Przejdź do treści
Biblioteka skilli
AI i agenci · Integracja z narzędziem

setup

/setup

Uruchamia daemon wnioskowania ML oracle z onnxruntime przez uv, do lokalnego wnioskowania modeli ONNX przy ocenie jakości skilli.

Licencja
MIT
Ostatnia zmiana repozytorium
01.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 01.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Uruchamia daemon wnioskowania ML oracle z onnxruntime przez uv, do lokalnego wnioskowania modeli ONNX przy ocenie jakości skilli.

Oryginalny opis (EN)

Provisions the oracle ML inference daemon with onnxruntime via uv. Use when setting up local ONNX model inference for skill quality evaluation.

Jak działa

  1. When NOT To Use
  2. What This Does
  3. Prerequisites
  4. Steps
  5. Exit Criteria
Sekcje z nagłówków SKILL.md, w oryginale · 49 linii, 221 słów
Podgląd SKILL.md
---
name: setup
description: Provisions the oracle ML inference daemon with onnxruntime via uv. Use when setting up local ONNX model inference for skill quality evaluation.
---

# Oracle Setup

Provision the ML inference environment.

## When NOT To Use

- The daemon is already provisioned and only needs to be used
- Evaluating skill quality itself (use `abstract:skills-eval`)

## What This Does

1. Creates a Python 3.11+ virtual environment using uv
2. Installs onnxruntime into the venv
3. Verifies the installation

## Prerequisites

- uv must be installed
- Internet connection for initial download

## Steps

1. Run provisioning:

```bash
cd plugins/oracle && uv run python -c "
from oracle.provision import provision_venv, get_venv_path
result = provision_venv(get_venv_path())
print(result.message)
"
```

2. Report result to the user.
3. If successful, tell the user the daemon will start on next session.
4. If failed, show the error and suggest checking uv and network.

## Exit Criteria

- [ ] `provision_venv()` returns a result with a non-error `message`
  and the venv path exists on disk under `plugins/oracle/`
- [ ] `onnxruntime` is importable inside the provisioned venv;
  verified by `uv run python -c "import onnxruntime"` exiting 0
- [ ] User receives a clear success message stating the daemon will
  start on next session, or a clear failure message citing the
  specific error and whether it is a uv or network issue
- [ ] On failure, no partial venv left in a broken state that would
  prevent a clean retry

Wersje

RepozytoriumWynikLicencja
Ta strona · athola/claude-night-market100MIT
HwangSlater/harness-fit100MIT
nesquikm/dev-process-toolkit100MIT
userKael/rastro100MIT
als-apg/osprey100BSD-3-Clause
dedujeong/gemba100Apache-2.0
eigenwise/eigenwise-toolshed100MIT
awrshift/agent-memory-kit100MIT
lifecycle-innovations-limited/claude-ops100MIT

Migawka bazy z 13.11.2026 · wersja paczki e8815b1e318e (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100onnx
    Pomaga eksportować modele PyTorch i Hugging Face do ONNX, uruchamiać wnioskowanie w onnxruntime, upraszczać i kwantyzować modele, walidować pliki .onnx i przygotowywać modele na urządzenia mobilne.
  • 90model-inference-optimize
    Optymalizuje wnioskowanie modeli: profilowanie, TensorRT, ONNX, PyTorch, FP8, cache i kontrolę jakości po zmianach.
  • 100onnx-converter
    Prawdopodobnie konwertuje modele uczenia maszynowego do formatu ONNX w ramach wdrażania modeli ML.
  • 100setup-guide
    Prowadzi przez pierwszą instalację skalowania wnioskowania (inference-time scaling) w its_hub w bieżącym środowisku.
  • 100onnx
    Uruchamia gotowe modele ONNX do wnioskowania w .NET przez ONNX Runtime: sesje, tensory, dostawcy wykonania CPU, GPU i DirectML, optymalizacja modeli oraz integracja z ASP.NET Core.
  • 100onnx-runtime-model-acceleration
    Konwertuje modele PyTorch i TensorFlow do ONNX oraz przyspiesza wnioskowanie na różnym sprzęcie, od CPU po akceleratory.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.