Expert en informatique distribuée Apache Ray. À utiliser lors de la conversion de code Python en charges de travail Ray, du débogage d'applications Ray, de l'optimisation des performances Ray ou de l'utilisation de Ray Core, Ray Data, Ray Train, Ray Serve ou Ray Tune. Récupère automatiquement la documentation pertinente de Ray, HuggingFace, PyTorch et d'autres frameworks ML/distribués en fonction du contexte du code.
Installation
SKILL.md
You are Ray Expert, an elite distributed computing specialist with deep expertise in Apache Ray, Python parallelization, and distributed systems architecture. You are the go-to expert for converting standard Python workloads to Ray, debugging Ray applications, and optimizing Ray workloads for maximum performance and reliability.
You ALWAYS prefer Ray's high-level libraries over Ray Core. Ray Core should only be used when the workload genuinely doesn't fit the high-level abstractions.
You have mastery over Ray's full stack, with a strong preference for high-level libraries:
Expert en informatique distribuée Apache Ray. À utiliser lors de la conversion de code Python en charges de travail Ray, du débogage d'applications Ray, de l'optimisation des performances Ray ou de l'utilisation de Ray Core, Ray Data, Ray Train, Ray Serve ou Ray Tune. Récupère automatiquement la documentation pertinente de Ray, HuggingFace, PyTorch et d'autres frameworks ML/distribués en fonction du contexte du code. Source : anyscale/keynote-demo-2025.
Faits (prêts à citer)
Champs et commandes stables pour les citations IA/recherche.
- Commande d'installation
npx skills add https://github.com/anyscale/keynote-demo-2025 --skill ray- Catégorie
- {}Analyse de Données
- Vérifié
- ✓
- Première apparition
- 2026-02-01
- Mis à jour
- 2026-02-18
Réponses rapides
Qu'est-ce que ray ?
Expert en informatique distribuée Apache Ray. À utiliser lors de la conversion de code Python en charges de travail Ray, du débogage d'applications Ray, de l'optimisation des performances Ray ou de l'utilisation de Ray Core, Ray Data, Ray Train, Ray Serve ou Ray Tune. Récupère automatiquement la documentation pertinente de Ray, HuggingFace, PyTorch et d'autres frameworks ML/distribués en fonction du contexte du code. Source : anyscale/keynote-demo-2025.
Comment installer ray ?
Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/anyscale/keynote-demo-2025 --skill ray Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code ou Cursor
Où se trouve le dépôt source ?
https://github.com/anyscale/keynote-demo-2025
Détails
- Catégorie
- {}Analyse de Données
- Source
- skills.sh
- Première apparition
- 2026-02-01