> Documentation _

Exa-search предоставляет мгновенный доступ к актуальной информации и точечным исследованиям. Система использует искусственный интеллект, большую языковую модель, AI-агента и Exa MCP Server для поиска веб-контента, кода, информации о компаниях и людях с высокой точностью. Нейронный поиск позволяет находить примеры кода, технические ссылки, профили специалистов и новости. Настройка через claude.json обеспечивает гибкость, а интеграция API-ключа – безопасность и удобство. Начните исследование с exa-search – незаменимого помощника для разработчиков и исследователей. Используйте команды "search for" или "look up" для получения результатов, превосходящих обычный поиск.

Получите мгновенный доступ к актуальной информации из сети, кода, компаний и профессиональных профилей с помощью exa-search. Этот AI-агент использует передовые технологии искусственного интеллекта и большую языковую модель для быстрого и точного поиска. exa-search решает проблему поиска актуальных данных, предоставляя нейронный поиск по веб-контенту, коду, компаниям и людям. Он работает на базе Exa MCP Server и позволяет находить примеры кода, API-документацию, информацию о компаниях и профессиональные профили, используя JavaScript (npx) и JSON. Разработанный для разработчиков, исследователей и всех, кто нуждается в актуальной информации, exa-search позволяет настроить количество результатов и режим поиска, включая живую индексацию. Получите свой API-ключ на [exa.ai](https://exa.ai) и начните использовать его сегодня!

bdistill-knowledge-extraction позволяет автоматизировать задачи извлечения структурированных знаний из различных AI моделей, включая Claude Code, Cursor, Codex CLI, Gemini CLI и другие. Инструмент позволяет создавать и поддерживать базы знаний, формируя упорядоченные и проверенные наборы данных, основанные на ответах агентов, работающих с закрытыми моделями (без API ключа) или локальными моделями через Ollama. С помощью bdistill вы можете значительно упростить рабочий процесс по созданию справочных материалов, таблиц поиска, датасетов для вопросов и ответов, а также исследовательских корпусов. Встроенные функции, такие как режим adversarial testing, обеспечивают проверку достоверности извлеченных знаний, выявляя неточности и ограничения. Предоставляется удобный интерфейс командной строки и готовые наборы навыков, как официальные, так и созданные сообществом. Функциональность bdistill-knowledge-extraction позволяет осуществлять скриптинг и автоматизацию рутинных операций, связанных с обработкой данных, получаемых от AI моделей. Это особенно полезно при создании обучающих данных для традиционных моделей машинного обучения (регрессия, классификация) и для сравнения знаний, полученных от разных моделей.

Проект 'mentoring-juniors' решает проблему недостатка эффективных методик обучения начинающих разработчиков и специалистов в области AI. Он предоставляет структурированный подход, основанный на сократовском методе, чтобы помочь новичкам освоить навыки решения проблем и развить самостоятельность, акцентируя внимание на понимании, а не на получении готовых решений. Это open-source решение, доступное для использования и адаптации. В основе проекта лежит четко определенная персона 'Сэнсэй' – опытный руководитель разработки, применяющий сократовскую методику для направления обучения через вопросы и подсказки. Использование инструмента разработчика и принципов prompt engineering позволяет адаптировать процесс обучения к индивидуальным потребностям, обеспечивая максимальную эффективность. Проект включает в себя документацию по целевой аудитории, золотым правилам и принципам работы с новичками, что способствует эффективной передаче знаний и опыта. В дальнейшем планируется интеграция с системами автоматизации для персонализации обучения и отслеживания прогресса.

LangGraph позволяет создавать сложные AI-агенты с использованием планирования, доступа к файловой системе и порождения под-агентов, упрощая разработку и управление задачами, требующими взаимодействия с внешними ресурсами. Данный репозиторий предоставляет исчерпывающую документацию и примеры использования LangGraph, построенного на базе LangChain, для эффективного решения широкого спектра задач в области искусственного интеллекта. Документация охватывает ключевые аспекты работы с LangGraph, включая индексацию документации, извлечение и обработку данных с веб-страниц, а также управление agentic задачами. В частности, описан процесс получения списка доступной документации, выбора наиболее релевантных URL-адресов и последующего использования полученного контента для ответа на запросы пользователей. Используется Python и LangDoc для структурирования информации. Репозиторий langgraph-docs служит надежным ресурсом для разработчиков, стремящихся использовать возможности большой языковой модели (LLM) и создавать продвинутых AI-агентов. В случае возникновения проблем с получением информации, рекомендуется обращаться непосредственно к официальной документации LangGraph по адресу https://langchain-ai.github.io/langgraph/.

Confluence – это open-source решение для централизованного управления знаниями и совместной работы. Оно позволяет эффективно структурировать и поддерживать документацию, обеспечивая ее доступность и актуальность для всей команды. Решение особенно полезно для организации больших объемов информации, таких как техническая документация, руководства пользователей и базы знаний. Confluence предоставляет инструмент разработчика для расширения функциональности посредством REST API и макросов. Это позволяет создавать собственные интеграции и автоматизировать рутинные задачи, например, обновление метаданных страниц или генерацию отчетов на основе данных из Confluence. Использование макросов, таких как "Children Display" и "Content by Label", значительно упрощает навигацию и поиск информации. Внедрение Confluence позволяет реализовать автоматизацию процессов управления документацией, включая контроль качества контента и его регулярный пересмотр. Оптимизированная структура пространства и страниц, а также последовательное использование меток (labels), гарантируют удобство поиска и поддерживают высокую степень актуальности информации.

Технический автор обеспечивает создание понятной и точной технической документации, ориентированной на инструмент разработчика. Решение включает в себя разработку руководств, API-справочников и обучающих материалов, способствующих эффективному освоению продукта и сокращающих время на адаптацию. Особое внимание уделяется принципам, ориентированным на пользователя, и созданию примеров кода, готовых к запуску. Используя фреймворк Diataxis, технический автор структурирует информацию по категориям: учебники, инструкции, справочные материалы и объяснения. Это позволяет разработчикам быстро находить необходимую информацию и решать возникающие задачи. Внедрение автоматизации процессов создания и поддержания документации гарантирует ее актуальность и соответствие изменениям в продукте. Наш подход предполагает создание open-source решение для разработки документации, основанное на принципах ясности, точности и эмпатии к читателю. Мы используем современные инструменты, такие как Markdown и системы контроля версий Git, для обеспечения совместной работы и поддержания высокого качества документации.

opencode-primitives предоставляет базовый набор элементов и рекомендации по конфигурации, необходимые для эффективной разработки игр и управления приложениями, построенными на базе OpenCode. Этот модуль решает проблему фрагментации и непоследовательности в реализации геймдев процессов, обеспечивая единый подход к определению и управлению ключевыми компонентами. Включая определение навыков, конфигурацию плагинов и управление серверами MCP, opencode-primitives использует JavaScript, Bun, YAML, JSON и Git для стандартизации рабочих процессов. Это позволяет разработчикам легко интегрировать новые функции и расширять возможности, сохраняя при этом согласованность и предсказуемость в игровом движке. Модуль обеспечивает четкие правила именования для навыков (например, ^[a-z0-9]+(-[a-z0-9]+)*$) и структурирование файлов (.opencode/skills//SKILL.md), что способствует упрощению разработки игр и облегчает поддержку проектов, использующих OpenCode. Подробная документация доступна по ссылкам, указанным в описании.

Docstring – это важный инструмент разработчика, позволяющий автоматизировать создание документации в стиле Google для Python-модулей и классов. Решение позволяет быстро и последовательно генерировать описания, соответствующие принятым в проекте соглашениям, что значительно упрощает поддержку и понимание кода. Автоматизированная генерация docstring обеспечивает соответствие стандартам, включая документирование параметров конструкторов и публичных методов. Это open-source решение помогает поддерживать единообразие и качество документации, особенно в больших проектах. Использование регулярных выражений и анализ кода позволяют эффективно интегрировать процесс создания документации в рабочий цикл. Такой подход способствует автоматизации рутинных задач и высвобождает время для решения более сложных проблем, связанных с разработкой.

write-docs – это open-source решение, разработанное для значительного упрощения и ускорения создания документации для BrowserOS. Инструмент решает проблему трудоемкости и рутинности процесса, автоматизируя ключевые этапы, такие как поиск в коде, сбор скриншотов и структурирование информации. write-docs предоставляет инструмент разработчика, позволяющий эффективно исследовать кодовую базу BrowserOS, используя такие методы, как Grep и Glob, для поиска релевантных файлов и ключевых фрагментов кода. Встроенная функция захвата скриншотов из буфера обмена значительно ускоряет процесс визуализации функциональности. Благодаря автоматизации сбора информации и использованию структурированных шаблонов, write-docs обеспечивает создание качественной и последовательной документации, написанной на основе MDX и предназначенной для использования с Chromium. Инструмент работает на Linux и написан на Python.

Решение web-research автоматизирует трудоемкие задачи сбора и анализа информации из сети. Оно позволяет значительно сократить время, затрачиваемое на поиск, проверку и систематизацию данных, предоставляя пользователю готовые выводы и ссылки на источники. Это особенно ценно при необходимости оперативного получения достоверной информации из множества онлайн-ресурсов. В основе web-research лежит Python и автоматизация процессов веб-сбора данных, включая web scraping и browser automation. Интеграция с моделями LLM и технологий Natural Language Processing обеспечивает не только сбор, но и проверку фактов, а также создание кратких и информативных резюме. Это эффективный инструмент разработчика для специалистов, работающих с большими объемами данных. Open-source решение web-research предоставляет возможность автоматизировать поиск, кросс-верификацию и суммирование результатов исследований, обеспечивая высокую точность и скорость получения необходимой информации. Результатом является структурированный отчет, содержащий ключевые выводы, подробные сведения и ссылки на использованные источники, с указанием возможных ограничений.

Решение open-source phoenix-skill-development предоставляет структурированный фреймворк и руководство для разработки и совершенствования навыков, обучающих AI-агентов взаимодействию с функциями Phoenix, с акцентом на наблюдаемость и оценку. Это позволяет создавать четкие инструкции для AI, оптимизированные для работы с конкретными аспектами платформы. Инструмент разработчика phoenix-skill-development использует YAML для определения навыков, обеспечивая стандартизированный подход к их структурированию и организации в директории skills/. Поддерживаемые технологии включают Langchain, LLMIndex, Python и интеграцию с OpenAI. Примеры существующих навыков, таких как phoenix-tracing и phoenix-evals, демонстрируют практическое применение фреймворка. Фреймворк способствует автоматизации процесса обучения AI-агентов, позволяя быстро создавать и обновлять навыки для работы с Phoenix. Четкая структура каталогов и использование файлов SKILL.md и README.md обеспечивают как техническую, так и понятную для человека документацию, упрощая разработку и поддержку.

Mintlify – платформа для документации, разработанная специально для проектов, использующих искусственный интеллект. Она решает проблему отслеживания и оценки производительности AI-агентов и рабочих процессов, предоставляя инструменты для обеспечения прозрачности и понимания сложных систем. Платформа позволяет эффективно документировать и визуализировать результаты работы моделей, упрощая их отладку и улучшение. Mintlify использует большую языковую модель для автоматической генерации документации из файлов MDX, а также предоставляет мощные CLI инструменты для разработки и валидации. Поддерживается гибкая конфигурация через файл docs.json, что позволяет адаптировать платформу под конкретные нужды проекта. Интегрированные функции обеспечивают проверку ссылок и доступности контента. Благодаря Mintlify, команды разработчиков получают возможность оперативно оценивать и улучшать свои AI решения, обеспечивая их надежность и соответствие требованиям. Платформа способствует созданию качественной документации, необходимой для эффективной работы и поддержки проектов, основанных на искусственном интеллекте. Подробности о компонентах и настройках доступны на [mintlify.com/docs](https://mintlify.com/docs).

Устаревшие или неполные заметки о релизах могут затруднить понимание новых возможностей платформы Phoenix. phoenix-release-notes – это open-source решение, которое автоматизирует создание и публикацию документации о релизах, гарантируя, что разработчики всегда имеют доступ к четкой и лаконичной информации об изменениях и новых функциях. Этот инструмент разработчика оптимизирует рабочий процесс и сокращает время на подготовку документации. phoenix-release-notes использует структурированный рабочий процесс: от идентификации не задокументированных релизов до анализа коммитов и создания файлов MDX. Поддерживаются как Python, так и TypeScript SDK, обеспечивая актуальность документации для всех пользователей. Автоматизация генерации заметок на основе коммитов в системе контроля версий Git значительно упрощает процесс обновления. Ключевая особенность – автоматизация создания документации, что позволяет разработчикам сосредоточиться на написании кода. Инструмент поддерживает как автоматическую генерацию, так и ручное редактирование MDX файлов, предоставляя гибкость в управлении контентом. Использование JavaScript и TypeScript для создания пользовательского интерфейса обеспечивает удобство работы и интеграцию с существующими инструментами.

Устали от несогласованного оформления презентаций? Этот репозиторий содержит документацию и рекомендации по использованию PptxGenJS для создания профессиональных PowerPoint-презентаций, с акцентом на стандартизацию шрифтов и цветовой палитры. Здесь вы найдете open-source решение для повышения эффективности и единообразия ваших слайдов. Включает в себя подробную инструмент разработчика – справочник по PptxGenJS API, охватывающий все аспекты: от базовой структуры и форматирования текста до работы с изображениями, таблицами и диаграммами. Особое внимание уделено правилам использования шрифтов и цветовых схем, обеспечивающим визуальную согласованность. Реализуйте автоматизацию процесса создания слайдов, следуя четким стандартам шрифтов (например, Microsoft YaHei для китайского текста, Arial для английского) и избегая использования полужирного шрифта для основного текста. Это позволит значительно сократить время разработки и повысить качество ваших презентаций.

Проект docs-product-alignment решает проблему поддержания актуальности и точности технической документации Visual Studio Code Copilot. Основная задача – обеспечение соответствия документации текущим возможностям продукта и соблюдение установленных правил оформления. Это критически важно для предоставления разработчикам достоверной информации и эффективной поддержки. Работа включает в себя аудит существующей API-документации и руководства разработчика, выявление расхождений с текущей функциональностью и внесение целевых правок. Особое внимание уделяется соблюдению style guide, фактологической точности и минимальным изменениям – только те, что необходимы для исправления неточностей или добавления недостающей информации. Процесс включает сбор контекстной информации из release notes, репозитория GitHub и анализ конкурентных утверждений. В результате обеспечивается соответствие документации реальным возможностям продукта, оптимизация для поисковых систем и удобство использования для человеческих читателей.

Onboard предоставляет комплексное решение для управления агентами, обеспечивая эффективную и надежную основу для ваших AI-powered процессов. Эта система позволяет автоматизировать сложные задачи, требующие взаимодействия с различными сервисами и данными. В основе лежит принципиально новый подход к организации рабочего процесса, где каждый агент выполняет четко определенную функцию, а взаимодействие между ними оптимизировано для максимальной производительности. Для взаимодействия с системой предусмотрена командная строка, позволяющая осуществлять тонкую настройку и мониторинг. Работа с Onboard включает в себя освоение нескольких ключевых навыков. В частности, вы будете использовать терминальную утилиту для выполнения скриптов и команд, необходимых для управления агентами. Понимание принципов работы CLI-инструмента позволит вам быстро адаптироваться к системе и эффективно решать возникающие задачи. Этот навык критически важен для диагностики проблем, развертывания новых агентов и оптимизации существующих процессов. Onboard предоставляет мощные инструменты для автоматизации и управления, позволяя вам сосредоточиться на стратегических задачах, а не на рутинных операциях. Эффективное использование командной строки и других инструментов обеспечит вам полный контроль над системой и позволит быстро реагировать на изменения в бизнес-среде. В дальнейшем мы подробно рассмотрим примеры использования и индивидуальные рекомендации по адаптации системы под ваши нужды.

— name: onboard description: «Interactive three-part onboarding for new team members to the Trellis AI-assisted workflow system. Covers core philosophy (AI memory, project-specific knowledge, context drift), system structure and command deep-dives, real-world workflow examples, and guideline customization. Use when a new developer joins the project, someone needs to understand the Trellis workflow, or project guidelines […]

DeepWiki решает проблему поиска и понимания документации в публичных репозиториях GitHub. Инструмент использует искусственный интеллект и большую языковую модель для предоставления ответов на вопросы и извлечения информации из репозиториев, опираясь на собственный сервер MCP (Metadata Context Provider). DeepWiki позволяет пользователям запрашивать ответы на вопросы, получать структуру документации и просматривать ее содержимое, используя AI-агент для анализа контекста. В основе работы лежат JavaScript, Node.js, GitHub API и специализированные алгоритмы обработки естественного языка. Функциональность DeepWiki обеспечивает эффективный доступ к информации, содержащейся в репозиториях, значительно упрощая навигацию и понимание документации. Это особенно полезно для работы с проектами, использующими сложные структуры и обширные руководства.

ethskills решает проблему устаревшей информации, необходимой для разработки на Ethereum. Платформа предоставляет актуальную техническую документацию, включая API-документацию и руководство разработчика, что критически важно для обучения AI-агентов и эффективной работы разработчиков. Централизованная база знаний ethskills позволяет получать информацию о текущих ценах на газ, стоимости решений второго уровня, стандартах токенов и других ключевых аспектах разработки. Доступ к информации осуществляется через URL, что обеспечивает простую интеграцию в существующие рабочие процессы без необходимости установки дополнительного программного обеспечения или использования менеджеров пакетов. Используя URL-адреса, разработчики могут мгновенно получать необходимую информацию, например, по темам безопасности, стандартам ERC-20 и ERC-721, или использовать "Ship" для маршрутизации по всем основным аспектам разработки приложений на Ethereum. Это гарантирует использование актуальных данных и минимизирует риски, связанные с использованием устаревшей информации.

Создание научных постеров часто является трудоемким процессом. posterskill-academic-posters – это обучающая платформа, решающая эту проблему, позволяющая генерировать интерактивные, готовые к печати научные постеры непосредственно из исходного кода Overleaf. Это эффективный образовательный инструмент для исследователей, упрощающий визуализацию и представление результатов работы. Инструмент использует Claude Code для преобразования вашего Overleaf проекта в интерактивный HTML-файл. В результате получается самостоятельный файл, не требующий этапов сборки или серверной инфраструктуры. Встроенный визуальный редактор с перетаскиванием позволяет легко настраивать макет и дизайн постера. posterskill-academic-posters – это не просто генератор, это курс программирования, демонстрирующий возможности автоматизации научных задач. Технологии, лежащие в основе инструмента (React, HTML, Git) позволяют легко интегрировать его в существующие рабочие процессы и расширять функциональность.

Algernon-Interview – это обучающая платформа, предоставляющая структурированный фреймворк для создания и проведения технических собеседований, ориентированных на специалистов в области искусственного интеллекта. Решение позволяет автоматизировать генерацию вопросов на основе базы данных, интегрированной с Clawhub, и обеспечивает объективную оценку компетенций кандидата. Инструмент предлагает четкую структуру интервью, разделенную на категории: Concepts, Application, Trade-offs и Production, что позволяет всесторонне оценить знания и опыт. Используется SQLite для хранения данных, а Notion CLI – для управления информацией, обеспечивая удобство и гибкость в настройке процесса. Algernon-Interview выступает как мощный образовательный инструмент и курс программирования для подготовки к техническим интервью, помогая интервьюерам проводить более эффективные и стандартизированные оценки, а кандидатам – лучше подготовиться к будущим собеседованиям.

Системное мышление – это подход к решению сложных проблем, который фокусируется на понимании взаимосвязей и обратной связи внутри систем, а не на отдельных элементах. Он позволяет выявлять скрытые закономерности и предвидеть последствия изменений, что особенно важно при разработке стратегий, учитывающих влияние искусственного интеллекта и большой языковой модели. Применение системного мышления позволяет моделировать и анализировать динамические процессы, например, с использованием концепций усиливающих и сдерживающих петель. Это может быть реализовано посредством симуляций, где AI-агент взаимодействует с моделью системы, демонстрируя ее поведение и помогая выявить критические точки воздействия. Инструменты, такие как Clawhub, предоставляют платформу для архивации и версионирования таких моделей. Данный репозиторий предоставляет инструменты для управления версиями навыков, основанных на принципах системного мышления, и потенциально использует AI для представления и симуляции этих навыков. Интеграция с Clawhub API и использование OpenClaw обеспечивают гибкость и расширяемость решения для анализа и оптимизации сложных систем.

— name: taiwan-md-knowledge-base description: AI-native open knowledge base about Taiwan built with Astro v5, featuring bilingual content (zh-TW/en), D3.js knowledge graph, and structured Markdown SSOT architecture. triggers: — «add content to taiwan.md» — «contribute to taiwan knowledge base» — «add a new article about Taiwan» — «set up taiwan-md locally» — «add bilingual article to […]

Репозиторий piclaw-agent-academic-team-collaboration предназначен для архивирования версий навыков, используемых в платформе Clawhub. Это обеспечивает отслеживание изменений, упрощает совместную работу и позволяет восстанавливать предыдущие версии, что критически важно для академических команд и исследовательских проектов. В базе знаний содержится информация о структуре и принципах работы системы. Данный репозиторий предоставляет инструменты для эффективного управления командной работой, включая отслеживание встреч и совместное редактирование документации. В документации проекта подробно описаны функции архивирования версий навыков и механизмы взаимодействия между участниками. Используемые технологии: Markdown, Clawhub, Git, Openclaw и AI. Для удобства пользователей доступна справочная система, содержащая примеры использования и ответы на часто задаваемые вопросы. Репозиторий позволяет организовать хранение информации о навыках, обеспечивая прозрачность и контроль версий для всей команды. Ключевые особенности включают архивирование версий навыков, инструменты для командной работы и отслеживание встреч.

Loci решает проблему фрагментированного знания для AI-агентов, предоставляя структурированную систему памяти для архивации и организации навыков и информации, получаемой из различных платформ, таких как ClawHub. Это обеспечивает эффективное управление знаниями и упрощает доступ к необходимой информации, что является ключевым элементом в создании надежной . В основе Loci лежит организация памяти по доменам – категориям, подобным комнатам, с ограничениями по вместимости. Каждая запись памяти (Memory) содержит уникальный идентификатор, текст, теги для категоризации, ссылки на связанные записи и вес, который со временем уменьшается. Такая структура позволяет создавать подробную и обеспечивает контекстуальное понимание. Loci использует JavaScript, Node.js, TypeScript и CLI для удобной работы. Встроенные механизмы "увядания" памяти и обрезки гарантируют актуальность данных, а возможность связывания записей памяти создает взаимосвязанную . Инициализация и использование осуществляются через командную строку, обеспечивая простоту интеграции.

tutor-ai решает проблему потери данных и версионирования навыков, разработанных с использованием искусственного интеллекта. Этот репозиторий автоматизирует архивирование и резервное копирование информации о навыках из платформы clawhub.com, обеспечивая сохранность и возможность восстановления предыдущих версий. В основе tutor-ai лежит большая языковая модель и использование AI-агента для автоматизации процессов. Реализация выполнена на Python с применением Clawhub API, Git и специализированных инструментов архивирования, что гарантирует надежность и эффективность работы. Ключевые особенности включают в себя архивирование версий навыков, автоматическое создание резервных копий и полное сохранение данных из clawhub.com. Это позволяет разработчикам и исследователям безопасно экспериментировать и отслеживать эволюцию своих AI решений.

Akashic Knowledge Base предоставляет централизованную базу знаний и инструменты для эффективного поиска и анализа данных, в первую очередь, информации о навыках, собранной с clawhub.com. Решение позволяет быстро находить ответы на вопросы, используя как внутреннюю документацию, так и актуальные данные из сети Интернет. В основе системы лежит гибридный поиск, сочетающий векторный поиск и алгоритм BM25, а также интеграция с SerpApi и Tavily для расширенного веб-поиска. Это обеспечивает высокую точность и релевантность результатов, а RAG Query позволяет синтезировать ответы на основе найденной информации. Документация проекта доступна для ознакомления и внесения улучшений. Система предоставляет полноценную справочную систему с поддержкой многоязычности и возможностью перевода запросов и ответов. Используемые технологии включают Python и платформу Akashic Platform, обеспечивая масштабируемость и гибкость решения.

Активируется, когда пользователь хочет создать плагин Claude, создать навык Claude, создать агента Claude, структурировать плагин Claude Code, произносит фразы "создать плагин", "создать навык", "новый навык Claude", "новый агент", "помогите мне создать плагин", "конструктор плагинов", "помощник по плагинам Claude", "как создать навык Claude", "я хочу создать плагин Claude", "создание плагинов" или спрашивает, как структурировать плагин Claude Code или как опубликовать его на маркетплейсе Claude. Работает как на claude.ai (генерирует файлы в виде блоков кода), так и на Claude Code (создает и отправляет файлы).

Руководство по созданию эффективных навыков, расширяющих возможности агента с помощью специализированных знаний, рабочих процессов или интеграций с инструментами. Используйте этот навык, когда пользователь запрашивает: (1) создание нового навыка, (2) создание навыка, (3) разработку навыка, (4) настройку навыка, (5) инициализацию навыка, (6) создание каркаса для навыка, (7) обновление или изменение существующего навыка, (8) проверку навыка, (9) изучение структуры навыка, (10) понимание принципов работы навыков или (11) получение рекомендаций по шаблонам проектирования навыков. Активируется фразами, такими как "создать навык", "новый навык", "разработать навык", "навык для X", "как мне создать навык" или "помогите мне разработать навык".