Menu
Analyze PowerPoint slides qualitatively using vision AI. Arguments: <deck_path> [--render] [--slides 1,5,10]
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
Detect cell-ordering / enchainement problems in Jupyter notebooks (canonical-order slippage, misplaced or forgotten cells). Arguments: [target] [--severity HIGH|MED|LOW] [--json]
Resume multi-agent coordination session. Reads memory, RooSync inbox, GitHub issues, and produces a situational briefing with recommended actions. Arguments: [--dispatch] [--focus <topic>] [--reply-all]
Iterate on a GenAI notebook against the self-hosted stack via the genai-stack CLI (config dirs, auth, subdomains, quantization, GPU/VRAM). Arguments: <notebook|service> [--service comfyui|forge|vllm] [--quant int4|fp8] [--validate] [--bg]
Train an ML model in the QuantConnect ML-Training-Pipeline with thermal-safe GPU usage and rigorous validation. Arguments: <architecture|script> [--dry-run] [--seeds 0,1,7,42,99] [--folds 5] [--bg]
Execute iterative improvement workflow for QuantConnect strategies. Arguments: [strategy|issue#] [--iterations=N] [--no-backtest] [--commit]
Review and merge student exercise PRs during TP sessions. Arguments: <repo-url> [--class <class-id>] [--timeslot <HH:MM-HH:MM>] [--dry-run]
| name | analyze-slides |
| description | Analyze PowerPoint slides qualitatively using vision AI. Arguments: <deck_path> [--render] [--slides 1,5,10] |
Analyse qualitative de slides PowerPoint via le modele vision Qwen3-VL-8B du MCP sk-agent.
Target: $ARGUMENTS
deck_path: Chemin du dossier deck (ex: slides/01-introduction)--render: Forcer le rendu PNG meme si les fichiers existent--slides: Liste de slides specifiques (ex: --slides 1,5,10,15-20)qwen3-vl-8b-thinking{deck_path}/extracted/renders/{deck_path}/extracted/content.mdLire le fichier {deck_path}/extracted/content.md et parser les slides par delimiteur <!-- Slide number: N -->.
Stockage dans un dict: {slide_num: text_content}
ls {deck_path}/extracted/renders/slide_*.png | wc -l
Pour chaque slide, construire un prompt qui inclut le texte extrait pour que le modele se concentre sur la mise en forme:
Prompt unique (concis):
TEXTE EXTRAIT DE LA SLIDE:
{texte du slide depuis content.md}
---
Analyse UNIQUEMENT la mise en forme et les visuels (le texte est deja extrait ci-dessus).
1. VISUELS: Diagrammes, images, icones presents ? Lesquels ? Qualite ?
2. MISE EN FORME: Disposition, equilibre texte/visuel, hierarchie
3. LISIBILITE: Note /10 pour projection amphitheatre
4. 2 SUGGESTIONS concretes d'amelioration
result = mcp__sk-agent__analyze_image(
image_source=f"{deck_path}/extracted/renders/slide_{num:02d}.png",
model="qwen3-vl-8b-thinking",
prompt=prompt_avec_texte
)
Faire des appels par lots de 5 slides en parallele pour accelerer le traitement.
Si reponse vide ou erreur: retry 1 fois avec prompt simplifie:
Decris les elements visuels de cette slide et donne une note de lisibilite /10.
IMPORTANT: Le rapport DOIT etre ecrit de facon incrementale. Apres CHAQUE lot de slides analyse, utiliser Edit pour ajouter les resultats.
Workflow incrementale:
Fichier de sortie: {deck_path}/analysis/visual_review.md
# Revue Visuelle - {deck_name}
**Date**: {date}
**Deck**: {deck_path}
**Slides analysees**: {N}/{total}
---
## Slide 01 - {titre extrait du texte}
### Visuels et mise en forme
{reponse MCP}
---
## Slide 02 - {titre}
...
---
## Resume
### Tableau recapitulatif
| Slide | Titre | Note | Probleme principal |
|-------|-------|------|-------------------|
| 01 | ... | X/10 | ... |
### Slides prioritaires (note < 6)
- Slide X: [raison]
### Bonnes slides (note >= 8)
- Slide Y: [raison]
### Problemes recurrents
1. [Probleme] - N slides concernees
2. [Probleme] - N slides concernees