Skills Langchain Ai

skills-benchmarks/skills/api-docs

Dokumentasi OpenAPI dan pola desain REST API

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

Cari pracetak dan makalah akademis di arXiv berdasarkan topik dengan pengambilan abstrak. Pencarian berbasis kueri di bidang fisika, matematika, ilmu komputer, biologi, statistik, dan bidang terkait. Batas hasil yang dapat dikonfigurasi (default 10 makalah) dengan hasil diurutkan berdasarkan relevansi. Mengembalikan judul dan abstrak untuk setiap makalah yang cocok. Memerlukan paket Python arxiv; instal melalui pip jika belum tersedia.

deepagentsjs/examples/skills/arxiv-search

Cari repositori pracetak arXiv untuk makalah di bidang fisika, matematika, ilmu komputer, biologi kuantitatif, dan bidang terkait

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

Penulisan blog post bentuk panjang dengan delegasi riset, template konten terstruktur, dan gambar sampul buatan AI. Mendelegasikan riset ke subagen sebelum menulis, menyimpan temuan dalam markdown untuk referensi dan konteks. Menerapkan struktur post lima bagian: hook, konteks, konten utama (3–5 bagian), aplikasi praktis, dan kesimpulan dengan ajakan bertindak. Menghasilkan gambar sampul yang dioptimalkan SEO menggunakan prompt detail yang mencakup subjek, gaya, komposisi, warna, dan pencahayaan. Mengeluarkan post ke...

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

Lakukan tinjauan kode terstruktur terhadap perubahan, memeriksa kebenaran, gaya, pengujian, dan potensi masalah.

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

Baca preferensi pengkodean pengguna dari /memory/coding-prefs.md sebelum membuat keputusan gaya yang tidak sepele, dan tambahkan preferensi baru saat pengguna memberikan…

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

Ketika diminta untuk menganalisis pesaing:

deepagents/examples/nvidia_deep_agent/skills/cudf-analytics

Gunakan untuk analisis data yang dipercepat GPU pada kumpulan data, CSV, atau data tabular menggunakan NVIDIA cuDF. Dipicu ketika tugas melibatkan agregasi groupby, statistik…

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

Gunakan untuk pembelajaran mesin yang dipercepat GPU pada data tabular menggunakan NVIDIA cuML. Dipicu ketika tugas melibatkan klasifikasi, regresi, pengelompokan, reduksi dimensi…

deepagents/examples/nvidia_deep_agent/skills/data-visualization

Gunakan untuk membuat grafik berkualitas publikasi dan ringkasan analisis multi-panel. Dipicu ketika tugas melibatkan visualisasi data, memplot hasil, membuat…

skills-benchmarks/skills/database-migrations

Pola migrasi basis data dan versioning skema

langchain-skills/skills/Deep Agents Memory & Filesystem

deep-agents-memory-&-filesystem — keterampilan yang dapat diinstal untuk agen AI, diterbitkan oleh langchain-ai/langchain-skills.

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

Bangun agen lengkap dengan perencanaan, manajemen konteks, delegasi subagen, dan eksekusi dalam sandbox. Gunakan untuk tugas kompleks multi-langkah yang membutuhkan…

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

Kerangka kerja dasar untuk membangun agen multi-langkah dengan perencanaan bawaan, memori, dan delegasi keterampilan. Menyediakan enam opsi middleware inti: perencanaan tugas, manajemen konteks sistem file, delegasi subagen, memori persisten, alur kerja persetujuan manusia, dan pemuatan keterampilan sesuai permintaan. Menyertakan tiga alat bawaan yang selalu ada: write_todos untuk pelacakan tugas, operasi sistem file (ls, read_file, write_file, edit_file, glob, grep), dan task untuk memunculkan subagen khusus. Mendukung...

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

PANGGIL KETERAMPILAN INI saat membangun aplikasi Deep Agents APAPUN. Mencakup create_deep_agent(), arsitektur harness, format SKILL.md, dan opsi konfigurasi.

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

Backend memori dan file yang dapat dipasang untuk Deep Agents dengan opsi perutean sementara, persisten, dan hibrida. Empat jenis backend: StateBackend (berlaku dalam thread, sementara), StoreBackend (persisten lintas sesi), FilesystemBackend (akses disk nyata untuk pengembangan lokal), dan CompositeBackend (merutekan jalur berbeda ke backend berbeda). FilesystemMiddleware menyediakan enam alat operasi file: ls, read_file, write_file, edit_file, glob, grep. CompositeBackend menggunakan pencocokan prefiks terpanjang untuk merutekan...

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

PANGGIL KETERAMPILAN INI ketika Deep Agent Anda membutuhkan memori, persistensi, atau akses sistem berkas. Mencakup StateBackend (sementara), StoreBackend (persisten),…

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

We need to translate the given English text into Indonesian. The text describes an agent skill for orchestrating subagents, planning tasks, requiring human approval, delegating work, etc. We must preserve product names, protocol names, URLs, numbers, technical terms. The name "deep-agents-orchestration" is not in the text, so we don't include it. We translate only the text inside <text>. No extra commentary, labels, etc. Let's translate step by step: "Orchestrate subagents, plan multi-step tasks, and require human approval for sensitive operations." -> "Orkestrasi subagen, rencanakan tugas multi-langkah, dan minta persetujuan manusia untuk operasi sensitif." "Delegate work to specialized subagents via the task tool; custom subagents support isolated tool sets and system prompts, while the default "general-purpose" subagent inherits main agent configuration" -> "Delegasikan pekerjaan ke subagen khusus melalui alat tugas; subagen kustom mendukung set alat dan prompt sistem yang terisolasi, s

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

PANGGIL KETERAMPILAN INI saat menggunakan subagen, perencanaan tugas, atau persetujuan manusia di Deep Agents. Mencakup SubAgentMiddleware, TodoList untuk perencanaan, dan interupsi HITL.

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

Buat kerangka minimal Deep Agent lokal dalam Python dengan mengikuti panduan memulai resmi, menggunakan pencarian web bawaan penyedia alih-alih Tavily. Gunakan saat pengguna ingin…

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

Periksa dan jelaskan percakapan di penyimpanan sesi SQLite Deep Agents Code lokal. Gunakan sebagai cadangan saat alat pelacakan LangSmith tidak tersedia, untuk…

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

Buat kerangka Deep Agent lokal minimal dalam TypeScript dengan mengikuti quickstart resmi, menggunakan pencarian web native penyedia alih-alih Tavily. Gunakan saat pengguna…

skills-benchmarks/skills/docker-patterns

Praktik terbaik untuk kontainerisasi Docker dan pembangunan multi-tahap

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

Gunakan keterampilan ini saat memigrasikan contoh kode inline dari dokumentasi LangChain (file MDX) ke dalam file kode eksternal yang dapat diuji dan diekstrak oleh cuplikan repositori ini…

langchain-skills/config/skills/ecosystem-primer

PANGGIL PERTAMA untuk proyek pembuatan agen LangChain / LangGraph / Deep Agents sebelum menggunakan keterampilan lain atau menulis kode agen apa pun. Wajib dimulai…

skills-benchmarks/skills/benchmarks/ecosystem-primer

PANGGIL PERTAMA untuk proyek pembuatan agen LangChain / LangGraph / Deep Agents sebelum berkonsultasi dengan keterampilan lain atau menulis kode agen apa pun. Wajib dimulai…

langchain-skills/config/skills/eval-engineering

Periksa repositori agen dan trace opsional dari pengguna secara iteratif, wawancarai pengguna, lalu buat, jalankan, dan audit eval Harbor satu per satu. Gunakan untuk…

deepagentsjs/skills/eval-writer

Buat rangkaian eval baru untuk monorepo deepagentsjs. Menangani desain dataset, penyusunan kasus uji, logika penilaian, konfigurasi vitest, dan LangSmith…

deepagentsjs/examples/skills/file-organizer

Secara cerdas mengatur file dan folder di seluruh komputer Anda dengan memahami konteks, menemukan duplikat, menyarankan struktur yang lebih baik, dan mengotomatiskan…

langchain-skills/skills/framework-selection

Panduan pemilihan framework untuk arsitektur berlapis LangChain, LangGraph, dan Deep Agents. Framework berlapis di mana LangChain menyediakan primitif dasar, LangGraph menambahkan orkestrasi dan alur kontrol, serta Deep Agents menambahkan perencanaan, memori, manajemen file, dan delegasi keterampilan. Tabel keputusan memandu pemilihan framework berdasarkan kompleksitas tugas: LangChain untuk agen tujuan tunggal, LangGraph untuk alur kontrol dan perulangan kustom, Deep Agents untuk perencanaan multi-langkah dan sesi persisten. Deep...