tinker
Skills for fine-tuning language models with the Tinker API — research, debugging, and more.
Lot de plugins · par Thinking Machines Lab
Aperçu
tinker est un lot de plugins pour les outils de code IA publié par Thinking Machines Lab. Places de marché que nous lisons et qui le référencent : 1 (Community GitHub marketplaces). Le dernier changement enregistré date du 2026-11-12. Selon notre passage sur les places de marché du 2026-11-13.
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 thinking-machines-lab/tinker-cookbook
/plugin install tinker@tinker-skillsOù il est publié
| Place de marché | Statut | Version | Chiffres | Vérifié | Vu pour la première fois |
|---|---|---|---|---|---|
| Place de marché communautaire thinking-machines-lab/tinker-cookbook (Ouvrir la source sur GitHub) | Référencé | 0.3.0 | Forks (GitHub): 557 Étoiles (GitHub): 4 253 |
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) |
|---|---|---|
| tinker-skills | thinking-machines-lab/tinker-cookbook | 4 253 |
Quelles places de marché nous lisons et comment nous les vérifions
Évolution de ses chiffres
- 2026-11-10557
- 2026-11-13557
- 2026-11-104,2 k
- 2026-11-124,3 k
- 2026-11-134,3 k
Chaque point est un jour où nous avons lu un autre nombre ; les paliers sont des jours sans changement. Les chiffres de places de marché différentes ne sont jamais additionnés.
Ce que contient le lot
Tel que publié sur Community GitHub marketplaces.
Skills: 4
debuginklingresearchrollout-ui
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.
-
LLM Fine-tuning Engineer — LLM fine-tuning — PEFT/LoRA, RLHF, instruction tuning, prompt optimization
-
prompt-engineering
Agents specialized in prompt engineering and AI interaction. Focuses on effective prompt design and AI model optimization.
-
evaluation
LLM benchmarking and evaluation including lm-evaluation-harness, BigCode Evaluation Harness, and NeMo Evaluator. Use when benchmarking models or measuring performance.
-
Connect to Hugging Face Hub and thousands of Gradio AI Applications
-
Claude model selection advisor — recommends optimal model for each task via shell hook. Zero attack surface.
-
Tools, skills, and CLI extensions for designing and productionizing LLM inference pipelines. Pattern-guided, slim by default, eval-first.
-
dspy
Optimize and build programmatic prompt systems with Stanford DSPy. Signatures, modules (Predict, ChainOfThought, ReAct), optimizer/teleprompter selection, compilation, caching…
-
unsloth
Install, operate, and troubleshoot Unsloth Core, Studio, and Desktop for local inference and model training. Use for Unsloth environment setup, LoRA/QLoRA supervised fine-tuning…
-
Agents specialized in prompt engineering and AI interaction. Focuses on effective prompt design and AI model optimization.
-
LLM application development, prompt engineering, and AI assistant optimization
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)
-
Claude model selection advisor — recommends optimal model for each task via shell hook. Zero attack surface.
-
together-ai-skills
A collection of skills that teach coding agents how to use the Together AI platform, including chat completions, image generation, video, audio, embeddings, fine-tuning, batch…
-
Plan tasks with optimal model routing to minimize token usage. Breaks work into steps, assigns each the right model (Haiku/Sonnet/Opus), adds quality gates between stages…
-
Build, train, evaluate, and use open source AI models, datasets, and spaces.
-
Autonomous experiment loop for Claude Code. Run an endless optimize-measure-keep/discard cycle on any optimization target: LLM training loss, test speed, bundle size, build time…
Référencé sur Claude Code: claude-plugins-official (5)
-
Build, train, evaluate, and use open source AI models, datasets, and spaces.
-
Agent Skills for Together AI platform — inference, training, embeddings, audio, video, images, function calling, and infrastructure. Covers serverless chat completions…
-
Output.ai workflow development toolkit for Claude Code. Adds 5 specialist agents (planner, builder, debugger, prompt writer, quality reviewer), 40+ slash-command skills covering…
-
Skills for adding DeepEval evaluations, tracing, datasets, Confident AI reports, and iterative improvement loops to AI applications.
-
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)
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
AI-first project auditor and re-engineer based on the 9 design principles and 7 design patterns from the TechWolf AI-First Bootcamp
-
Build multimodal AI applications with Pixeltable -- tables, computed columns, embedding search, UDFs, tool-calling agents, and 25+ AI provider integrations.
-
MCP server for terminal commands, file operations, and process management
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…
-
AI-powered code review in Codex, powered by CodeRabbit.
-
An agentic skills framework & software development methodology that works: planning, TDD, debugging, and collaboration workflows.
Référencé sur Community GitHub marketplaces (5)
-
LLM Fine-tuning Engineer — LLM fine-tuning — PEFT/LoRA, RLHF, instruction tuning, prompt optimization
-
prompt-engineering
Agents specialized in prompt engineering and AI interaction. Focuses on effective prompt design and AI model optimization.
-
evaluation
LLM benchmarking and evaluation including lm-evaluation-harness, BigCode Evaluation Harness, and NeMo Evaluator. Use when benchmarking models or measuring performance.
-
Tools, skills, and CLI extensions for designing and productionizing LLM inference pipelines. Pattern-guided, slim by default, eval-first.
-
dspy
Optimize and build programmatic prompt systems with Stanford DSPy. Signatures, modules (Predict, ChainOfThought, ReAct), optimizer/teleprompter selection, compilation, caching…
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.
-
Multi-model council for Copilot CLI: three subagents on different model families (Anthropic, OpenAI, Google) answer independently, then build on each other or attack the leading…
-
Task Researcher and Task Planner for intermediate to expert users and large codebases - Brought to you by microsoft/edge-ai
-
Plain-English translation layer for non-technical Copilot CLI users. Translates every approval prompt, error message, and technical output into clear, jargon-free English with…
-
Meta prompts that help you discover and generate curated GitHub Copilot agents, instructions, prompts, and skills.
Référencé sur Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
Bring Azure DevOps work-item, repository, and pull-request workflows into GitHub Copilot.
-
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…
-
Advanced Security plugin for GitHub Copilot.
-
workiq
Query Microsoft 365 data with natural language — emails, meetings, documents, Teams messages, and more.
Référencé sur Cursor: cursor/plugins (5)
-
Iterative self-referential AI loops using the Ralph Wiggum technique.
-
Incremental transcript-driven memory updates for AGENTS.md using high-signal bullet points only.
-
Consult a stronger model before major decisions, when stuck, and before declaring done.
-
Build apps, scripts, and automations with the TypeScript SDK.
-
Generate presentations, documents, and webpages.
Référencé sur Docker MCP Catalog (5)
-
Tools for interacting with Hugging Face models, datasets, research papers, and more.
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Bridges multiple AI models and CLIs, enabling orchestrated workflows across Claude Code, Gemini CLI, Codex CLI, and other AI development tools.
-
Provides tools to search and retrieve Google Gemini API documentation.
-
Sequential Thinking (Reference)
Dynamic and reflective problem-solving through thought sequences.
Référencé sur Official MCP Registry (5)
-
Connect to Hugging Face Hub and thousands of Gradio AI Applications
-
claude-prompt-optimizer io.github.rishiatlan/claude-prompt-optimizer
Scores, compiles & optimizes prompts for any LLM. Zero AI calls inside. Freemium.
-
Local-first MCP server for versioning, searching, evaluating, and improving AI prompts.
-
Onde Inference CLI: Fine-tune & Deploy Local LLMs
MCP server to fine-tune LoRA, export GGUF, and deploy local LLMs on Onde Inference.
-
Compare text LLMs across OpenRouter, Bedrock, Vertex AI and Foundry with automated grading.
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.
-
offline-mcp io.github.gabrielmahia/offline-mcp
Local AI over Ollama for low connectivity: status, local inference, model and deployment guides.
-
Let one coding-agent CLI consult another: Codex, Claude Code, OpenCode, Copilot or Antigravity.
-
Read, measure and explain LLM eval runs of a digline suite. Cannot promote a baseline.
Référencé sur npm registry (MCP servers) (5)
-
Alibaba Cloud DashScope — Qwen
Alibaba Cloud DashScope MCP: Qwen chat, embeddings, and model discovery on your own account.
-
rubber-duck io.github.nesquikm/rubber-duck
Bridge to multiple LLMs and CLI agents: councils, debates, voting, and more
-
Intelligent CLI tool with AI-powered model selection that analyzes your hardware and recommends optimal LLM models for your system
-
gemini io.github.houtini-ai/gemini
Model Context Protocol server for Google Gemini AI with chat, research, and grounding
-
claude-prompts-mcp io.github.minipuft/claude-prompts-mcp
Reusable prompt templates, multi-step workflow chains, and quality gates for any MCP client.
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.