メニュー
Measuring CPU performance metrics and memory bottlenecks in Python code blocks.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/Lord1Egypt/ai-skillforge --skill performance-profilingコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Implementing WCAG accessibility guidelines, semantic HTML5, and screen reader ARIA roles.
How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.
This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.
SOC 職業分類に基づく
SKILL.md を表示中
| name | performance-profiling |
| description | Measuring CPU performance metrics and memory bottlenecks in Python code blocks. |
| allowed-tools | Read Write Edit Bash |
| license | MIT license |
| metadata | {"skill-author":"Lord1Egypt"} |
Profiling calculates statistics of code execution, revealing bottleneck processes.
Use to analyze slow mathematical scripts, inspect pillow memory footprint, or optimize algorithms.
import cProfile
def count_primes():
primes = []
for num in range(2, 5000):
if all(num % i != 0 for i in range(2, int(num**0.5) + 1)):
primes.append(num)
return len(primes)
# Run profile statistics output
cProfile.run('count_primes()')
Use line_profiler to trace memory and speed per script line, investigate memory leaks via tracemalloc, and generate flamegraphs.