Skills Langchain Ai

skills-benchmarks/skills/api-docs

Документация OpenAPI и шаблоны проектирования REST API

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

Поиск препринтов и научных статей на arXiv по теме с извлечением аннотаций. Поиск на основе запросов по физике, математике, информатике, биологии, статистике и смежным областям. Настраиваемый лимит результатов (по умолчанию 10 статей) с сортировкой по релевантности. Возвращает заголовок и аннотацию для каждой подходящей статьи. Требуется пакет arxiv для Python; установите через pip, если он ещё не установлен.

deepagentsjs/examples/skills/arxiv-search

Поиск в репозитории препринтов arXiv по физике, математике, информатике, количественной биологии и смежным областям

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

Написание длинных блогов с делегированием исследований, структурированными шаблонами контента и изображениями, созданными ИИ. Делегирует исследование сабагентам перед написанием, сохраняя результаты в Markdown для справки и контекста. Придерживается пятичастной структуры поста: зацепка, контекст, основной контент (3–5 разделов), практическое применение и заключение с призывом к действию. Генерирует SEO-оптимизированные изображения с помощью подробных промптов, охватывающих тему, стиль, композицию, цвет и освещение. Выводит посты в...

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

Выполнить структурированное ревью кода изменений, проверяя корректность, стиль, тесты и потенциальные проблемы.

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

Читать предпочтения пользователя по кодированию из /memory/coding-prefs.md перед принятием нетривиальных стилевых решений и добавлять новые предпочтения, когда пользователь предоставляет…

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

Когда просят проанализировать конкурентов:

deepagents/examples/nvidia_deep_agent/skills/cudf-analytics

Используется для ускоренного на GPU анализа данных, CSV-файлов или табличных данных с помощью NVIDIA cuDF. Срабатывает, когда задачи включают группировку с агрегацией, статистические...

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

Используется для ускоренного на GPU машинного обучения на табличных данных с помощью NVIDIA cuML. Запускается, когда задачи включают классификацию, регрессию, кластеризацию, снижение размерности…

deepagents/examples/nvidia_deep_agent/skills/data-visualization

Используется для создания диаграмм публикационного качества и многопанельных сводок анализа. Срабатывает, когда задачи включают визуализацию данных, построение графиков результатов, создание…

skills-benchmarks/skills/database-migrations

Шаблоны миграции базы данных и версионирование схемы

langchain-skills/skills/Deep Agents Memory & Filesystem

deep-agents-memory-&-filesystem — устанавливаемый навык для ИИ-агентов, опубликованный langchain-ai/langchain-skills.

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

Создавайте полнофункциональных агентов с планированием, управлением контекстом, делегированием подчинённых агентов и выполнением в изолированной среде. Используйте для сложных многошаговых задач, требующих…

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

We need to translate the given text from English to Russian, preserving the name "deep-agents-core" if it appears. The text is a description of a foundation framework. The instruction says to preserve product names, protocol names, URLs, numbers, and technical terms. Also, do not include the name unless it appears in the source text. The name "deep-agents-core" does not appear in the provided text, so we should not add it. The text includes terms like "middleware", "subagent", "todos", "filesystem operations", etc. We need to translate naturally while keeping technical terms in English or transliterated? The instruction says "preserve technical terms" - likely keep them as is or transliterate? Usually for technical terms like "middleware", "subagent", "filesystem", it's common to keep them in English or use Russian equivalents. But the instruction says "preserve" - I think it means keep the original English terms. However, for readability, some terms might be translated. Let's see: "middleware" is

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

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании ЛЮБОГО приложения Deep Agents. Охватывает create_deep_agent(), архитектуру harness, формат SKILL.md и параметры конфигурации.

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

Подключаемые модули памяти и файловые бэкенды для Deep Agents с эфемерными, постоянными и гибридными вариантами маршрутизации. Четыре типа бэкендов: StateBackend (в рамках потока, эфемерный), StoreBackend (постоянный между сессиями), FilesystemBackend (реальный доступ к диску для локальной разработки) и CompositeBackend (маршрутизация разных путей к разным бэкендам). FilesystemMiddleware предоставляет шесть инструментов для работы с файлами: ls, read_file, write_file, edit_file, glob, grep. CompositeBackend использует сопоставление по самому длинному префиксу для маршрутизации...

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

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК, когда вашему Deep Agent требуется память, сохранение состояния или доступ к файловой системе. Охватывает StateBackend (временное хранилище), StoreBackend (постоянное хранилище),…

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

Оркестрируйте субагентов, планируйте многошаговые задачи и требуйте одобрения человека для чувствительных операций. Делегируйте работу специализированным субагентам через инструмент задач; пользовательские субагенты поддерживают изолированные наборы инструментов и системные подсказки, в то время как стандартный «универсальный» субагент наследует основную конфигурацию агента. Планируйте и отслеживайте сложные рабочие процессы с помощью write_todos, организуя задачи по статусам: ожидающие, в процессе и завершённые; требуется thread_id для сохранения состояния между вызовами. Реализуйте...

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

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при использовании сабагентов, планирования задач или утверждения человеком в Deep Agents. Охватывает SubAgentMiddleware, TodoList для планирования и прерывания HITL.

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

Создайте минимального локального Deep Agent на Python, следуя официальному краткому руководству, используя встроенный веб-поиск провайдера вместо Tavily. Используйте, когда пользователь хочет…

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

Проверяйте и поясняйте беседы в локальном хранилище сессий SQLite Deep Agents Code. Используйте как запасной вариант, когда инструменты трассировки LangSmith недоступны, для…

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

Создайте минимального локального Deep Agent на TypeScript, следуя официальному краткому руководству, используя встроенный веб-поиск провайдера вместо Tavily. Используйте, когда пользователь…

skills-benchmarks/skills/docker-patterns

Лучшие практики для контейнеризации Docker и многоэтапной сборки

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

Используйте этот навык при переносе встроенных примеров кода из документации LangChain (MDX-файлов) во внешние, тестируемые файлы кода, которые извлекаются сниппетами этого репозитория…

langchain-skills/config/skills/ecosystem-primer

ВЫЗЫВАЙТЕ ПЕРВЫМ для любого проекта по созданию агентов LangChain / LangGraph / Deep Agents перед обращением к другим навыкам или написанием любого кода агента. Обязательно начинать…

skills-benchmarks/skills/benchmarks/ecosystem-primer

ВЫЗЫВАЙТЕ ПЕРВЫМ для любого проекта по созданию агентов LangChain / LangGraph / Deep Agents перед обращением к другим навыкам или написанием любого кода агента. Обязательно начинать…

langchain-skills/config/skills/eval-engineering

Итеративно изучайте репозиторий агента и предоставленные пользователем трассировки, опрашивайте пользователя и создавайте, запускайте и проверяйте eval'ы Harbor по одному. Используйте для...

deepagentsjs/skills/eval-writer

Создаёт новые наборы eval для монорепозитория deepagentsjs. Обрабатывает проектирование наборов данных, создание каркасов тестовых сценариев, логику оценки, конфигурацию vitest и LangSmith…

deepagentsjs/examples/skills/file-organizer

Интеллектуально организует ваши файлы и папки на компьютере, понимая контекст, находя дубликаты, предлагая лучшие структуры и автоматизируя…

langchain-skills/skills/framework-selection

Руководство по выбору фреймворка для многоуровневой архитектуры LangChain, LangGraph и Deep Agents. Многоуровневые фреймворки, где LangChain предоставляет базовые примитивы, LangGraph добавляет оркестрацию и управление потоком, а Deep Agents — планирование, память, управление файлами и делегирование навыков. Таблица решений направляет выбор фреймворка в зависимости от сложности задачи: LangChain для одноцелевых агентов, LangGraph для пользовательского управления потоком и циклами, Deep Agents для многошагового планирования и постоянных сессий. Deep...