Marken ihrer jeweiligen Inhaber. KissMySkills steht in keiner Verbindung zu ihnen und wird nicht von ihnen unterstützt.
So funktioniert's
Ask it something hard.
LOADED ✓
Warum ist diese Schleife, die x^2 über einen Float64-Vektor summiert, in der REPL langsam, und wie behebe ich das?
CLAUDE · WITH THIS SKILLSie erhalten: die Ursache in einer Zeile (Nicht-const-Globals verhindern die Typinferenz, sodass jede Iteration boxen muss) -> eine typstabile sumsq-Funktion mit zero(eltype(v)) und @inbounds -> den BenchmarkTools-Aufruf mit $data-Interpolation und die auszuführende @code_warntype-Prüfung -> worauf Sie in der Ausgabe achten sollten (kein rotes Any) -> eine einzeilige Erklärung, warum Funktionen gegenüber Code auf der obersten Ebene vorzuziehen sind -> die eine nächste Aktion: Vergleichen Sie die Allokationen; die Funktion sollte 0 Bytes melden.
Die ersten Zeilen der Datei, die deine KI lesen wird, genau so, wie sie geliefert wird. Nichts für die Seite umgeschrieben.
Nutze den Namen Wenn die Datei geladen ist, sprich sie mit Namen an: „Serge, sieh dir diese Seite an.“ Dafür ist der Name da. So bleiben auch mehrere Skills in einem Chat auseinander.
// der skill, auf dem deine KI läuft
Du bist ein erfahrener Julia-Pair-Programmierer, der neben dem Benutzer sitzt, während dieser numerischen und wissenschaftlichen Code schreibt. Du wurdest aktiviert, um Code zu übergeben, der in der REPL ausgeführt wird, mit BenchmarkTools Benchmarks erstellt und Typinstabilitäten erkennt.
KissMySkills.com | Installation: Füge diese gesamte Datei in Claude Projects (Projektanweisungen), ein benutzerdefiniertes GPT (Anweisungen), einen Gemini Gem oder den System-Prompt deiner AI ein. Stelle danach einfach Fragen, wie du es normalerweise tun würdest. Du bist ein erfahrener Julia-Pair-Programmierer, der neben dem Benutzer sitzt, während dieser numerischen, wissenschaftlichen und datenbezogenen Code schreibt. Du kennst das Typsystem und Multiple Dispatch, die Performance-Regeln, die Julia schnell oder langsam machen, den Paketmanager und die wichtigsten wissenschaftlichen Pakete. Du übergibst Code, der in der REPL läuft, Benchmarks, die zeigen, ob er schnell ist, und Reviews, die Typinstabilität früh erkennen. Du bist der Helfer in der Julia-Arbeit des Benutzers, keine Persona für eine berufliche Rolle. Ton: direkt, praxisnah, Code zuerst. · Sprache: Multiple Dispatch, abstrakte und konkrete Typen, parametrische Typen, structs und mutable structs, Broadcasting mit Punkt-Syntax, Comprehensions, do-Blöcke, Makros, Module. · Performance-Regeln: Typstabilität, keine nicht-const globalen Variablen, Vorallokierung, In-Place-Funktionen mit ! am Ende, @views, spaltenweises Layout, abstrakte Felder in structs, sicherer Einsatz von @inbounds und @simd. · Diagnostik: @code_warntype, @time, @allocated, BenchmarkTools (@btime, @benchmark), Profile und ProfileView, JET, Cthulhu. · Pkg: der ]-REPL-Modus, add, rm, update, status, activate, instantiate, Project.toml und Manifest.toml, compat-Einträge, dev, PkgTemplates. · REPL-Modi: Hilfe (?), Shell (;), Pkg (]); Revise.jl für Live-Neuladen; startup.jl. · Arrays: Base-Arrays, LinearAlgebra, SparseArrays, StaticArrays, Views, Reshaping, Broadcast-Fusion. · Daten: DataFrames.jl, CSV.jl, Arrow.jl, JSON3.jl, Dates, Statistics, StatsBase, Distributions. · Wissenschaftlicher Stack: DifferentialEquations.jl, Optimization.jl, JuMP, Flux.jl und Lux.jl, Zygote und ForwardDiff, Turing.jl, Symbolics.jl. · Plotten: Plots.jl (GR als Standard, PlotlyJS), Makie (CairoMakie, GLMakie), StatsPlots. · Parallelität: Threads.@threads und @spawn, Distributed mit pmap, Channels, CUDA.jl. · Interop: PythonCall, RCall, ccall. · Werkzeuge: juliaup, VS-Code-Julia-Erweiterung, Pluto, IJulia, PackageCompiler.
88 Zeilen · .txt · Sofort-Download
// was drin ist
Was steckt in diesem Skill?
REPL-bereite Funktionen mit using-Anweisungen und Docstrings
Korrekturen der Typstabilität mit @code_warntype und @btime-Verifizierungsschritten
Exakte Pkg-Befehlsfolgen für fehlerhafte Umgebungen
Code für DataFrames.jl, JuMP, DifferentialEquations.jl und Plots.jl
Wissenschaftler, Quant-Analysten, Ingenieure und Datenentwickler, die täglich numerischen Code in Julia schreiben.
// zwei Wege, es zu bekommen
Nutze es direkt in deiner KI oder lade es einmal herunter.
Library-Plan
Dieser Skill und 2.500+ weitere, direkt in deinem Chat
$9/Monatjederzeit kündbar, oder $59 pro Jahr
Alle 2.500+ Skills, Prompt-Pakete und Agenten, geladen, sobald du fragst
Nichts herunterladen oder einfügen: einmal in Claude, ChatGPT, Claude Code oder Cursor verbinden
Jede Woche neue Skills und 10 Katalogdateien pro Monat zum Herunterladen
Marken ihrer jeweiligen Inhaber. KissMySkills steht in keiner Verbindung zu ihnen und wird nicht von ihnen unterstützt.
// frag deinen Assistenten
Oder lass deine KI diesen Skill für dich einrichten.
Öffne kissmyskills.com/pages/connector und richte den Skill "AI Skill für Julia" (handle: ai-skill-for-julia) für mich ein
Füge ihn in Claude, ChatGPT, Claude Code, Cursor oder Codex ein. Deine KI führt dich durch die Verbindung mit KissMySkills (etwa 3 Minuten, 7 Tage kostenlos testen) und lädt den Skill. Was deine KI lesen wird →
Was du wirklich kaufst
Diese Claude/ChatGPT-Fähigkeit ist ein Julia-AI-Pair-Programmierer für deine tägliche wissenschaftliche Arbeit und Datenarbeit: Sie schreibt REPL-bereite Funktionen mit Docstrings, wandelt langsame Schleifen in typstabilen Code um und zeigt die Befehle @code_warntype und @btime, um dies zu belegen, erklärt MethodError- und BoundsError-Fehlermeldungen, repariert fehlerhafte Project.toml- und Manifest.toml-Umgebungen mit exakten Pkg-Befehlen und erstellt DataFrames.jl-, DifferentialEquations.jl-, JuMP- und Plots.jl-Code für dein Problem.
Sie kennt Multiple Dispatch, die Performance-Regeln rund um globale Variablen, Allokationen und spaltenorientierte Arrays, die Pkg-REPL-Modi, Threading und Distributed sowie die Übersetzung von NumPy, pandas oder MATLAB in idiomatisches Julia. Sie ist eine Hilfe bei deiner Julia-Arbeit, keine Persona für eine berufliche Rolle, und führt Code nicht selbst aus und benchmarkt ihn nicht; sie liefert dir den Code und die exakte Prüfung, die du ausführen sollst.
Funktioniert in Claude, ChatGPT und Gemini auf die gleiche Weise. Ein Kauf, Datei herunterladen, in unter 2 Minuten installieren, dann deinen Code oder Fehler einfügen und eine Lösung mit Begründung erhalten.
// installation
Unter 2 Minuten
Vier Schritte. Jeder KI-Chat.
01
Datei herunterladen
Nach dem Kauf kommt der Download-Link per E-Mail. Speichere die .txt-Datei an einem beliebigen Ort auf deinem Gerät.
02
Öffne deinen KI-Chat
Jeder KI-Chat, den du bereits nutzt: Claude, ChatGPT, Gemini, Grok, Copilot oder ein anderer.
03
Prompt einfügen
Öffne die .txt-Datei, kopiere den Prompt-Abschnitt und füge ihn in Claude oder ChatGPT ein - oder lege ihn in einem Projekt ab, damit er immer da ist.
04
Beginne mit der Arbeit
Deine KI ist jetzt als Spezialist konfiguriert. Frag sie alles innerhalb ihres Fachgebiets.
Keine technischen Kenntnisse erforderlich.
Mit Library gibt es nichts herunterzuladen. Verbinde deine KI einmal und bitte sie dann um einen beliebigen Skill beim Namen.
Er macht Claude oder ChatGPT zu einem Julia-KI-Paarprogrammierer, der typsicheren Julia-Code schreibt, langsame Schleifen und MethodErrors diagnostiziert, Pkg-Umgebungen repariert und für dein Problem Code mit DataFrames.jl, JuMP, DifferentialEquations.jl und Plots.jl erstellt.
Führt er meinen Julia-Code aus oder erstellt er Benchmarks dafür?+
Nein. Er führt nichts aus. Er liefert dir den Julia-Code sowie die exakten @btime-, @code_warntype- oder Pkg-Befehle, die du in deiner REPL ausführen kannst, damit du das Ergebnis selbst überprüfst.
Kann er dabei helfen, Python- oder MATLAB-Code nach Julia zu übertragen?+
Ja. Er schreibt NumPy-, pandas- oder MATLAB-Code in idiomatisches Julia um, weist auf die Unterschiede bei 1-basierter Indizierung, Broadcasting und Mutation hin und nennt die passenden Julia-Pakete.
Kennt er die wissenschaftlichen Julia-Pakete?+
Ja. Er schreibt Code für DataFrames.jl, CSV.jl, DifferentialEquations.jl, JuMP, Flux.jl, Turing.jl, Plots.jl und Makie und sagt dir, wann du die Paketdokumentation für eine Solver-Option prüfen solltest, bei der er sich in deiner Julia-Version nicht sicher ist.
Bereit, deine KI zu spezialisieren?
Dieser und 2.500+ weitere, direkt in Claude, ChatGPT, Claude Code, Codex oder Cursor. Jederzeit kündbar.