llm-app-development — скилл для Claude Code: установка и обзор
Скилл llm-app-development для Claude Code помогает проектировать RAG-пайплайны, агентов и вызовы инструментов с валидацией через Zod. Включается при сборке чат-ботов, баз знаний и генеративных сервисов.
MIT 139 установок ★ 114 обновлён 2026-11-10
npx skills add travisjneuman/.claude --skill llm-app-development -a claude-codeЧто делает llm-app-development
Скилл задаёт правила и шаблоны для интеграции языковых моделей в приложения. Он направляет агента использовать семантический поиск вместо запоминания фактов моделью, типизировать входящие и исходящие данные через схемы, а также настраивать потоковые ответы.
Внутри набора лежат отдельные справочники по архитектуре RAG, выбору векторных баз данных, семантическому кэшированию и оценке выходов LLM. Материалы также содержат антипаттерны и чеклист перед выпуском в прод.
Скилл опирается на внешние файлы в каталоге references/, поэтому агент читает только документ под конкретную задачу.
Какие задачи решает
- настроить RAG-пайплайн с интеграцией векторной базы
- валидировать ответы языковой модели через схемы Zod
- настроить семантическое кэширование для снижения расхода токенов
- подготовить чеклист автоматической оценки выходов модели
Примеры запросов агенту
- Спроектируй RAG-пайплайн для поиска по внутренней документации компании
- Опиши схему Zod для валидации структурированного ответа LLM и добавь обработку ошибок
- Подбери векторную базу данных для проекта с поиском по эмбеддингам
Как установить llm-app-development
1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill llm-app-development -a claude-code2Вручную: положить файлы
~/.claude/skills/llm-app-development/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/llm-app-development/
1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill llm-app-development -a codex2Вручную: положить файлы
.agents/skills/llm-app-development/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill llm-app-development -a cursor2Вручную: положить файлы
.cursor/skills/llm-app-development/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install travisjneuman/.claude skills/llm-app-development2Вручную: положить файлы
.github/skills/llm-app-development/SKILL.md1Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill llm-app-development -a gemini-cli2Командой платформы
gemini skills install https://github.com/travisjneuman/.claude --path skills/llm-app-developmentВручную: положить файлы
.devin/skills/llm-app-development/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add travisjneuman/.claude --skill llm-app-development -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о llm-app-development
Как установить llm-app-development в Claude Code?
Выполните команду npx skills add travisjneuman/.claude --skill llm-app-development -a claude-code.
Что делает llm-app-development?
Скилл даёт инструкции по созданию приложений на базе LLM: от проектирования RAG и инструментов агентов до валидации схем, кэширования и оценки качества.
Какие справочники входят в состав llm-app-development?
В каталог входят файлы с разбором ключевых паттернов, гидом по векторным базам данных, быстрой справкой по промптам, списком антипаттернов и чеклистом.
Исходный текст
SKILL.md · MIT
--- name: llm-app-development description: LLM app development with RAG, prompt engineering, vector databases, and AI agents --- # LLM Application Development ## Overview This skill covers the full spectrum of building applications powered by large language models. It addresses retrieval-augmented generation (RAG) pipelines, vector database integration, prompt engineering techniques, structured output generation, tool use and agentic patterns, evaluation frameworks, cost optimization, and streaming response handling. Use this skill when building chatbots, AI assistants, knowledge retrieval systems, content generation tools, autonomous agents, or any application that integrates LLM capabilities into its core functionality. --- ## Core Principles 1. **Retrieval over memorization** - Use RAG to ground LLM responses in real data rather than relying on model parametric memory. This reduces hallucination and keeps answers current. 2. **Structured I/O boundaries** - Define strict schemas for both inputs (system prompts, context) and outputs (typed responses via function calling or Zod schemas). Never trust raw LLM text for downstream logic. 3. **Evaluate before shipping** - Every LLM feature needs automated evaluation. Model outputs are non-deterministic; without eval, you cannot measure regressions or improvements. 4. **Cost-aware architecture** - Token usage drives cost. Cache aggressively, choose the smallest model that meets quality requirements, and batch where possible. 5. **Fail gracefully** - LLMs can refuse, hallucinate, or timeout. Every call path needs fallback behavior, retry logic, and user-visible error states. --- ## Reference files Detailed material is in separate files so this overview stays short. Read only the file whose topic matches the task; each one is self-contained. Paths are relative to the folder that holds this `SKILL.md` (in the full toolkit install, `~/.claude/skills/llm-app-development/`). | Topic | File | Covers | | --- | --- | --- | | Key Patterns | [`references/key-patterns.md`](references/key-patterns.md) | Pattern 1: RAG Pipeline Architecture; Pattern 2: Structured Output with Zod Schemas; Pattern 3: Tool Use and AI Agents; Pattern 4: Semantic Caching for Cost Optimization; Pattern 5: Streaming Responses; Pattern 6: LLM Output Evaluation | | Vector Database Selection Guide | [`references/vector-database-selection-guide.md`](references/vector-database-selection-guide.md) | 12 lines | | Prompt Engineering Quick Reference | [`references/prompt-engineering-quick-reference.md`](references/prompt-engineering-quick-reference.md) | 12 lines | | Anti-Patterns | [`references/anti-patterns.md`](references/anti-patterns.md) | 15 lines | | Checklist | [`references/checklist.md`](references/checklist.md) | 17 lines | ## Related Resources - **Skills:** `application-security` (prompt injection), `monitoring-observability` (LLM call tracing) - **Rules:** `docs/reference/stacks/react-typescript.md` (frontend patterns for chat UI) - **Rules:** `docs/reference/checklists/verification-template.md` (eval checklist)
© travisjneuman · MIT · travisjneuman/.claude