Recently added

Офисные артефакты solution-архитектора: генерация архитектурных документов docx (аналитический отчёт для МД, solution design, концепция/vision, интеграционная спецификация, оценка текущего состояния, план миграции), презентаций pptx (для правления и архкомитета) и таблиц xlsx (каталог систем, матрица интеграций, матрица решений, реестр рисков) через python-docx / python-pptx / openpyxl с корпоративными стилями.

Управление библиотекой архитектурных правил Spine: каталог из 20 готовых fitness-функций для CONSTRAINTS.yaml, фильтр включения из пяти форм правила, три волны внедрения (механизируемое → обязательное извне → смысловое), шаблон карточки дистилляции источника в правило, 9 антипаттернов расширения библиотеки и карта 15 блоков источников (решения, риск, описание, NFR, устойчивость, интеграции, API, границы, данные, безопасность, поставка, наблюдаемость, стоимость, миграции, ИИ-системы).

Ядро методов solution-архитектора банка для харнесса arch-ml: ADR-дисциплина, spine-инварианты, маршрутизация значимости, C4/mermaid, NFR, гейты готовности и состязательное ревью, handoff-пакеты кодовым агентам, reverse discovery, дельта-спеки, fitness functions, рубрики и мета-скилл создания скиллов.

Доменный плагин AI/ML-исследователя: контракт selfplay-эпизода — как устроена генерация обучающих диалогов между агентом-средой (ENV-AGENT: генерирует задачи, ведёт состояние, даёт промежуточный отклик, грундует факты в базе концептов Ариадны) и обучаемой моделью (SOLVER). Ключевой инвариант: НИ ОДИН агент не назначает финальную награду — reward считает только внешний verifier-конвейер. Формат эпизода JSONL (episode_id/turn/actor/type/content/grounding), машина состояний INIT→TASK→SUBMIT→VERIFY→REWARD→LOG с ABORT, commit-reveal золотого эталона по sha256, режимы M1–M5, сэмплер по леджеру frontier и детекторы вырождения (коллапс, дрейф сложности, сговор env↔solver, length-bias, шаблонный коллапс, нарушение персоны). Связь с fitness/rubric-дисциплиной харнесса: reward = внешний verifier (rubric.rs weighted_total + изоляция судьи + k-сэмплов медиана), веса judge_weight/verifiable_weight = аналог весов критериев. Триггеры: «selfplay-эпизод», «ENV-AGENT», «SOLVER», «контракт эпизода», «JSONL эпизода», «внешний verifier», «reward назначает агент», «commit-reveal», «генерация selfplay-данных», «анти-дегенерация selfplay», «сговор env и solver».

Доменный плагин AI/ML-исследователя: RL-среды оценки знания концептов (реестр Ариадны E1_define…E8_plan_experiment). Одна среда = задача-формат (определение, формула, классификация, извлечение карточки, связь, контраст, починка карточки, план эксперимента) + verifier-паттерн (детерминированный код) + опциональный LLM-судья по рубрике и веса judge_weight/verifiable_weight, плюс k_samples — число сэмплов на задачу для RL-дисперсии. Разбирает контракт verifier'а (float 0..1 либо dict {gate, components, evidence}), шкалу судьи 0–4 и её перевод в task_score, калибровку судьи (Spearman ρ ≥ 0.75), известные дефекты verifier'ов (E4 константный 0.5, E8 заглушка 0.0, E5-адаптер from/to→source/target) и как собрать из сред честный сигнал для оценки знания концептов, arena-лигу и reward для RL. Триггеры: «RL-среда», «RL-окружение», «E1_define», «E4_extract», «verifier», «верификатор ответа», «judge_weight», «verifiable_weight», «k_samples», «оценка знания концептов», «рубрика судьи», «LLM-судья», «arena лига», «task_score», «калибровка судьи», «reward-сигнал для RL».

Доменный плагин AI/ML-исследователя: LLM-графтинг (трансплантация компонентов между моделями) — прививка/замена слоёв (full attention → GQA/MLA/linear), перенос голов и эмбеддингов, сшивание чекпоинтов разных вендоров, learning-free трансплантация токенизаторов (OMP / token-surgeon), merge/TIES/task arithmetic, LoRA на чужой базе, cross-lingual и domain grafting. Триггеры: «графтинг», «трансплантация», «model surgery», «замени слой», «пришей энкодер», «merge моделей», «TIES», «franken-модель». Содержит разбор рисков: расхождение активаций, ABI/раскладка тензоров, RoPE, деградация базы.

Доменный плагин AI/ML-исследователя: континуальное обучение и пост-тренинг LLM как единый конвейер стадий — CPT (домен-дообучение) → SFT → RLHF (предпочтения) → RL на рубриках → RLVR (верифицируемые награды) → дистилляция (офлайн и онлайн/on-policy). Для каждой стадии: цель, данные, лосс, верификатор/reward, предпосылки и типовые отказы; плюс порядок стадий (DAG), диагностика «на какой стадии проблема» и антипаттерны конвейера. Триггеры: «пайплайн обучения», «что после SFT», «CPT/continued pretraining», «домен-дообучение», «выбор RLHF vs RLVR vs рубрики», «дистилляция учителя», «on-policy дистилляция», «reward hacking», «mode collapse», «катастрофическое забывание».

Доменный плагин AI/ML-исследователя: проектирование нейросетей с нуля — выбор семейства архитектуры (MLP/CNN/RNN/Transformer/MoE/SSM/hybrid) под задачу и индуктивный сдвиг, парам-бюджет и скейлинг-законы (total vs active params, tokens-per-param, пять рычагов пост-тренинга), оценка VRAM/pамяти до аренды GPU (веса+KV-кэш+оверхед, 2 байта × 2 копии + overhead) и типовые ловушки (mode collapse, ABI-несовместимость, OOM). Триггеры: «спроектировать сеть», «выбрать архитектуру», «MLP vs Transformer vs MoE», «сколько параметров», «скейлинг-законы», «влезет ли в GPU», «оценка VRAM», «KV-кэш», «mode collapse», «ABI», «OOM».

Операционный плагин AI/ML-харнесса: маршрутизация знания (md vs playbook vs skill vs hook), гигиена библиотеки скиллов и дистилляция. Отвечает на вопрос «надо ли вообще писать скилл», а не «как его написать». Триггеры: «куда это положить», «нужен ли скилл», «оформить как скилл или заметку», «дистиллировать материал», ретро-ревью библиотеки скиллов.

Two-agent editorial system: an editor agent applies five named schemata, an evaluator agent independently scores the output against measurable features before seeing the editor's trace, and they loop until a reader without the author's domain expertise can follow the reasoning. Built from cross-domain translation of forensic linguistics, species counterpoint, oral-formulaic composition, and collaborative voice reconstruction.

Featherlog — Team rules + my work, from git history. Featherlog MCP, 8 tools (log_decision · log_blocker · log_next · log_correction · get_handoff · get_rules · get_rule_history · get_my_work): log_* writes a one-line note, get_* reads. Plus a SessionStart hook that injects the handoff note and a SessionEnd hook that records one session line. Never sends transcript bodies, code or diffs.

BACKS Claude Code provider control for switching the full model lineup between native Claude OAuth and Ollama.

Portable GameLearningRuntime skills for building and operating truthful, learner-neutral game adapters.

Drive paid AI subscriptions as external agents: Codex/Grok/Antigravity/Claude Code CLIs as bounded consultants, and ChatGPT/Grok deep research through a logged-in browser. No API keys. Plus arrow-diagram: aligned ASCII flow diagrams from JSON.

Enterprise observability frameworks (multi-window burn-rate alerting, CMDB tagging governance, migration blueprint with verification contract) as Claude Code skills, so the expertise is applied the same way on every engagement and its usage is measured.

Local recovery anchors for Claude Code and Codex sessions, plus evidence-gated evaluation prompts

Local recovery anchors for Claude Code and Codex sessions, plus evidence-gated evaluation prompts

Semantic code search for coding agents: describe the behavior, get back the relevant code and its call sites.

Asynchronous discussion between each team member's coding agent over a shared folder (Google Drive, OneDrive, file server). Immutable append-only threads make write conflicts structurally impossible; research is shared as attachments instead of hand-delivered documents; notifications are opt-in per working directory, so a session that is not discussing anything stays silent.

Serena MCP server: semantic, symbol-aware code retrieval and editing.

context7 MCP server: up-to-date library and framework documentation lookup.

Your hilos rooms from Claude Code: post as you, see who is at the table, hand work to teammates and agents.

Productivity toolkit for library maintainers - adaptive iterative development cycles, session handoff/resume and continuity-doc upkeep, conversational issue/PR triage, telemetry-driven issue discovery, and owner-manager backlog discovery that inspects what already exists (dependency currency, project configuration, docs and repo hygiene) while diagnosing, ranking, and staging new candidates with project philosophy alignment

Identify the local PDF selected in PDF Expert on macOS and give its path to your AI assistant.

Automatic long-term memory for Claude Code, backed by a self-hosted EverOS server (recall on prompt submit, deferred capture on turn stop, batched extraction on flush).

Build, validate, and query Sidemantic semantic models, answer business questions with trusted metrics, and generate analytics webapps.

Animation Mode for napkin-sketch, as a plugin: the /vectors:animation-mode command that draws one frame from the form the app writes, an animation-frame subagent that runs the same job in its own context, and the two skills behind them - vector-animations (assemblies, joint pivots, cycle tables, transform recipe, frame-spacing physics) and vector-graphics (Bezier formulas, degree choice, SVG layer structure, and a dependency-free script that derives path data from control points).

Graphic design for napkin-sketch, as a plugin: the /graphic-designer:design-language command that reads one media file into a written DESIGN_LANGUAGE.md and generates a per-asset skill that can draw more work in the same language, and the two skills behind it - design-language (what to measure in an asset, how to write it down, and how to generate the skill and its scripts) and graphic-design-api (composing rectangles, circles, ellipses, triangles, polygons, clipping masks, styled text and placed media into an SVG or a PNG through the napkin-sketch graphic-design API).

SPipe guarded release planning, process guidance, and MCP tools.

Ends a work session so the next one can continue without today's conversation. Ships the handoff skill and the zero-context auditor agent that tests the handoff instead of trusting it.

Matt Pocock's agent skills, materialized from the mattpocock marketplace clone with handoff excluded — /handoff belongs to the local MEMORY.md skill.

Give Claude Code a private memory that lives on your own machine — it remembers across sessions, works fully offline, and never touches the cloud. 100+ MCP tools: fast hybrid search, automatic chat capture, contradiction tracking, and one-command GDPR export/delete.

UNIX-style team communication for Claude Code: /who, /finger, /plan, /write, /read, /mesg, /tty, /last, /wall, /talk

Delivery-discipline behavior overlay for AI agents: a pre-implementation gate, resource survey, evidence discipline, and hands-on acceptance. Model-agnostic; it disciplines process, it does not raise the reasoning ceiling.

Standalone Claude Code workflow + skills library (TDD, debugging, planning, brainstorming, collaboration), forked from superpowers and extended with a persona×surface×affordance completeness pass, browser-walk-only tagging, and a review-lens. Score != ship.

Foundation: earth science data formats, statistics, uncertainty quantification, cartography, quality control, reproducibility, analysis review.

Describe what you want to build. Kitbash tells you which parts already exist, which to adapt, and which to just write — and deletes the repos that don't exist.

Per-symbol maintenance optimizer for an agent's skill layer — learns skills from real runs and keeps them by adherence in use, not by an offline eval score.

Ready-to-use scientific and research Agent Skills for biology, chemistry, medicine, and related workflows.

Preview and privately save recipes and meal plans in RecipeBee, with explicit image actions and user confirmation.

Engineering prose standard for everything an agent writes: user replies, prose, code comments, review comments, commit messages, change descriptions, error messages and agent instructions. Five layers — sentence structure, plain vocabulary, comment hygiene, artifact formats, slop pruning — each stated as a rule a reader can check rather than a preference. The core rules are one file, rules/prose-discipline.md, injected at session start by the hook in hooks/ on hosts that run plugin hooks, and loaded as an always-apply rule by hosts that read plugin rule files; the skill carries the protocol and the depth behind every rule, including the substitution table, the Conventional Comments labels and a calibration corpus. Code blocks, identifiers, commands, URLs and quoted text are never flagged, and established domain terms are kept. No credentials, no MCP servers, no settings files, and no checker script: enforcement is model judgement over rule texts a person can read and argue with.

通过 DSH MCP 使用本机 DSH，附带跨项目任务操作 skill。. Includes 1 skill and 1 MCP server.

Mission-oriented ReAct loop orchestrator for Codex. Plans, executes, reviews, scores, and iterates until the configured quality gate passes.

Mission-oriented ReAct loop orchestrator for Codex. Plans, executes, reviews, scores, and iterates until the configured quality gate passes.

Turn a collection of documents into a cited, Git-versioned wiki maintained by Codex and ChatGPT Work.

Axiom orchestration with visible Codex workers and reviewers in herdr panes.

Use Temote MCP local sessions, files, commands, Git, and host integrations from Codex.

Physical oceanography: ECCO state estimate, SWOT SSH, meridional transport, budget closure, water masses.

Hydrology: SWOT river and lake products, GRACE-FO groundwater, USGS streamflow and basin delineation, SMAP soil moisture, GPM IMERG and NLDAS-2 basin precipitation, MOD16 and OpenET evapotranspiration.

Claude Code skills for branchdiff: /branchdiff-review and /branchdiff-resolve.