et implémenter la surveillance et la détection de dérive (drift detection). Elle inclut des exemples exécutables (service FastAPI, manifests Kubernetes), du code de détection de dérive, des modèles de feature-store Feast et des scripts pour les opérations de registre de modèles.
Invoquez cette compétence lorsque vous avez besoin de conseils prêts pour la production pour faire passer vos travaux de ML d'expérimentations à des services fiables : choix de la topologie de service, écriture de tests de santé (health checks) et de politiques d'autoscaling, validation des déploiements avec des seuils d'évaluation, instrumentation des SLO P50/P95/P99, ou configuration de feature stores et de récupération en ligne. Utile lors de la planification du déploiement, du triage d'incidents et des revues de conception de pipelines.
Particulièrement adapté aux agents capables de coder pouvant raisonner sur l'infrastructure et les exemples Python (Claude Code, Codex, Cursor, Gemini CLI). La compétence attend que l'agent produise des extraits de code, des manifests YAML et des conseils opérationnels.
Compétence MLOps bien structurée comprenant trois scripts utilitaires pour la détection de dérive, la gestion du registre de modèles et la validation de pipeline. Le SKILL.md fournit des conseils de flux complets avec des exemples de déploiement K8s, des modèles de surveillance et l'intégration d'un feature store. Les scripts utilisent uniquement la bibliothèque standard, sans dépendances externes. Les scripts se sont terminés avec des messages d'utilisation sous DRY_RUN car ils nécessitent des arguments de fichier, mais le code est propre et fonctionnel.
Compétence solide sans préoccupations de sécurité. Tous les scripts sont des fichiers Python autonomes utilisant uniquement la stdlib. Bonne documentation avec des interfaces CLI claires. Les scripts ne supportent pas de mode DRY_RUN, donc ils affichent l'utilisation lorsqu'ils sont appelés sans arguments, ce qui est le comportement attendu.
Founder Coach
Cadres et checklists guidés pour aider les fondateurs à déléguer, gérer leur énergie, auditer leurs calendriers, détecter les angles morts et planifier la succession pour optimiser le leadership.
Conseiller CISO
Fournit une stratégie de sécurité basée sur le risque et des feuilles de route de conformité (SOC 2, ISO 27001, HIPAA, GDPR), des guides de réponse aux incidents et des évaluations des risques fournisseurs pour la croissance
Spring Boot Migration
Guided, phased migration for existing Spring Boot apps to Boot 4 / Java 25 (including Modulith 2 and Testcontainers 2), with scanners and reference guides.
ArcKit Architecture Conformance
Run a systematic architecture conformance assessment that compares ADRs and principles against HLD/DLD artifacts to surface drift, violations, and technical deb
SourceSage CLI
Generate concise, LLM-friendly repository summaries (Markdown) using the SourceSage CLI — supports lite mode, language switching, and targeted repo analysis.
Supabase SDK Patterns (TypeScript & Python)
Production-ready patterns for using Supabase clients in TypeScript and Python: client initialization, typed queries, auth, realtime, storage, RPC, and error-han
Speak Security Basics
Security best practices for integrating Speak: API key management, audio data privacy, student data protection, and COPPA/FERPA compliance for production deploy
Replit — Advanced Troubleshooting
Step-by-step diagnostics and debugging techniques for deep Replit issues: Nix build failures, container crash loops, memory leaks, and platform vs app isolation
Klaviyo Observability
Add Prometheus metrics, OpenTelemetry tracing, structured logging, and alerting for Klaviyo API integrations to monitor performance and failures.
Juicebox Performance Tuning
Guidance and code patterns to reduce Juicebox AI analysis latency: caching, batching, upload chunking, and pagination to improve throughput and responsiveness.