training
Corpus-to-dataset pipeline for AI training data curation. Ingests sources, synthesizes examples, generates DPO/KTO preference pairs, applies decontamination, and exports to…
Lot de plugins · par jmagly
Aperçu
training est un lot de plugins pour les outils de code IA publié par jmagly. Places de marché que nous lisons et qui le référencent : 1 (Community GitHub marketplaces). Nous l'avons vu pour la première fois le 2026-10-23 et n'avons enregistré aucun changement depuis. Selon notre passage sur les places de marché du 2026-10-25.
Corpus-to-dataset pipeline for AI training data curation. Ingests sources, synthesizes examples, generates DPO/KTO preference pairs, applies decontamination, and exports to Alpaca/ShareGPT/ChatML/JSONL/Parquet with provenance. Optional Python runtime (aiwg-training CLI) for scale.
Ce qu'il demande
- S'installe comme lot de plugins
Aucune des places de marché que nous lisons ne publie ses outils ni les réglages qu'il demande.
Ce qu'il déclare, demande et exécute, en détail
N’installez que des plugins de développeurs en qui vous avez confiance. Nous reprenons ce que publient les places de marché et ne testons pas les plugins.
Fonctionne avec
- Claude Code
D'après les marketplaces qui le listent et le transport MCP qu'il déclare, tels que chaque client les documente. Nous ne testons pas les plugins.
Connecter
Commandes et configurations construites uniquement à partir de ce que déclarent ses places de marché. Nous ne les exécutons pas pour vous et ne testons pas les plugins.
En plugin Claude Code
Construit à partir de ce que déclare Community GitHub marketplaces.
/plugin marketplace add jmagly/aiwg
/plugin install training@aiwgOù il est publié
| Place de marché | Statut | Version | Chiffres | Vérifié | Vu pour la première fois |
|---|---|---|---|---|---|
| Place de marché communautaire jmagly/aiwg (Ouvrir la source sur GitHub) | Référencé | 1.0.0 | Forks (GitHub): 1 Étoiles (GitHub): 1 |
Non marqué |
Chaque chiffre est celui de la place de marché et n'est jamais additionné entre places de marché. Une place de marché qui ne publie pas de chiffre n'en affiche aucun : pas de nombre ne veut pas dire zéro.
Listé dans une place de marché communautaire
| Place de marché | Dépôt | Étoiles (GitHub) |
|---|---|---|
| aiwg | jmagly/aiwg | 225 |
Quelles places de marché nous lisons et comment nous les vérifions
Ce que contient le lot
Tel que publié sur Community GitHub marketplaces.
Skills: 15
acquire-training-sourcedataset-docsdataset-reproducedataset-versiondecontamination-checkexample-quality-assessexample-synthesizerflow-dataset-buildformat-adapter-alpacaformat-adapter-chatmlformat-adapter-jsonlformat-adapter-parquet
Afficher les autres : 3
format-adapter-sharegptpreference-generatorsynthetic-data-generator
Agents: 7
dataset-evaluator-agentdataset-publication-agentdecontamination-agentexample-synthesizer-agentformat-converter-agentpreference-generator-agentsource-curator-agent
Règles: 2
decontamination-gatelicense-check
Ce qui a changé
- Est devenu un produit que nous suivons
- Community GitHub marketplaces: apparu
Plugins similaires
Produits dont les noms, descriptions, outils et skills sont les plus proches de celui-ci par le sens, sur toutes les places de marché que nous lisons. La proximité n'est classée qu'à l'intérieur de cette liste.
-
Create evaluation datasets in JSON, CSV, or JSONL format for Dokimos
-
Turn any document into a production-ready RAG dataset from Claude, Cursor, or any MCP host.
-
Search and load AI datasets, prompts and few-shot contexts from the ContexteTech catalogue.
-
Search the Mozilla Data Collective catalog of ethically sourced AI training datasets.
-
Validate and convert JSONL fine-tuning data across 11 AI providers. 13 tools.
-
End-to-end data annotation toolkit. Prep raw data, design annotation schemas, annotate interactively with Claude (small scale) or scaffold Gemini batch inference (large scale…
-
Prompt evals over MCP: run a prompt on your dataset, score each output 1-5 with an LLM judge.
-
AI/ML skills including prompt engineering, RAG, and chunking strategies
-
Search and license real-world AI training data: egocentric video, UMI gripper demos, custom EEG.
-
golden-dataset-mcp io.github.nipunkhanderia/golden-dataset-mcp
Version-controlled golden datasets and RAG evaluation, no API key needed.
Plugins similaires par place de marché
La même question posée à chaque place de marché séparément : y a-t-il là un équivalent de ce plugin ?
Référencé sur Claude Code: claude-plugins-community (5)
-
Build high-quality datasets and computer vision models. Visualize datasets, analyze models, find duplicates, run inference, evaluate predictions, and develop custom plugins.
-
Honeydew AI plugins for semantic data modeling and data analysis — 9 skills, 3 hooks, multi-platform support.
-
Build, train, evaluate, and use open source AI models, datasets, and spaces.
-
End-to-end data analysis workflow plugin for Claude Code. Covers the full pipeline from EDA to model training - EDA, preprocessing, statistical analysis, feature engineering, and…
-
Output.ai workflow development toolkit for Claude Code. Adds 5 specialist agents (planner, builder, debugger, prompt writer, quality reviewer), 40+ slash-command skills covering…
Référencé sur Claude Code: claude-plugins-official (5)
-
Build high-quality datasets and computer vision models. Visualize datasets, analyze models, find duplicates, run inference, evaluate predictions, and develop custom plugins.
-
Build, train, evaluate, and use open source AI models, datasets, and spaces.
-
Build multimodal AI applications with Pixeltable -- tables, computed columns, embedding search, UDFs, tool-calling agents, and 25+ AI provider integrations.
-
Output.ai workflow development toolkit for Claude Code. Adds 5 specialist agents (planner, builder, debugger, prompt writer, quality reviewer), 40+ slash-command skills covering…
-
Build, train, and deploy AI models with deep AWS AI/ML expertise brought directly into your coding assistants, covering the surface area of Amazon SageMaker AI.
Référencé sur Claude: knowledge-work-plugins (5)
-
Build multimodal AI applications with Pixeltable -- tables, computed columns, embedding search, UDFs, tool-calling agents, and 25+ AI provider integrations.
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
Atlan data catalog plugin for Claude Code. Search, explore, govern, and manage your data assets through natural language. Powered by the Atlan MCP server with semantic search…
-
AI-first project auditor and re-engineer based on the 9 design principles and 7 design patterns from the TechWolf AI-First Bootcamp
Référencé sur Codex: openai-curated (openai/plugins) (5)
-
Build with OpenAI APIs, Agents SDK, and ChatGPT Apps, and create and save OpenAI API keys from Codex.
-
Evaluate Codex skills and plugins from chat with a beginner-friendly start command, local-first reports, token budget explanations, and guided benchmarking.
-
Skills for NVIDIAs ecosystem spans GPU acceleration, CUDA, AI agents, inference, robotics, Physical AI, Omniverse, and simulation. This plugin helps you understand the pieces…
-
Answer product and business questions with data
-
CrowdStrike Falcon Foundry development skills for building cybersecurity applications on the Falcon platform. Includes UI development, collections, functions, workflows, API…
Référencé sur Community GitHub marketplaces (5)
-
Create evaluation datasets in JSON, CSV, or JSONL format for Dokimos
-
End-to-end data annotation toolkit. Prep raw data, design annotation schemas, annotate interactively with Claude (small scale) or scaffold Gemini batch inference (large scale…
-
AI/ML skills including prompt engineering, RAG, and chunking strategies
-
Plan small custom models and fine-tunes: check the Hub, research options, write the spec in a planning repo.
-
Agents for data engineering, machine learning, and AI development
Référencé sur Copilot CLI: github/awesome-copilot (5)
-
Run a lightweight, role-separated AI development team with flexible tools, developer-selected models, proportionate planning, and optional QA.
-
Three-layer verification pipeline for AI output. Extracts claims, finds sources, and flags hallucination risks so humans can verify before acting.
-
Task Researcher and Task Planner for intermediate to expert users and large codebases - Brought to you by microsoft/edge-ai
-
A runtime-portable 5-agent quality gate that adjudicates text artifacts before they ship. Five role-conditioned LLM deliberators run a 2-round async protocol with cross-read…
-
Microsoft Copilot Studio YAML authoring toolkit. Create, edit, validate, and test Copilot Studio agents using YAML files.
Référencé sur Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
model-apps
Build and deploy Power Apps generative pages for model-driven apps with specialist agents for planning, entity creation, and parallel code generation. Requires PAC CLI >= 2.7.0…
-
workiq
Query Microsoft 365 data with natural language — emails, meetings, documents, Teams messages, and more.
-
Build Power Apps Canvas Apps using the Canvas Authoring MCP server.
-
Microsoft Dataverse plugin for coding agents, covering record CRUD, bulk data operations, advanced queries, schema and metadata, administration, security, environment management…
Référencé sur Cursor: cursor/plugins (5)
-
Incremental transcript-driven memory updates for AGENTS.md using high-signal bullet points only.
-
Iterative self-referential AI loops using the Ralph Wiggum technique.
-
Ask Databricks Genie questions about your workspace's data in plain language.
-
Generate presentations, documents, and webpages.
-
Fan large tasks out across parallel cloud agents with planners, workers, verifiers, and structured handoffs.
Référencé sur Docker MCP Catalog (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Analyze documents, images, videos, and audio.
-
Tools for interacting with Hugging Face models, datasets, research papers, and more.
-
Production-ready RAG service to search and retrieve data from your documents.
-
An MCP server to help make U.S. Government open datasets AI-friendly.
Référencé sur Official MCP Registry (5)
-
Turn any document into a production-ready RAG dataset from Claude, Cursor, or any MCP host.
-
Search and load AI datasets, prompts and few-shot contexts from the ContexteTech catalogue.
-
Search the Mozilla Data Collective catalog of ethically sourced AI training datasets.
-
Validate and convert JSONL fine-tuning data across 11 AI providers. 13 tools.
-
Prompt evals over MCP: run a prompt on your dataset, score each output 1-5 with an LLM judge.
Référencé sur PyPI (MCP servers) (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
local-delegate io.github.ZahiriNatZuke/local-delegate
Delegate mechanical text tasks to a local OpenAI-compatible LLM to save Claude quota.
-
Find & fetch research datasets across 21 archives, omics registries, and literature sources.
-
marm-mcp-server io.github.Lyellr88/marm-mcp-server
Universal MCP Server with advanced AI memory capabilities and semantic search.
-
perplexity com.mcparmory/perplexity
Search the web, generate AI responses, and create embeddings with real-time information
Référencé sur npm registry (MCP servers) (5)
-
Compile documents into a cited knowledge wiki. Retrieve evidence, query, and review via local MCP.
-
dossier ai.imboard/dossier
MCP server for dossier automation standard - enables LLMs to discover, verify, and execute dossiers
-
Local-first memory for AI coding agents — Markdown + SQLite FTS5, shared across editors via MCP.
-
rubber-duck io.github.nesquikm/rubber-duck
Bridge to multiple LLMs and CLI agents: councils, debates, voting, and more
-
One workspace for every AI coding assistant. Shared tasks, memory, and governance.
Trouvés par le sens, et non par un code ou un dépôt commun : les plugins similaires restent des produits distincts, et ceci n'est ni un avis ni une recommandation.
Vous voulez cette marque pour votre plugin dans notre catalogue ?
Prouvez que vous le maintenez avec un fichier dans son dépôt, un fichier sur votre domaine ou un enregistrement DNS, et vous pourrez afficher cette marque sur la fiche, avec des bannières à jour pour votre site et votre README. Comment se passe la vérification
Vous recevez aussi des alertes quand une marketplace le publie, le retire, change sa marque vérifiée ou ce qu'il demande, et son endpoint distant est surveillé comme un service web.
Données issues de Community GitHub marketplaces. Les chiffres proviennent de nos propres passages réguliers sur les places de marché, dernière lecture le . Nous ne publions aucune coordonnée des éditeurs de plugins.