Langchain Ai Skills

skills-benchmarks/skills/api-docs

OpenAPI-Dokumentation und REST-API-Entwurfsmuster

deepagents/libs/code/examples/skills/arxiv-search

Durchsuche arXiv nach Preprints und wissenschaftlichen Artikeln zu einem Thema mit Abruf der Zusammenfassungen. Abfragebasierte Suche in den Bereichen Physik, Mathematik, Informatik, Biologie, Statistik und verwandten Feldern. Konfigurierbare Ergebnisanzahl (Standard 10 Artikel), sortiert nach Relevanz. Gibt Titel und Zusammenfassung jedes passenden Artikels zurück. Erfordert das arxiv-Python-Paket; Installation über pip, falls nicht bereits vorhanden.

deepagentsjs/examples/skills/arxiv-search

Durchsuche das arXiv-Preprint-Repository nach Papieren aus den Bereichen Physik, Mathematik, Informatik, quantitative Biologie und verwandten Feldern

deepagents/examples/content-builder-agent/skills/blog-post

We need to translate the given English text into German, preserving the name "blog-post" if it appears. The text describes a skill for writing long-form blog posts. It mentions research delegation, structured templates, AI-generated cover images, etc. The instruction says to preserve product names, protocol names, URLs, numbers, technical terms. "blog-post" is a name to preserve. The text does not contain "blog-post" explicitly, but the name is given as "blog-post" in the directory item type. However, the instruction says "Do not include the name unless it appears in the source text." So we should not add "blog-post" if it's not in the source. The source text starts with "Long-form blog post writing..." so "blog post" appears but not as a name to preserve? The instruction says "Name to preserve: blog-post" but then says "Do not include the name unless it appears in the source text." The source text has "blog post" (two words) not "blog-post" (hyphenated). But likely we should

deepagents/examples/deploy-coding-agent/skills/code-review

Führe eine strukturierte Code-Review der Änderungen durch und prüfe auf Korrektheit, Stil, Tests und potenzielle Probleme.

deepagents/examples/deploy-coding-agent/skills/coding-prefs

Lies die Codierungspräferenzen des Benutzers aus /memory/coding-prefs.md, bevor du nicht-triviale Stilentscheidungen triffst, und füge neue Präferenzen hinzu, wenn der Benutzer diese angibt…

deepagents/examples/deploy-gtm-agent/skills/competitor-analysis

Wenn Sie gebeten werden, Wettbewerber zu analysieren:

deepagents/examples/nvidia_deep_agent/skills/cudf-analytics

Verwendung für GPU-beschleunigte Datenanalyse auf Datensätzen, CSVs oder tabularen Daten mit NVIDIA cuDF. Wird ausgelöst, wenn Aufgaben Groupby-Aggregationen, statistische…

deepagents/examples/nvidia_deep_agent/skills/cuml-machine-learning

Verwendung für GPU-beschleunigtes maschinelles Lernen auf tabularen Daten mit NVIDIA cuML. Wird ausgelöst, wenn Aufgaben Klassifikation, Regression, Clustering, Dimensionsreduktion betreffen…

deepagents/examples/nvidia_deep_agent/skills/data-visualization

Verwendung zur Erstellung von publikationsreifen Diagrammen und mehrteiligen Analysezusammenfassungen. Wird ausgelöst, wenn Aufgaben die Visualisierung von Daten, das Plotten von Ergebnissen, das Erstellen von … umfassen.

skills-benchmarks/skills/database-migrations

Datenbank-Migrationsmuster und Schema-Versionierung

langchain-skills/skills/Deep Agents Memory & Filesystem

deep-agents-memory-&-filesystem — eine installierbare Fähigkeit für KI-Agenten, veröffentlicht von langchain-ai/langchain-skills.

docs/src/.mintlify/skills/deep-agents

Erstellen Sie voll ausgestattete Agenten mit Planung, Kontextverwaltung, Unteragenten-Delegation und sandboxed Ausführung. Verwenden Sie für komplexe, mehrstufige Aufgaben, die…

langchain-skills/config/skills/deep-agents-core

We need to translate the given English text into German. The text describes a foundation framework for building multi-step agents. It mentions six core middleware options, three built-in tools, etc. We must preserve the name "deep-agents-core" if it appears, but it does not appear in the source text. So we just translate the text. No extra commentary, no labels. Keep technical terms like "middleware", "tools", "subagents" as is or use common German equivalents? The instruction says "preserve product names, protocol names, URLs, numbers, and technical terms." So technical terms like "middleware" might be kept as is, but often in German technical texts they are used in English. However, "middleware" is a technical term, so we can keep it. Similarly "tools", "subagents", "filesystem", "context management", "task planning", "persistent memory", "human approval workflows", "on-demand skill loading". Also the built-in tools: write_todos, ls, read_file, etc. Those are names, so

skills-benchmarks/skills/main/deep-agents-core

Rufe diese Fähigkeit auf, wenn du EINE beliebige Deep Agents-Anwendung erstellst. Umfasst create_deep_agent(), Harness-Architektur, SKILL.md-Format und Konfigurationsoptionen.

langchain-skills/config/skills/deep-agents-memory

We need to translate the given English text into German. The text describes a pluggable memory and file backends system for Deep Agents. It mentions four backend types and a FilesystemMiddleware with six file operation tools. The name "deep-agents-memory" is not in the text, so we don't include it. We must preserve technical terms like "StateBackend", "StoreBackend", "FilesystemBackend", "CompositeBackend", "FilesystemMiddleware", and the tool names (ls, read_file, etc.). Also preserve "Deep Agents" as is? It's a product name, so keep it. Translate the rest naturally. Let's translate: "Pluggable memory and file backends for Deep Agents with ephemeral, persistent, and hybrid routing options." -> "Steckbare Speicher- und Datei-Backends für Deep Agents mit flüchtigen, persistenten und hybriden Routing-Optionen." "Four backend types: StateBackend (thread-scoped, ephemeral), StoreBackend (cross-session persistent), Filesystem

skills-benchmarks/skills/main/deep-agents-memory

RUFEN SIE DIESE FÄHIGKEIT auf, wenn Ihr Deep Agent Speicher, Persistenz oder Dateisystemzugriff benötigt. Umfasst StateBackend (flüchtig), StoreBackend (dauerhaft),…

langchain-skills/config/skills/deep-agents-orchestration

Orchestriere Unteragenten, plane mehrstufige Aufgaben und fordere menschliche Genehmigung für sensible Vorgänge an. Delegiere Arbeit an spezialisierte Unteragenten über das Aufgabenwerkzeug; benutzerdefinierte Unteragenten unterstützen isolierte Werkzeugsätze und Systemaufforderungen, während der standardmäßige "Allzweck"-Unteragent die Hauptagentenkonfiguration übernimmt. Plane und verfolge komplexe Arbeitsabläufe mit write_todos, organisiere Aufgaben in den Status "ausstehend", "in Bearbeitung" und "abgeschlossen"; erfordert eine thread_id für die Beständigkeit über Aufrufe hinweg. Implementiere...

skills-benchmarks/skills/main/deep-agents-orchestration

Rufe diese Fähigkeit auf, wenn Subagenten, Aufgabenplanung oder menschliche Genehmigung in Deep Agents verwendet werden. Deckt SubAgentMiddleware, TodoList für die Planung und HITL-Unterbrechungen ab.

langchain-skills/config/skills/deepagents-python-quickstart

Richte einen minimalen lokalen Deep Agent in Python ein, indem du dem offiziellen Quickstart folgst und die provider-native Websuche anstelle von Tavily verwendest. Verwende dies, wenn der Benutzer möchte…

deepagents/libs/code/deepagents_code/built_in_skills/deepagents-thread-inspector

Untersuchen und erklären Sie Konversationen im lokalen Deep Agents Code SQLite-Sitzungsspeicher. Verwenden Sie es als Fallback, wenn die LangSmith-Trace-Tooling nicht verfügbar ist, für…

langchain-skills/config/skills/deepagents-typescript-quickstart

Erstelle ein minimales lokales Deep Agent in TypeScript, indem du dem offiziellen Quickstart folgst, und verwende die anbieternative Websuche anstelle von Tavily. Verwende, wenn der Benutzer…

skills-benchmarks/skills/docker-patterns

Bewährte Verfahren für Docker-Containerisierung und Multi-Stage-Builds

docs/.agents/skills/docs-code-samples

Verwenden Sie diese Fähigkeit, wenn Sie Inline-Codebeispiele aus LangChain-Dokumenten (MDX-Dateien) in externe, testbare Codedateien migrieren, die durch das Snippet dieses Repositorys extrahiert werden…

langchain-skills/config/skills/ecosystem-primer

Zuerst AUFRUFEN für jedes LangChain / LangGraph / Deep Agents Agent-Bauprojekt, bevor andere Fähigkeiten konsultiert oder Agentencode geschrieben wird. Erforderlicher Start…

skills-benchmarks/skills/benchmarks/ecosystem-primer

Zuerst AUFRUFEN für jedes LangChain / LangGraph / Deep Agents Agent-Bauprojekt, bevor andere Fähigkeiten konsultiert oder Agentencode geschrieben wird. Erforderlicher Start…

langchain-skills/config/skills/eval-engineering

Ein Agent-Repository und optionale vom Benutzer bereitgestellte Traces iterativ inspizieren, den Benutzer interviewen und Harbor-Evals einzeln erstellen, ausführen und prüfen. Verwenden für…

deepagentsjs/skills/eval-writer

Erstelle neue Evaluierungs-Suiten für das deepagentsjs-Monorepo. Übernimmt Datensatzdesign, Testfall-Gerüstbau, Bewertungslogik, Vitest-Konfiguration und LangSmith…

deepagentsjs/examples/skills/file-organizer

Organisiert intelligent Ihre Dateien und Ordner auf Ihrem Computer, indem es Kontext versteht, Duplikate findet, bessere Strukturen vorschlägt und automatisiert…

langchain-skills/skills/framework-selection

Framework-Auswahlleitfaden für die geschichtete Architektur von LangChain, LangGraph und Deep Agents. Geschichtete Frameworks, bei denen LangChain grundlegende Primitive bereitstellt, LangGraph Orchestrierung und Kontrollfluss hinzufügt und Deep Agents Planung, Speicher, Dateiverwaltung und Aufgabenverteilung ergänzt. Eine Entscheidungstabelle leitet die Framework-Wahl basierend auf der Aufgabenkomplexität: LangChain für einzweckorientierte Agenten, LangGraph für benutzerdefinierten Kontrollfluss und Schleifen, Deep Agents für mehrstufige Planung und persistente Sitzungen. Deep...