
writer-self-editing-checklistSJÄLVREDIGERINGSCHECKLISTA — utdraget från roles.json deepPrompt för författare
Översikt
Nyckelfunktioner
- Verifierar pronomenets antecesorer
- Kontrollerar tydliga procedur-steg
- Prövar kodexempel i en ren miljö
- Förseker om konsekvent terminologi
- Identiferar passiva röstkonstruktioner
Priser
- Modell
- Free
- Kategori
- Färdigheter
- Betyg
- Inga recensioner
Användningsfall
Dokumentationsgranskning
Använd denna checklist för att granska och redigera dokumentation innan du lämnar in den för att säkerställa att den uppfyller kvalitetstandarder.
Innehållskontroll
Använd denna checklist som en del av en innehållskontrollprocess för att säkerställa samstämmighet och tydlighet överflöd av flera dokument.
Fördelar och nackdelar
Fördelar
- Förbättrar dokumentationens tydlighet
- Förseker om samstämmighet i terminologi
- Hjälper till att identifiera potentiella problem med kodexempel
Nackdelar
- Måste kunna vara tidkrävande att slutföra
- Några uppgifter kan inte vara tillämpliga på alla typer av dokument
Recensioner
Logga in för att lämna en recension.
Inga recensioner än. Bli den första!
Frågor
Vilka lokala modeller bör jag köra, och hur påverkar detta hardware i SecureContext?
SecureContext föreställer sig gradvis av hårdvaruinmatning — varje LLM-drivna lager stängs av (funktionen bidrar tyst och ingenting) istället för att kasta om indata eller sökningen. Vad som förändras med hårdvaran är hur mycket av intelligensstacken står aktiva: | Nivå | Hårdvara | Models | Vad du får | | --- | --- | --- | --- | | Minimum | någon CPU, ~2 GB RAM fritt | nomic-embed-text (endast embeddings) | Hybrid BM25+vektor sökning, arbetets minne, granskningskedja, färdighetsstyrd gates — kärnan. LLM-lager (händelse utvinning, enhetsutvinning, motsatsbedömning) förbli inaktiva. | | Medel | 8-16 GB GPU (eller Apple Silicon 16 GB+) | + qwen2.5-koder:14b eller phi4:14b (en åt gången) | + Händelsefakta utvinning vid inmatning (temporalt resonemang), LLM-motsatsbedömning, enhetsutvinning, L0, L1 semantiska filsummer.
Asked by Ekaterina Orlova · Dec 3, 2025
Vad behöver jag för att köra det? Node 20+ och (rekommenderat) Docker för det inbyggda PostgreSQL + Ollama-stapel. En-kommandoinsättaren gör allting på ungefär fem minuter. En SQLite-bakgrund körs med ingen infrastruktur.
Node 20+ och (rekommenderat) Docker för den inbyggda PostgreSQL + Ollama stacken. En en-kommandoinstaller gör allt på ungefär fem minuter. En SQLite-fallback kör med ingen infrastruktur.
Asked by Jarrah Whitlock · Nov 26, 2025
Kan flera Claude Code-sessions arbeta på samma projekt utan att orsaka konflikter?
Ja — parallella sessions atomiskt hävdar uppgifter från en work-stealing-kö (noll dubbel-anspråk vid 50 agenter × 100 uppgifter i tester), koordinerar via typt sändningar (ASSIGN/KONTROLL/MERGE/AVSLAG), och håller privat om agentens minnesnål plus delat pool. Department-stilar hierarkier (chefer + arbetare, N-nivå escalation) stöds för större agentlag.
Asked by Amina Diallo · Nov 8, 2025
Är Claude Code-kodfärdigheter säkra att installera?
Filssystemfärdighetsbyggda skript körs med din tillstånd och behöriga, och Claude Codes egna laddare granskar dem inte. SecureContext lägger till den saknade porten: AST-scan vid inträde, HMAC-verifiering innan varje körning, automatisk karantän vid felet eller ändring efter inträde, och ett verifierbart kedja-logg av varje inträdesbeslut.
Asked by Fernando Rojas · Oct 28, 2025
Skickar SecureContext min kod eller data till molnet?
Nej. Minne, embeddings (Ollama nomic-embed-text), sökning, sammanfattning, och audittråden körs lokalt. Det fungerar fullständigt offline (sökningen dägraderar smärtfritt till endast ord- endast om Ollama är nere) och koster $0 när den är inaktiv.
Asked by Nadia Benali · Oct 21, 2025
Ställ en fråga
Alternativ till Färdigheter

Säkerhetsprövad data-AI-skill för Claude AI. Betyg A. Använd när du startar featurearbete som kräver isolering från nuvarande arbetsyntillstånd eller innan du kör genomförandeplan - skapar isolerade git-arbetsyner.

Säkerhetsprövad data-AI-förmåga för Claude AI. Betyg A. Referens för GA4 BigQuery-exportschema - komplett fältreferens, uppsnörd strukturella mappningar, frågemönster och prestandatips

Bekräftat säkerhetsdata-intelligenta färdighet för Claude AI. B-nivå. Meta-konverterings-API (CAPI) inställningsreferens – arkitektur, händelstyper, kundinformationshashing, dubbelbegångsreducering, exempel på implementering, AEM

Säkerhetsprovade utvecklingskunskaper för Claude AI. Grade A. Lista vad en funktion/metod anropar (direkt anropsgraf)

Bekräftade säkerhetsdata för AI-skille för Claude AI. Grå A. Ge namn till Testmodul Haskell efter den modul som testas med en Spec-suffix i samma namnutrymme. Använd vid skrivande eller granskning av testmodul Haskell.

Säkerhetsprövad data‑AI‑funktion för Claude AI. Kvalitet A. Simulerar en fempersoners expertstyrelse för viktiga beslut. Använd när du utvärderar planer, arkitektoniska val, funktionsdesign eller andra beslut.

Säkerhetstestad utvecklingskompetens för Claude AI. Grade A. Avancerad MVC via PE (Entry Points) — lägga till anpassade gridar i standard‑MVC‑skärmar (CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU)
Noga utvecklat devops-färdighetsprov för Claude AI. Betyg A. **WORKFLOW FÄRDIGHET** — Underhåller dokumentationsnoggrannhet och färska uppgifter över dokumentplats, agentfiler och ändringslogg.
Trending now

Noggrann läxhjälp med fullständiga förklaringar

Dokumentintelligens-API som analyserar, delar ut, ifrågasätter och extraherar strukturerat data från komplexa PDF-filer, presentationer och kalkylblad.

Öppen multimodel med 12B parametrar som hanterar interleaved bilder och text med ett 128K kontextfönster.

Sponsrade svar, betala per klick.
