Predictive Intelligence for ServiceNow — auto-categorization, similarity and clustering
Utiliser ServiceNow Predictive Intelligence depuis l'agent : sn_ml.ClassificationPredictor pour l'auto-catégorisation, SimilarityPredictor pour les records liés, ClusteringPredictor, entraînement/ré-entraînement des modèles et suivi de précision par feedback
- Quoi
- Utiliser ServiceNow Predictive Intelligence depuis l'agent : sn_ml.ClassificationPredictor pour l'auto-catégorisation, SimilarityPredictor pour les records liés, ClusteringPredictor, entraînement/ré-entraînement des modèles et suivi de précision par feedback
- Coût
- Gratuit
- Prérequis
- une instance ServiceNow (Personal Developer Instance gratuite pour le dev ; instance licenciée pour la production) ; l'environnement d'outils agent Serac configuré (outils snow_*)
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill predictive-intelligence de @serac-labs, listé ici avec crédit à son créateur : un playbook développeur pour piloter ServiceNow Predictive Intelligence depuis un agent — configuration de solutions de classification (la table `ml_solution` : champ cible, champs d'entrée, type de capacité), obtention de prédictions avec `sn_ml.ClassificationPredictor` (valeur prédite, confiance, top prédictions), application automatique des classifications aux records, utilisation de `SimilarityPredictor` pour trouver les records liés et de `ClusteringPredictor` pour regrouper les éléments associés, plus les capacités de régression et de recommandation, les flux d'entraînement/ré-entraînement des modèles et le suivi de précision par feedback des prédictions. Il documente les tables clés (`ml_solution`, `ml_solution_definition`, `ml_capability_definition`, `ml_model`, `ml_prediction_result`) et les outils agent disponibles (snow_query_table, snow_execute_script, snow_ml_predict, snow_list_pi_solutions, snow_train_pi_solution). Bémols honnêtes : tout ici tourne dans une instance ServiceNow — il vous en faut une pour l'utiliser (ServiceNow offre une Personal Developer Instance gratuite pour le dev ; la production exige une instance licenciée) — et les outils agent référencés supposent l'environnement d'outils Serac configuré ; les modèles de classification entraînés sur vos données d'incidents nécessitent ré-entraînement et suivi de feedback pour rester précis, et appliquer automatiquement des prédictions à des records de production peut modifier des données live — à relire avant d'activer. Licence Apache-2.0. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : une instance ServiceNow (Personal Developer Instance gratuite pour le dev ; instance licenciée pour la production) ; l'environnement d'outils agent Serac configuré (outils snow_*) Installe-moi « Predictive Intelligence pour ServiceNow — auto-catégorisation, similarité et clustering ». Il donne à mon agent le playbook de @serac-labs pour ServiceNow Predictive Intelligence : configurer des solutions de classification, obtenir et appliquer des prédictions via sn_ml.ClassificationPredictor, prédicteurs de similarité et de clustering, entraînement/ré-entraînement des modèles, et suivi de précision par feedback — avec les tables ml_* clés et les outils snow_* disponibles. Licence Apache-2.0. Dépôt : https://github.com/serac-labs/serac/blob/main/packages/skills/predictive-intelligence/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Les scripts du skill tournent contre une instance ServiceNow live — vérifie que chaque pattern de requête cible les tables attendues et que les identifiants d'instance n'apparaissent jamais dans le code. Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « predictive-intelligence ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. configurer l'accès à mon instance ServiceNow via le coffre — jamais coller d'identifiants dans le skill, mettre en place les outils Serac snow_*, et décider si les prédictions s'appliquent automatiquement ou sont relues d'abord — l'application automatique modifie des données live). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.