/meta--skills-init

Detecta lenguajes, frameworks y herramientas de tu proyecto y genera un .gitignore comentado, fusionándolo con el que ya exista.

Genera u optimiza el tsconfig.json según sea backend, frontend, librería o monorepo, con modo estricto y explicación de los ajustes.

Genera u optimiza la configuración de ESLint de tu proyecto según TypeScript, React o Node, con reglas, exclusiones y scripts de lint.

Detecta las variables de entorno que usa tu código y genera .env.example, un esquema de validación y un módulo de configuración que falla rápido.

Genera u optimiza un Dockerfile multi-etapa para tu proyecto, con imagen mínima, caché de capas y usuario sin privilegios.

Genera workflows de GitHub Actions para CI, despliegue continuo, etiquetado automático y otras automatizaciones de tu repositorio.

Convierte un conjunto de datos en bruto en una base limpia, bien dividida y sin fuga de información: perfilado, limpieza, divisiones y balance.

Diseña variables para un problema tabular dentro de un pipeline que evita la fuga de datos: codificaciones, escalado e interacciones.

Da a un proyecto de ML reproducibilidad, seguimiento de experimentos, registro de modelos e integración continua, ajustado al tamaño del equipo.

Lleva un modelo entrenado a producción: patrón de servicio por lotes u online, API, empaquetado, monitorización y detección de deriva.

Evalúa un modelo más allá de un solo número: métricas según el coste de cada error, calibración, rendimiento por segmentos y análisis de fallos.

Entrena un modelo con método: primero una línea base simple, luego el modelo más sencillo que sirva, con validación cruzada y ajuste de parámetros.