Дай на агента си умения

Използвайте това умение, когато потребителят иска да извлече URL адрес без пълна сесия на браузъра: извличане на HTML или JSON от статични страници, проверка на кодове за състояние или заглавки, проследяване на пренасочвания или получаване на изходен код на страница за просто изстъргване. Предпочитайте го пред браузър, когато не е необходимо рендиране на JavaScript и взаимодействие със страницата. Поддържа проксита и контрол на пренасочванията.

Разгърнете безсървърна автоматизация на браузъра като облачни функции с помощта на Browserbase. Използвайте, когато потребителят иска да разгърне автоматизация на браузъра, която да се изпълнява по график или cron, да създаде уебхук крайна точка за задачи на браузъра, да изпълнява автоматизация в облака вместо локално, или пита за Browserbase Functions.

Използвайте това умение, когато потребителят иска да търси в мрежата без пълна сесия на браузъра: намиране на URL адреси, заглавия и метаданни за дадена заявка. Предпочитайте го пред браузър, когато са ви необходими само резултати от търсенето, а не съдържание на страницата. Връща структурирани резултати със заглавия, URL адреси, автори и дати.

AI-захранвано антагонистично UI тестване чрез CLI за сърфиране. Анализира git diffs, за да тества само промененото, или изследва цялото приложение, за да открие грешки. Тества функционална коректност, достъпност, адаптивно оформление и UX евристики. Използвайте, когато потребителят поиска да тества UI промени, да извърши QA на pull request, да одитира достъпността или да проведе изследователско тестване. Поддържа локален браузър (localhost) и отдалечен Browserbase (разгърнати сайтове).

Ръководи използването на Gemini API в Google Cloud Vertex AI с Gen AI SDK. Използвайте, когато потребителят пита за използване на Gemini в корпоративна среда или изрично споменава Vertex AI. Обхваща използването на SDK (Python, JS/TS, Go, Java, C#), възможности като Live API, инструменти, мултимедийно генериране, кеширане и пакетно предсказване.

Използвайте Hugging Face Hub CLI (`hf`) за изтегляне, качване и управление на хранилища, модели, набори от данни и Spaces в Hugging Face Hub.

Използвайте това умение за работни процеси на Hugging Face Dataset Viewer API, които извличат метаданни за подмножества/разделения, страницират редове, търсят текст, прилагат филтри, изтеглят parquet URL адреси и четат размер или статистики.

Създавайте и управлявайте набори от данни в Hugging Face Hub, поддържайки инициализиране на хранилища, дефиниране на конфигурации/системни подкани, поточно актуализиране на редове и SQL-базирани заявки/трансформации на набори от данни, в комбинация с HF MCP сървър за цялостни работни процеси с набори от данни.

Добавяйте и управлявайте резултати от оценки в картите на моделите в Hugging Face. Поддържа извличане на таблици за оценка от съдържанието на README, импортиране на резултати от Artificial Analysis API и стартиране на персонализирани оценки на модели с vLLM/lighteval. Работи с метаданни във формат model-index.

Използвайте това умение, когато потребителите искат да изпълняват работни натоварвания в инфраструктурата на Hugging Face Jobs. Обхваща UV скриптове, Docker-базирани задачи, избор на хардуер, оценка на разходите, удостоверяване с токени, управление на тайни, конфигуриране на времеви лимит и запазване на резултатите. Предназначено е за общи изчислителни задачи, включително обработка на данни, инференция, експерименти, пакетни задачи и всякакви задачи, базирани на Python. Използвайте го за задачи, включващи облачни изчисления, GPU натоварвания или когато потребителите споменават изпълнение на задачи в инфраструктурата на Hugging Face без локална настройка.

Използвайте това умение, когато потребителите искат да обучават или фино настройват езикови модели с помощта на TRL (Transformer Reinforcement Learning) в инфраструктурата на Hugging Face Jobs. Обхваща методи за обучение SFT, DPO, GRPO и моделиране на награди, плюс GGUF конверсия за локално разгръщане. Включва насоки за пакета TRL Jobs, UV скриптове с формат PEP 723, подготовка и валидиране на набори от данни, избор на хардуер, оценка на разходите, мониторинг с Trackio, удостоверяване в Hub и запазване на модели. Използвайте го за задачи, включващи облачно GPU обучение, GGUF конверсия или когато потребителите споменават обучение в Hugging Face.

Търсете и четете страници с научни статии в Hugging Face в markdown формат и използвайте API за статии за структурирани метаданни като автори, свързани модели/набори от данни/пространства, GitHub хранилище и страница на проекта. Използвайте, когато потребителят споделя URL адрес на страница с научна статия от Hugging Face, URL адрес или ID на arXiv, или моли да обобщите, обясните или анализирате изследователска статия за AI.