ai-product

Every product will be AI-powered. The question is whether you'll build it right or ship a demo that falls apart in production. This skill covers LLM integration patterns, RAG architecture, prompt engineering that scales, AI UX that users trust, and cost optimization that doesn't bankrupt you. Use when: keywords, file_patterns, code_patterns.

1. Zainstaluj skill z repozytorium davila7 (claude-code-templates). Skill aktywuje się automatycznie, gdy w kodzie lub nazwie pliku pojawi się słowo kluczowe związane z integracją LLM, wzorcami RAG lub inżynierią promptów.

2. Gdy pracujesz nad funkcją opartą na LLM, skill zasugeruje strukturyzowane wyjście z walidacją. Zamiast parsować surowy tekst z modelu, użyj function calling lub JSON mode ze schematem — to eliminuje niespodziewane formaty i zastrzygi bezpieczeństwa.

3. Implementuj streaming odpowiedzi zamiast czekać na pełną odpowiedź przed wyświetleniem. To zmniejsza opóźnienie postrzegane przez użytkownika i pokazuje, że aplikacja pracuje.

4. Wersjonuj prompty w kodzie i testuj je jak zwykły kod — używaj regression suite do sprawdzenia, czy zmiany w promptach nie psują istniejących funkcji. Skill przypomni ci o walidacji każdego wyjścia modelu przed użyciem w logice biznesowej.

5. Monitoruj koszty API na żądanie i obliczaj tokeny przed wysłaniem. Skill wskaże, gdzie kontekst jest zbyt duży lub gdzie można zmniejszyć wydatki bez utraty jakości.

6. Dodaj warstwy obrony: sanityzuj dane użytkownika przed wstawieniem do promptu, obsługuj błędy API i przygotuj fallback, gdy model nie odpowiada. Skill pokaze ci, jak budować systemy, które nie padają, gdy LLM zawiedzie.