Toolverse
All skills

vastai-rate-limits

by jeremylongshore

Implement Vast.ai rate limiting, backoff, and idempotency patterns.\nUse when handling rate limit errors, implementing retry logic,\nor optimizing API request throughput for Vast.ai.\nTrigger with phrases like \

Installation

Pick a client and clone the repository into its skills directory.

Installation

Quick info

Category
Security

About this skill

Implement Vast.ai rate limiting, backoff, and idempotency patterns.\nUse when handling rate limit errors, implementing retry logic,\nor optimizing API request throughput for Vast.ai.\nTrigger with phrases like \

How to use

  1. Zainstaluj skill vastai-rate-limits w swoim środowisku Claude Code, Codex lub OpenClaw. Upewnij się, że masz dostęp do klucza API Vast.ai oraz bibliotekę requests zainstalowaną w Pythonie.

  2. Utwórz instancję klasy RateLimitedVastClient, przekazując swój klucz API. Klasa automatycznie obsługuje nagłówek Authorization i zarządza sesją HTTP. Możesz dostosować min_delay (minimalny czas między żądaniami, domyślnie 0,5s) i max_retries (maksymalna liczba prób, domyślnie 5).

  3. Wysyłaj żądania metodą request(), podając metodę HTTP (GET, POST itp.) i endpoint API (np. "/search"). Skill automatycznie wymusza minimalny czas między żądaniami, aby uniknąć throttlingu.

  4. Gdy API zwróci status 429 (rate limit exceeded), skill odczytuje nagłówek Retry-After i czeka odpowiednią liczbę sekund przed ponowieniem żądania. Jeśli nagłówek brakuje, stosuje exponential backoff (2^attempt sekund).

  5. Powtórz żądanie aż do max_retries prób. Po wyczerpaniu prób zwróć błąd lub obsłuż go w logice aplikacji. Skill loguje informacje o oczekiwaniu, aby śledzić throttling.

  6. Dla szybkich operacji (search, show) limity są rzadko osiągane, ale skrypty z szybkim provisioningiem lub pollingiem mogą je wyzwolić — skill zapobiega tym problemom poprzez kontrolę tempa żądań.

Related skills

architect-review

by sickn33

Master software architect specializing in modern architecture patterns, clean architecture, microservices, event-driven systems, and DDD. Reviews system designs and code changes for architectural integrity, scalability, and maintainability. Use PROACTIVELY for architectural

Security
2773

ui-audit

by openclaw

AI skill for automated UI audits. Evaluate interfaces against proven UX principles for visual hierarchy, accessibility, cognitive load, navigation, and more. Based on Making UX Decisions by Tommy Geoco.

Security
1223

llama-cpp

by zechenzhangAGI

Runs LLM inference on CPU, Apple Silicon, and consumer GPUs without NVIDIA hardware. Use for edge deployment, M1/M2/M3 Macs, AMD/Intel GPUs, or when CUDA is unavailable. Supports GGUF quantization (1.5-8 bit) for reduced memory and 4-10× speedup vs PyTorch on CPU.

Security
11252

reviewing-code

by CaptainCrouton89

Systematically evaluate code changes for security, correctness, performance, and spec alignment. Use when reviewing PRs, assessing code quality, or verifying implementation against requirements.

Security
1493

qmd

by tobi

Search personal markdown knowledge bases, notes, meeting transcripts, and documentation using QMD - a local hybrid search engine. Combines BM25 keyword search, vector semantic search, and LLM re-ranking. Use when users ask to search notes, find documents, look up information in

Security
1951

openapi-spec-generation

by wshobson

Generate and maintain OpenAPI 3.1 specifications from code, design-first specs, and validation patterns. Use when creating API documentation, generating SDKs, or ensuring API contract compliance.

Security
18109