
de zorai308
Conseils et modèles pour concevoir l'architecture d'un centre d'aide, rédiger des articles de support efficaces et optimiser la recherche pour maximiser la redirection vers le libre-service.
Cette compétence permet à un agent de concevoir et de maintenir un centre d'aide (base de connaissances) qui aide les utilisateurs à trouver des réponses rapidement et réduit la charge du support. Elle fournit des modèles d'IA (architecture de l'information) concrets, des modèles d'articles, des stratégies de mots-clés et de synonymes pour l'optimisation de la recherche, des mesures de redirection à suivre et un flux de maintenance pour que le contenu reste précis. Les conseils couvrent la validation de la taxonomie, les types d'articles, les couches de mots-clés de recherche et des approches de mesure qui privilégient la redirection aux pages vues.
Utilisez cette compétence lors de la construction ou de la restructuration d'un centre d'aide, de la rédaction ou de l'audit d'articles de support, de la correction des lacunes de recherche infructueuse ou de la création d'un processus de maintenance du contenu. Déclenchez sur des tâches telles que "créer des modèles d'articles", "réduire les tickets de support", "corriger les recherches infructueuses", "concevoir une taxonomie" ou "mesurer la redirection". Elle est utile pour les équipes produit, support et documentation visant à améliorer le libre-service.
references/article-templates.md avec des modèles prêts à l'emploi (has_references=true)Idéal avec des agents capables de produire du texte structuré et des exemples de code (Claude Code, OpenAI Codex, Gemini CLI). La compétence suppose que l'agent peut produire des modèles et des instructions sous forme de checklist pour des réviseurs humains.
Une compétence de conception de base de connaissances / centre d'aide complète, fournissant des conseils sur la taxonomie de l'IA, les modèles de rédaction d'articles, l'optimisation de la recherche et les mesures de déflexion. Bien structurée avec des sections claires, des tableaux et des flux de travail exploitables. Aucun script inclus — contenu purement pédagogique. La vérification d'accompagnement en bas suggère d'exécuter `ls` sur des répertoires locaux, ce qui est bénin. La qualité du contenu est élevée pour son domaine, mais elle est purement consultative sans automatisation.
Compétence propre, aucun problème de sécurité. La vérification d'accompagnement est un simple listing de répertoires locaux, pas une exfiltration. La compétence est purement basée sur le contenu/conseil — aucun composant exécutable. Bien écrite et approfondie dans son domaine (conception de centre d'aide / KB), mais l'audience de niche limite son utilité. L'architecture suit raisonnablement la spécification avec le frontmatter, des sections structurées et la directive de références, bien qu'elle pourrait séparer le contenu dans references/ davantage.
Optimiseur de Code (Audit de Performance)
Réalise des audits de performance approfondis sur les bases de données, la mémoire, les algorithmes, la concurrence, les E/S, le bundling et plus encore, via des agents spécialisés et une détection basée sur des patterns.
Weights & Biases (wandb)
Intégrez Weights & Biases pour le suivi d'expériences ML : journalisez les métriques, les hyperparamètres, les points de contrôle, lancez des sweeps et consultez des tableaux de bord collaboratifs.
EconML (Microsoft) — Effets de Traitement Hétérogènes
Guide et exemples pour utiliser Microsoft EconML afin d'estimer les effets de traitement hétérogènes (Double ML, Causal Forest, Deep IV) à partir de données observationnelles.
Git Guardrails (Claude Code)
Hook PreToolUse qui bloque les commandes git destructives (push, reset --hard, clean, branch -D) pour empêcher les agents comme Claude Code de les exécuter sans approbation.