LLM SkillsDes données propres pour vos agents
Créez des LLM Skills pour vos agents.
SkillDiscs transforme des sources réelles en infrastructure de données propre pour agents. Partez d’un dépôt GitHub, d’un livre, d’un article de recherche ou d’un article web ; analysez et vectorisez la source en Disk ; puis utilisez-la comme base de connaissance, source MCP, API REST ou Claude Skill.
Formats et entrées acceptés
Fichiers PDFVidéos YouTubeDOCX · PPTXTexte et notes
app.skilldiscs.com / library
Human · reading
FyFeynman explanation100%
RqRecall quiz · 8/10—
CmConcept map—
RsRSVP focus mode—
SKILL DISC
AAgent · querying
RsREST searchsyncing
McMCP retrieval—
SkClaude Skill—
ViVector index—
LIVE
Définition
Qu'est-ce qu'un LLM Skill ?
Un LLM Skill est un dossier autonome qu'un agent IA ne charge que lorsqu'une tâche l'exige : un fichier SKILL.md contenant un nom, une description, des phrases déclencheuses et la procédure elle-même, plus les fichiers de référence auxquels elle renvoie. C'est la description que le modèle lit pour décider s'il ouvre le Skill — un Skill est donc moins un document qu'une procédure munie d'un déclencheur.
SkillDiscs le construit à partir d'une source en laquelle vous avez déjà confiance — un dépôt, un PDF, un livre, une conférence — en extrayant la procédure décrite et en l'empaquetant dans ce format, avec des références vers l'origine de chaque partie.
Structure pour IA
Une infrastructure de données propre pour de meilleures sorties IA.
Les agents ont besoin de données pertinentes et structurées, pas de PDF bruts ni de bouts de prompt. SkillDiscs analyse, structure, vectorise et expose chaque Disk via recherche sémantique, API, MCP ou Skill.
Graphe de connaissanceconcepts, liens, hiérarchie
Structure Markdownsections propres pour prompts
Éléments JSONtitres, tableaux, figures
Recherche et accèsembeddings, pgvector, API/MCP
La documentation est en ligne
La référence complète API et MCP est sur docs.skilldiscs.com.
Utilisez la doc pour les schémas d’endpoint, les outils MCP, le masquage des données, l’authentification et les exemples à copier pour agents.
Les agents ont besoin de données propres, pas de prompts plus longs.
Beaucoup de workflows d’agents s’appuient sur HTML brut, PDF désordonnés ou fragments copiés dans le prompt. Cela augmente le risque d’hallucination. SkillDiscs prépare d’abord la source : analyse, structure, concepts, JSON/Markdown, index vectoriel, recherche sémantique et instructions Skill dans une Disk.
Vous choisissez la source. SkillDiscs en fait une infrastructure utilisable par votre agent.
Cinq étapes
Comment SkillDiscs crée un LLM Skill
D'une source fiable à un dossier que votre agent peut charger.
- 01
Ajouter la source comme Disk
Collez une URL, téléversez un PDF ou un fichier Office, déposez un lien YouTube, ou connectez un dépôt GitHub. SkillDiscs le découpe en sections, points clés et concepts, l'original restant attaché.
- 02
SkillDiscs vérifie que la Disk est procédurale
Un classifieur détermine si le contenu décrit réellement une procédure reproductible. Le matériel de référence qui n'en est pas une est signalé comme tel plutôt que forcé dans un Skill qui ne se déclencherait jamais correctement.
- 03
Extraire la procédure
Les étapes, les préalables et les passages sur lesquels ils reposent sont extraits de la Disk. Chaque partie conserve une référence vers la section de la source dont elle provient.
- 04
Générer le paquet Skill
Vous obtenez un SKILL.md avec un nom, une description et des phrases déclencheuses, plus les fichiers de référence visés par la procédure — la structure de dossier que Claude et Claude Code chargent directement.
- 05
Évaluer le déclencheur, puis télécharger
Le Skill généré est évalué face à des prompts pertinents (il doit se déclencher) et non pertinents (il doit rester silencieux) : vous voyez sa fiabilité avant de le livrer. Téléchargez le paquet et déposez-le dans votre agent.
Connectez votre agent
Donnez à vos agents accès à votre connaissance SkillDiscs.
Claude et Claude Code se connectent via MCP. ChatGPT, GPT personnalisés, agents OpenAI et apps tierces utilisent l’API REST comme outils ou actions. Toute Disk peut aussi devenir un Claude Skill.
API REST
Auth par clé Bearer, JSON en entrée et en sortie. Les apps tierces peuvent chercher, lister et récupérer des données Disk propres, structurées et vectorisées.
Serveur MCP
Un serveur Model Context Protocol exposant search_knowledge, get_disk et list_disks — conçu pour Claude, Claude Code et d’autres clients MCP.
Export Claude Skill
Exportez toute Disk en bundle Claude Skill téléchargeable (SKILL.md + références) — construit depuis YouTube, articles de recherche, livres, PDF et notes.
Claude
Connectez Claude ou Claude Code via MCP, ou ajoutez un Claude Skill généré. Les réponses peuvent citer les passages exacts de la Disk.
Tout client MCP
Claude Desktop, Claude Code, Cursor, Windsurf ou votre propre client MCP — ajoutez l’endpoint et vos Disks deviennent interrogeables.
ChatGPT & GPT personnalisés
Pointez un GPT personnalisé ou un agent OpenAI vers l’API REST comme outil ou action. Il obtient la même recherche vectorielle et du JSON structuré.
Votre propre code
LangChain, LlamaIndex, un cron ou un simple fetch — c'est juste du HTTP + une clé Bearer. Déployable partout.
Surface API
Tous les endpoints de production au même endroit.
Utilisez REST pour un outil ou une app. Utilisez MCP quand votre client agent parle déjà Model Context Protocol.
POST/api/v1/searchRechercher la connaissanceRecherche sémantique de sections dans vos Disks, avec résultats pertinents, points clés, contexte source et signal de masquage.GET/api/v1/disksLister les DisksDécouvrez les Disks possédées et sauvegardées actives par scope, catégorie, tag et métadonnées.GET/api/v1/disks/{id}Obtenir une DiskRécupérez une Disk par UUID ou public_id, avec sections, tags, URL source et texte source conditionnel.POST/api/v1/disks/batchRécupération batchRécupérez jusqu’à 10 Disks possédées en une requête quand l’agent connaît déjà les IDs.POST/api/mcpServeur MCPEndpoint MCP Streamable HTTP exposant search_knowledge, get_disk et list_disks à Claude et autres clients.
Ce que vous pouvez connecter
Quatre façons utiles de donner SkillDiscs à vos agents.
La même Disk peut alimenter une session Claude, une fonctionnalité produit, un workflow backend ou un Claude Skill portable.
Claude et Claude Code via MCP
Ajoutez l’endpoint MCP SkillDiscs : Claude peut chercher votre bibliothèque, ouvrir une Disk et ancrer ses réponses dans vos sources sauvegardées.
Lire le setup MCPTout agent compatible MCP
Utilisez les mêmes outils depuis Cursor, Windsurf, des runtimes agent locaux ou votre propre client MCP Streamable HTTP.
Voir les outils MCPApps tierces et automatisations
Appelez les endpoints REST depuis SaaS, workflows, notebooks ou tâches backend qui ont besoin d’une récupération de connaissance par utilisateur.
Voir les endpoints RESTPackages Claude Skill
Transformez une Disk en bundle Skill portable avec instructions et références, utile quand un package statique vaut mieux qu’une récupération live.
Planifier les flux SkillPourquoi SkillDiscs
Pourquoi les agents travaillent plus précisément avec SkillDiscs
SkillDiscs prend en charge l’infrastructure dont l’IA a besoin avant de pouvoir bien répondre.
Qualité source curée par des humains
Chaque Disk a été ajoutée parce qu'un humain a jugé qu'elle valait la peine d'être gardée. Pas de spam, pas d’extractions remplies de pubs.
Analyse haut niveau
PDF, fichiers Office, pages web, YouTube et dépôts GitHub deviennent des sections propres, tableaux, figures, titres et structure source. Plus de bloc de texte de 60 pages dans la fenêtre de contexte.
Index vectoriel et recherche inclus
Sections et fragments RAG sont vectorisés et stockés dans pgvector. Votre agent interroge les données pertinentes sans construire son propre pipeline d’embeddings ou sa base vectorielle.
Base de connaissance, API, MCP, Skill
La même Disk sert de base de connaissance structurée, API REST, source MCP ou Claude Skill. Votre agent reçoit les données au bon format, pas des fragments de prompt.
Comparaison
LLM Skill vs RAG, MCP et fichier de prompt
Quatre façons de donner des connaissances à un modèle. Elles résolvent des problèmes différents, et se combinent.
| LLM Skill | Base RAG | Serveur MCP | Fichier de prompt | |
|---|---|---|---|---|
| Ce que c'est | Une procédure empaquetée en fichiers | Un corpus découpé et vectorisé | Une connexion vivante aux données et outils | Des instructions placées dans le contexte |
| Où ça vit | Dans le dossier Skills de l'agent | Dans une base vectorielle | Sur un serveur auquel le client se connecte | Dans la conversation |
| Comment le modèle y accède | Lit la description, charge le corps si la tâche correspond | Récupéré par similarité, à chaque requête | Appelé à l'exécution comme un outil | Toujours présent, à chaque tour |
| Idéal pour | Un savoir-faire répétable : workflow, style maison, checklist | Répondre à des questions sur un grand corpus | Des données qui changent, ou des actions à exécuter | Des règles ponctuelles ou permanentes |
| Coût d'une modification | Régénérer le paquet | Revectoriser les documents modifiés | Redéployer le serveur | Modifier et renvoyer |
Ils s'empilent au lieu de se concurrencer. Un Skill peut demander à un agent d'appeler un point de terminaison MCP SkillDiscs, et la Disk derrière ce Skill est celle-là même que l'API de recherche interroge.
Sous le capot
Analyse, index vectoriel et recherche — prêt pour les agents
SkillDiscs construit les couches que les équipes agent doivent souvent bâtir elles-mêmes : extraire, structurer, enrichir, vectoriser, stocker et servir la source.
- 01
Extraire
Crawl4AI pour les URLs, parsers structurés pour documents/Office/PDF, transcriptions YouTube et extraction GitHub. La sortie : des données utilisables, pas des fichiers bruts.
- 02
Enrichir
Résumés, points clés, concepts, graphe de connaissances, structure JSON/Markdown et indices Skill rendent la source lisible pour humains et modèles.
- 03
Indexer
Sections et fragments RAG sont vectorisés et stockés dans Postgres + pgvector. Votre agent cherche sémantiquement au lieu d’empiler du contexte dans un prompt.
- 04
Servir
API REST, serveur MCP et export Skill fournissent l’accès. Les agents peuvent utiliser la Disk comme base de connaissance, outil ou Skill.
Exemple live
Voyez-le en action
Un POST récupère pour votre agent les sections les plus pertinentes de toute la bibliothèque.
Requête
POST https://skilldiscs.com/api/v1/search
Authorization: Bearer sk_live_…
Content-Type: application/json
{
"query": "how does photosynthesis work?",
"limit": 3
}Réponse
{
"results": [
{
"disk_title": "Plant Biology Fundamentals",
"section_index": 4,
"section_text": "Photosynthesis converts light energy ...",
"key_points": [
"Chloroplasts capture sunlight",
"Calvin cycle fixes CO2"
],
"redacted": false,
"similarity": 0.94
}
]
}Conçu pour
Pensé pour ces cas d’usage
Quel que soit votre agent, SkillDiscs remplace les extractions brutes et les prompts fragiles par une analyse propre, un index vectoriel, de la recherche sémantique et des bases de connaissance structurées.
RAG sur une base curée
Bot support, copilote interne ou assistant de recherche : réponses ancrées dans du contenu réel et possédé.
Agents par utilisateur
L'agent de chaque utilisateur ne voit que sa bibliothèque. RLS appliqué. Idéal pour SaaS.
Fournisseur d’embeddings prêt à intégrer
Sautez votre pipeline d’ingestion + embeddings. Envoyez URLs / PDF via l’app, puis interrogez l’API depuis votre backend.
FAQ
Questions sur les LLM Skills
Qu'est-ce qu'un LLM Skill ?
Un LLM Skill est un dossier qu'un agent IA charge à la demande : un fichier SKILL.md avec un nom, une description, des phrases déclencheuses et une procédure, plus les fichiers de référence associés. Le modèle lit la description pour juger de la pertinence, et ne charge le reste qu'ensuite — la procédure ne coûte donc rien tant qu'elle n'est pas nécessaire.
En quoi un Skill diffère-t-il d'une base RAG ?
Un Skill porte une procédure et se charge quand son déclencheur correspond à la tâche. Le RAG récupère des passages par similarité sémantique, requête par requête. Autrement dit : un Skill répond à « comment fait-on ici », le RAG répond à « que dit la source ». SkillDiscs produit les deux à partir de la même Disk, vous n'avez pas à choisir d'avance.
Puis-je créer un LLM Skill à partir d'un dépôt GitHub ?
Oui. Connectez le dépôt : SkillDiscs en fait une Disk — structure, architecture et wiki généré — puis en extrait la procédure. Les PDF, documents Office, EPUB, pages web et vidéos YouTube fonctionnent de la même façon.
Quels agents peuvent utiliser les Skills générés ?
Le paquet utilise la structure de dossier standard des Skills : Claude et Claude Code le chargent directement. Tout client compatible MCP atteint la même Disk via le point de terminaison MCP, et tout ce qui sait faire une requête HTTP peut passer par l'API REST /api/v1.
Un Skill généré garde-t-il un lien vers la source ?
Oui. Les étapes extraites conservent des références vers les sections de la Disk dont elles proviennent, et la Disk garde sa source d'origine attachée. Un agent peut donc montrer d'où vient une étape et interroger la même Disk via l'API pour davantage de contexte.