Skills Langchain Ai

Документация OpenAPI и шаблоны проектирования REST API

Searches arXiv for preprints and academic papers, retrieves abstracts, and filters by topic. Use when the user asks to find research papers, search arXiv, look…

Search arXiv preprint repository for papers in physics, mathematics, computer science, quantitative biology, and related fields

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.

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

Writes and structures long-form blog posts, creates tutorial outlines, and optimizes content for SEO with cover image generation. Use when the user asks to…

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...

Perform a structured code review of changes, checking for correctness, style, tests, and potential issues.

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

Read the user's coding preferences from /memory/coding-prefs.md before making non-trivial style decisions, and append new preferences when the user gives…

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

Analyze competitors in a given market segment. Trigger on: competitive landscape, competitor analysis, market comparison, competitive positioning.

Когда просят проанализировать конкурентов:

Use for GPU-accelerated data analysis on datasets, CSVs, or tabular data using NVIDIA cuDF. Triggers when tasks involve groupby aggregations, statistical…

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

Use for GPU-accelerated machine learning on tabular data using NVIDIA cuML. Triggers when tasks involve classification, regression, clustering, dimensionality…

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

Use for creating publication-quality charts and multi-panel analysis summaries. Triggers when tasks involve visualizing data, plotting results, creating…

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

Шаблоны миграции базы данных и версионирование схемы

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

Build batteries-included agents with planning, context management, subagent delegation, and sandboxed execution. Use for complex, multi-step tasks that need…

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

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

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

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

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...

Pluggable memory and file backends for Deep Agents with ephemeral, persistent, and hybrid routing options. Four backend types: StateBackend (thread-scoped, ephemeral), StoreBackend (cross-session persistent), FilesystemBackend (real disk access for local dev), and CompositeBackend (route different paths to different backends) FilesystemMiddleware provides six file operation tools: ls , read_file , write_file , edit_file , glob , grep CompositeBackend uses longest-prefix matching to route...

INVOKE THIS SKILL when your Deep Agent needs memory, persistence, or filesystem access. Covers StateBackend (ephemeral), StoreBackend (persistent),…

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

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...

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

INVOKE THIS SKILL when using subagents, task planning, or human approval in Deep Agents. Covers SubAgentMiddleware, TodoList for planning, and HITL interrupts.

INVOKE THIS SKILL when using subagents, task planning, or human approval in Deep Agents. Covers SubAgentMiddleware, TodoList for planning, and HITL interrupts.

Scaffold a minimal local Deep Agent in Python by following the official quickstart, using provider-native web search instead of Tavily. Use when the user wants…

Inspect and explain conversations in the local Deep Agents Code SQLite session store. Use as a fallback when LangSmith trace tooling is unavailable, for…

Scaffold a minimal local Deep Agent in TypeScript by following the official quickstart, using provider-native web search instead of Tavily. Use when the user…

Лучшие практики для контейнеризации Docker и многоэтапной сборки

Use this skill when migrating inline code samples from LangChain docs (MDX files) into external, testable code files that are extracted by this repo’s snippet…

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

INVOKE FIRST for any LangChain / LangGraph / Deep Agents agent building project before consulting other skills or writing any agent code. Required starting…

INVOKE FIRST for any LangChain / LangGraph / Deep Agents agent building project before consulting other skills or writing any agent code. Required starting…

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

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

Iteratively inspect an agent repository and optional user-provided traces, interview the user, and create, run, and audit Harbor evals one at a time. Use for…

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

Intelligently organizes your files and folders across your computer by understanding context, finding duplicates, suggesting better structures, and automating…

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

INVOKE THIS SKILL at the START of any LangChain/LangGraph/Deep Agents project, before writing any agent code. Determines which framework layer is right for the…

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...

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК В НАЧАЛЕ любого проекта LangChain/LangGraph/Deep Agents, до написания любого кода агента. Определяет, какой уровень фреймворка подходит для…

Use when processing large PDFs, document collections, or bulk text extraction tasks that benefit from GPU-accelerated processing. Triggers when the user…

Используйте при обработке больших PDF-файлов, коллекций документов или задач массового извлечения текста, которые выигрывают от ускорения с помощью GPU. Срабатывает, когда пользователь…

Создавайте агентов с готовой архитектурой и интеграциями для любой модели или инструмента. Используйте при создании агентов, вызывающих инструменты, смене поставщиков моделей или добавлении…

Build agents with a prebuilt architecture and integrations for any model or tool. Use when creating tool-calling agents, switching model providers, or adding…

ВСЕГДА НАЧИНАЙТЕ ЗДЕСЬ для любого проекта с открытым исходным кодом на LangChain, Deep Agents или LangGraph. Это обязательная отправная точка для любого агента с открытым исходным кодом на LangChain…

lang

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании ЛЮБОЙ системы генерации с дополненной выборкой (RAG). Охватывает загрузчики документов, RecursiveCharacterTextSplitter, эмбеддинги (OpenAI),…

langchain-structured-output-&-hitl — устанавливаемый навык для

Build LangChain agents with modern patterns. Covers create_agent, LangGraph, and context management.

Используйте этот навык для ЛЮБЫХ вопросов по кодированию, связанных с продуктами LangChain (LangChain, LangGraph, LangSmith SDK). Охватывает шаблоны разработки агентов, примитивы,…

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph,…

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph,…

Версии пакетов экосистемы LangChain, зависимости и рекомендации по установке для Python и TypeScript. Все новые проекты начинайте на LangChain 1.0 LTS; версия 0.3 поддерживается только в режиме наследия. Всегда явно устанавливайте langchain-core вместе с другими пакетами. Выберите один уровень оркестрации: LangGraph для детального графового управления или Deep Agents для планирования и памяти «из коробки». Фиксируйте langchain-community консервативно до точных минорных версий (например, >=0.4.0,<0.5.0), так как он не...

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при настройке нового проекта или при вопросах о версиях пакетов, установке или управлении зависимостями для LangChain, LangGraph,…

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

Создавайте production-агентов LangChain с помощью create_agent(), инструментов и паттернов middleware. Используйте create_agent() с моделью, списком инструментов и системным промптом; настройте сохранение состояния с помощью checkpointer и thread_id для сохранения контекста диалога между вызовами. Определяйте инструменты через декоратор @tool (Python) или функцию tool() (TypeScript) с четкими описаниями, чтобы агенты знали, когда их вызывать. Добавляйте middleware, например HumanInTheLoopMiddleware, для рабочих процессов с утверждением, пользовательской обработки ошибок и взаимодействия с человеком...

Создавайте агентов LangChain с помощью create_agent, определяйте инструменты и используйте промежуточное ПО для контроля со стороны человека и обработки ошибок.

INVOKE THIS SKILL when you need human-in-the-loop approval, custom middleware, or structured output. Covers HumanInTheLoopMiddleware for human approval of…

INVOKE THIS SKILL when you need human-in-the-loop approval, custom middleware, or structured output. Covers HumanInTheLoopMiddleware for human approval of…

Механизм утверждения с участием человека, пользовательское промежуточное ПО и шаблоны структурированного вывода для агентов LangChain. HumanInTheLoopMiddleware приостанавливает выполнение перед опасными вызовами инструментов, позволяя человеку утвердить, изменить аргументы или отклонить с обратной связью. Политики прерывания для каждого инструмента позволяют настроить разные правила утверждения в зависимости от уровня риска; требуется контрольная точка и thread_id для сохранения состояния. Шаблон команды resume продолжает выполнение после решений человека с поддержкой редактирования аргументов инструментов...

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК, когда требуется одобрение с участием человека (human-in-the-loop), пользовательское промежуточное ПО или структурированный вывод. Охватывает HumanInTheLoopMiddleware для одобрения человеком…

ВСЕГДА НАЧИНАЙТЕ ЗДЕСЬ для любого проекта по созданию агентов LangChain, Deep Agents или LangGraph. Обязательная отправная точка перед выбором других навыков или написанием любого…

ALWAYS START HERE for any LangChain, Deep Agents, or LangGraph agent building project. Required starting point before choosing other skills or writing any…

Scaffold a minimal local LangChain agent in Python by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent…

INVOKE THIS SKILL when building ANY retrieval-augmented generation (RAG) system. Covers document loaders, RecursiveCharacterTextSplitter, embeddings (OpenAI),…

INVOKE THIS SKILL when building ANY retrieval-augmented generation (RAG) system. Covers document loaders, RecursiveCharacterTextSplitter, embeddings (OpenAI),…

Полный конвейер RAG для приёма документов, создания эмбеддингов, поиска и генерации ответов на основе LLM. Поддерживает множество загрузчиков документов (PDF, веб-страницы, каталоги) и постоянные векторные хранилища (Chroma, FAISS, Pinecone) с настраиваемым размером фрагментов и перекрытием для оптимального сохранения контекста. Включает поиск по сходству, поиск MMR (Maximal Marginal Relevance) и фильтрацию по метаданным для баланса релевантности и разнообразия результатов. Работает с эм

langchain-rag — устанавливаемый навык для AI-агентов, опубликованный langchain-ai/skills-benchmarks.

Scaffold a minimal local LangChain agent in TypeScript by following the official quickstart. Use when the user wants to quickly build or try a LangChain agent…

Создавайте устойчивые, долговечные агентные рабочие процессы с LangGraph. Используйте, когда вам нужен пользовательский графовый поток управления, взаимодействие с человеком, сохранение состояния или мультиагентные…

Build stateful, durable agent workflows with LangGraph. Use when you need custom graph-based control flow, human-in-the-loop, persistence, or multi-agent…

ВЫЗОВИТЕ ЭТОТ НАВЫК для рабочих процессов LangGraph, параллельного выполнения, прерываний или потоковой передачи. Охватывает Send API для разветвления, interrupt() для взаимодействия с человеком,…

langgraph-persistence-&-memory — устанавливаемый навык для AI-агентов, опубликованный langchain-ai/langchain-skills.

INVOKE THIS SKILL when using the langgraph CLI to scaffold, develop, build, or deploy LangGraph applications. Covers langgraph new, dev, build, up, deploy, and…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при использовании langgraph CLI для создания каркаса, разработки, сборки или развертывания приложений LangGraph. Охватывает langgraph new, dev, build, up, deploy и…

Получает доступ к документации LangGraph для создания агентов с состоянием и многолетних рабочих процессов. Извлекает официальную документацию LangGraph на Python, охватывающую конечные автоматы, проектирование агентов на основе графов и шаблоны с участием человека. Приоритизирует релевантную документацию по типу запроса: руководства по реализации для вопросов «как сделать», страницы с концепциями для теории, учебные пособия для сквозных примеров и ссылки на API для технических деталей. Автоматически выбирает 2–4 наиболее релевантных URL-адреса документации и извлекает их содержимое для ответа...

Извлекает и использует документацию LangGraph Python для создания агентов с состоянием, организации многолетних рабочих процессов и реализации шаблонов с участием человека. Используйте…

Fetches and references LangGraph Python documentation to build stateful agents, create multi-agent workflows, and implement human-in-the-loop patterns. Use…

Use this skill for requests related to LangGraph in order to fetch relevant documentation to provide accurate, up-to-date guidance.

Fetches and references LangGraph Python documentation to build stateful agents, create multi-agent workflows, and implement human-in-the-loop patterns. Use…

Используйте этот навык для запросов, связанных с LangGraph, чтобы получать соответствующую документацию для предоставления точных и актуальных рекомендаций.

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

Фреймворк направленных графов для построения состоятельных, многошаговых агентных рабочих процессов с тонким контролем. StateGraph с типизированными схемами состояний, редьюсерами для накопления списков/значений и узлами, возвращающими частичные обновления состояния. Статические рёбра для фиксированного потока, условные рёбра для ветвления и Command для объединения обновлений состояния с динамической маршрутизацией. Send API для параллельного выполнения с разветвлением на рабочие узлы и агрегацией результатов через редьюсеры. Invoke для однократного выполнения и режимы потоковой передачи (значения, обновления,...).

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при написании ЛЮБОГО кода LangGraph. Охватывает StateGraph, схемы состояний, узлы, ребра, Command, Send, invoke, потоковую передачу и обработку ошибок.

Приостановка выполнения графа для проверки, утверждения или валидации человеком с последующим возобновлением с учётом его ввода. Требует три компонента: контрольную точку (InMemorySaver или PostgresSaver), идентификатор потока в конфигурации и JSON-сериализуемые полезные нагрузки прерывания. interrupt(value) приостанавливает и отображает данные; Command(resume=value) возобновляет выполнение и возвращает это значение в приостановленный узел. Весь код до interrupt() повторно выполняется при возобновлении, поэтому побочные эффекты должны быть идемпотентными (используйте upsert, а не insert). Поддерживает рабочие процессы утверждения,...

INVOKE THIS SKILL when implementing human-in-the-loop patterns, pausing for approval, or handling errors in LangGraph. Covers interrupt(), Command(resume=...),…

INVOKE THIS SKILL when implementing human-in-the-loop patterns, pausing for approval, or handling errors in LangGraph. Covers interrupt(), Command(resume=...),…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при реализации шаблонов с участием человека, приостановке для утверждения или обработке ошибок в LangGraph. Охватывает interrupt(), Command(resume=...),…

INVOKE THIS SKILL when your LangGraph needs to persist state, remember conversations, travel through history, or configure subgraph checkpointer scoping.…

INVOKE THIS SKILL when your LangGraph needs to persist state, remember conversations, travel through history, or configure subgraph checkpointer scoping.…

Устойчивое выполнение графов с контрольными точками в рамках потока, историей состояний и долговременной памятью между потоками. Три варианта контрольных точек: InMemorySaver для тестирования, SqliteSaver для локальной разработки, PostgresSaver для продакшена; всегда передавайте thread_id в конфигурацию для включения сохранения. Просматривайте и воспроизводите прошлые контрольные точки с помощью get_state_history(), создавайте ответвления выполнения, обновляя состояние в прошлой точке, или вручную изменяйте состояние перед возобновлением. Store API предоставляет межпоточную память для пользователя...

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК, когда вашему LangGraph требуется сохранять состояние, запоминать диалоги, перемещаться по истории или настраивать область действия чекпоинтера подграфа.

Scaffold a minimal local LangGraph agent in Python by following the official quickstart. Use when the user wants to quickly build or try a LangGraph agent…

Scaffold a minimal local LangGraph agent in TypeScript by following the official quickstart. Use when the user wants to quickly build or try a LangGraph agent…

Отслеживайте, оценивайте и развёртывайте AI-агентов и LLM-приложения с LangSmith. Используйте при добавлении наблюдаемости, запуске оценок, разработке промптов или…

Trace, evaluate, and deploy AI agents and LLM applications with LangSmith. Use when adding observability, running evaluations, engineering prompts, or…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании оценочных наборов данных из трассировки или загрузке наборов данных в LangSmith, или запросе наборов данных. Охватывает типы наборов данных (final_response,…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при построении пайплайнов оценки для LangSmith. Охватывает три основных компонента: (1) Создание оценщиков — LLM-как-судья, пользовательский код; (2)…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при работе с трассировкой LangSmith или запросами к трейсам. Охватывает добавление трассировки в приложения и запросы/экспорт данных трейсов. Содержит…

Создаёт код-ориентированные оценщики для агентов, отслеживаемых через LangSmith. Используйте при построении пользовательской логики оценки, тестировании шаблонов использования инструментов или оценке выходных данных агентов…

Создание, управление и загрузка оценочных наборов данных в LangSmith для тестирования и валидации. Поддерживает четыре типа наборов данных: final_response (полные диалоги), single_step (поведение отдельного узла), trajectory (последовательности вызовов инструментов) и RAG (вопрос/фрагменты/ответ/цитаты). Команды CLI для управления жизненным циклом наборов данных: создание, просмотр списка, получение, удаление, экспорт и загрузка из локальных JSON-файлов. Создание наборов данных на основе SDK на Python и JavaScript с программным добавлением примеров. Управление примерами...

INVOKE THIS SKILL when creating evaluation datasets, uploading datasets to LangSmith, or managing existing datasets. Covers dataset types (final_response,…

INVOKE THIS SKILL when creating evaluation datasets, uploading datasets to LangSmith, or managing existing datasets. Covers dataset types (final_response,…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании оценочных наборов данных из трассировки ИЛИ загрузке наборов данных в LangSmith ИЛИ запросе наборов данных. Охватывает типы наборов данных (final_response,…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при создании оценочных датасетов, загрузке датасетов в LangSmith или управлении существующими датасетами. Охватывает типы датасетов (final_response,…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при построении пайплайнов оценки для LangSmith. Охватывает три основных компонента: (1) Создание оценщиков — LLM-как-судья, пользовательский код; (2)…

INVOKE THIS SKILL when building evaluation pipelines for LangSmith. Covers three core components: (1) Creating Evaluators - LLM-as-Judge, custom code; (2)…

INVOKE THIS SKILL when building evaluation pipelines for LangSmith. Covers three core components: (1) Creating Evaluators - LLM-as-Judge, custom code; (2)…

Создавайте пайплайны оценки для LangSmith с помощью LLM-как-судьи и пользовательских оценщиков кода. Три основных компонента: создание оценщиков (LLM-как-судья или пользовательский код), определение функций запуска для захвата выходных данных и траекторий агента, а также запуск оценки локально или автоматический запуск через загруженные оценщики. Поддерживает как офлайн-оценщики (сравнение выходных данных запуска с примерами из набора данных), так и онлайн-оценщики (проверка качества в реальном времени на производственных запусках). Требуется ключ API LangSmith и проект...

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при построении пайплайнов оценки для LangSmith. Охватывает три основных компонента: (1) Создание оценщиков — LLM-как-судья, пользовательский код; (2)…

Извлекает трассировки LangSmith для отладки поведения агента. Используйте при устранении неполадок агента, просмотре истории диалогов или исследовании вызовов инструментов.

Iteratively inspect traces, interview the user, and create LangSmith online evaluators one at a time. Use specifically for creating online evaluators for use…

Добавление трассировки в приложения LangChain/LangGraph и запрос данных трассировки через CLI для отладки и генерации наборов данных. Автоматическая трассировка для приложений LangChain/LangGraph с помощью переменных окружения; ручная трассировка через декоратор @traceable и wrap_openai() для других фреймворков на Python и TypeScript. Запрос трассировок (полных деревьев выполнения) или запусков (отдельных узлов) с помощью langsmith CLI с фильтрами по времени, задержке, ошибкам, тегам и пользовательским метаданным. Экспорт трассировок в файлы JSONL с сохранением иерархии;...

INVOKE THIS SKILL when working with LangSmith tracing OR querying traces. Covers adding tracing to applications and querying/exporting trace data. Uses the…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при работе с трассировкой LangSmith или запросами к трейсам. Охватывает добавление трассировки в приложения и запросы/экспорт данных трейсов. Содержит…

INVOKE THIS SKILL when working with LangSmith tracing OR querying traces. Covers adding tracing to applications and querying/exporting trace data. Uses the…

INVOKE THIS SKILL when working with LangSmith tracing OR querying traces. Covers adding tracing to applications and querying/exporting trace data. Uses the…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при работе с трассировкой LangSmith или запросами к трейсам. Охватывает добавление трассировки в приложения и запросы/экспорт данных трейсов. Использует…

ВЫЗЫВАЙТЕ ЭТОТ НАВЫК при работе с трассировкой LangSmith или запросами к трейсам. Охватывает добавление трассировки в приложения и запросы/экспорт данных трейсов. Использует…

Active, Socratic teacher for the LangChain Academy Deep Agents course — drives the student through the curriculum with a calibrated interaction density,…

Write a LinkedIn post based on research findings or a given topic. Use this skill when asked to create LinkedIn content, professional posts, or thought…

Напишите пост в LinkedIn на основе результатов исследования или заданной темы. Используйте этот навык, когда вас просят создать контент для LinkedIn, профессиональные посты или мысли…

INVOKE THIS SKILL when building, testing, or deploying Managed Deep Agents in LangSmith with the mda CLI. Walks a user through their first agent end to end —…

ВЫЗОВИТЕ ЭТОТ НАВЫК при сборке, тестировании или развертывании Managed Deep Agents в LangSmith с помощью CLI mda. Охватывает код-ориентированную, файловую структуру проекта;…

Embed Mermaid diagrams in generated wiki pages. Use whenever documenting a runtime or request flow, a call sequence, a state machine or lifecycle, a data model…

Общие шаблоны pandas и matplotlib для анализа данных и визуализации

Common pandas and matplotlib patterns for data analysis and visualization

Break down a coding task into a structured implementation plan with clear steps, file identification, and risk assessment.

Разбить задачу по программированию на структурированный план реализации с четкими шагами, идентификацией файлов и оценкой рисков.

Writes and executes SQL queries from simple SELECTs to complex multi-table JOINs, aggregations, and subqueries. Use when the user asks to query a database,…

Пишет и выполняет SQL-запросы от простых SELECT до сложных многотабличных JOIN, агрегаций и подзапросов. Используйте, когда пользователь просит выполнить запрос к базе данных,…

Современные паттерны React-компонентов с использованием хуков и TypeScript

Review the current conversation and capture valuable knowledge — best practices, coding conventions, architecture decisions, workflows, and user feedback —…

Просмотрите текущий разговор и зафиксируйте ценные знания — лучшие практики, соглашения по кодированию, архитектурные решения, рабочие процессы и отзывы пользователей —…

Lists tables, describes columns and data types, identifies foreign key relationships, and maps entity relationships in a database. Use when the user asks about…

Перечисляет таблицы, описывает столбцы и типы данных, определяет связи внешних ключей и отображает связи сущностей в базе данных. Используйте, когда пользователь спрашивает о…

Руководство по созданию эффективных навыков, расширяющих возможности агента с помощью специализированных знаний, рабочих процессов или интеграции инструментов. Используйте этот навык, когда пользователь…

Guide for creating effective skills that extend agent capabilities with specialized knowledge, workflows, or tool integrations. Use this skill when the user…

Guide for creating effective skills that extend agent capabilities with specialized knowledge, workflows, or tool integrations. Use this skill when the user…

Руководство по созданию эффективных навыков, расширяющих возможности агента с помощью специализированных знаний, рабочих процессов или интеграции инструментов. Используйте этот навык, когда пользователь…

Создаёт платформенно-специфичные посты для социальных сетей с контентом на основе исследований и сгенерированными изображениями-компаньонами. Поддерживает посты для LinkedIn (1300 символов, профессиональный тон) и треды для Twitter/X (280 символов на твит, формат 1/🧵). Требует делегирования исследования сабагенту перед написанием, затем чтения результатов для обеспечения точности и релевантности. Автоматически генерирует привлекательные изображения для соцсетей с помощью инструмента generate_social_image, используя смелые, высококонтрастные композиции, оптимизированные для маленьких...

Drafts engaging social media posts, writes hooks, suggests hashtags, creates thread structures, and generates companion images. Use when the user asks to write…

Dispatches many independent items in parallel: create a table, fan out to subagents, aggregate results. One row = one unit of work.

Отправить пакет задач подагентам параллельно с ограниченной степенью параллелизма. Возвращает объект сводки с {total, completed, failed, results[]} — итерировать…

Отправляет множество независимых элементов параллельно: создает таблицу, распределяет задачи по подчиненным агентам, собирает результаты. Одна строка = одна единица работы.

Лучшие практики модульного и интеграционного тестирования

Используйте этот навык для запросов, связанных с веб-исследованиями; он предоставляет структурированный подход к проведению всесторонних веб-исследований

Searches multiple web sources, synthesizes findings, and produces cited research reports using delegated subagents. Use when the user asks to research a topic…

Use this skill for requests related to web research; it provides a structured approach to conducting comprehensive web research

Организует многоисточниковое веб-исследование, делегируя задачи подагентам, синтезируя результаты и создавая отчеты с цитированием. Разбивает исследовательские вопросы на 2–5 отдельных подтем, создает файл плана исследования и запускает до 3 подагентов параллельно для эффективного изучения. Каждый подагент выполняет 3–5 веб-поисков по каждой подтеме и записывает результаты в локальные файлы с ключевыми фактами, цитатами и URL-адресами источников. Синтезирует результаты, читая локальные файлы с данными, объединяя выводы по подтемам и...

Add a new built-in OpenWiki source connector. Use when a user asks to create or implement an OpenWiki connector.

Используйте, когда пользователь хочет записать текущую дату и время в файл с помощью встроенного скрипта внутри песочницы.

Use when the user wants the current date and time written to a file via the bundled script inside the sandbox.