データ・AIのスキル

OpenClawにモデル提供サービスを追加し、実際の応答まで確認するスキル。認証情報は環境変数やファイルへの参照で扱い、設定の検証と結果報告も進めます。

• OpenClawにモデルを追加したいとき
• 認証情報を参照形式で設定したいとき
• モデルの実際の応答を確認したいとき

Gemini CLIで質問への回答や文章生成、ファイル内容の要約を単発で実行します。モデルやJSON出力の指定、拡張機能などの管理コマンドも扱います。

• メモファイルを要約したいとき
• 単発の依頼で文章を生成したいとき
• 回答をJSON形式で受け取りたいとき

ローカルにある複数のAI開発エージェントのログを集計し、トークン数やAPI換算費用をSVGカードにします。READMEや資料に載せる利用状況をまとめられます。

• READMEにエージェント利用状況を掲載
• 複数エージェントの活動を共有したいとき
• トークン数とAPI換算費用の可視化

繰り返すLLMへのAPIリクエストで、共通の指示や資料を再利用しやすく並べるスキル。キャッシュ利用量と費用、応答時間を確認し、構成の見直しを支援します。

• 繰り返すAPIの共通指示を並べ替え
• キャッシュの読み書きと保存費用を試算
• キャッシュ利用率と応答時間を測定

ベンガル語の検索やAI向けに、文字表現の統一、単語分割、数字変換、結合文字を壊さない表示処理を整理し、学習データの整備や保存にも役立つスキル。

• ベンガル語の検索や入力を実装したいとき
• ベンガル語の学習データ整備
• ベンガル語と英語の会話対応

Claude Codeの終了時に会話から再利用できる解決手順を抽出し、学習済みスキルとして保存する旧版です。現在は非推奨で、後継版への移行案内も含みます。

• 既存の終了時学習フローの確認
• 保存済みの学習スキルの整理
• パターン抽出の基準調整

PyTorchのモデルや学習コードを作成・点検し、データ読み込み、実験の再現性、学習状態の保存、GPUメモリや処理速度の改善を支援するスキル。

• PyTorchの学習コード作成・レビュー
• 実験結果が揃わない原因を調べたいとき
• 読み込み速度やGPUメモリの改善

候補の探索や比較を繰り返し、試行の根拠と判断を追記型の台帳に残すスキル。前回との整合性や再検証の結果を確認し、実取引や本番操作へ進む条件を明確にします。

• 試行を重ねて候補を比較したいとき
• 判断の根拠を記録したいとき
• 新情報で前回の採用候補を見直したいとき

請求書やフォームなどの規則的なテキストから情報を取り出す処理を、正規表現とLLMで設計し、抽出結果の信頼度が低い項目だけを確認・修正する流れを示します。

• 問題文・選択肢・解答の抽出
• フォームや請求書の抽出処理設計
• 正規表現とLLMを選びたいとき

ユーザーや状況に合う上位候補を選ぶ推薦・ランキング処理を、候補取得から採点、選択、記録までの6段階で設計し、動くコードのひな形にするスキル。

• 個人向けコンテンツ配信の設計
• 検索やRAGの結果を並べ替えたいとき
• タスクの優先順位付け

AIへの依頼文から目的や不足情報を整理し、作業範囲に合うECCのコマンドやスキルを提案します。診断と改善理由を添え、そのまま貼り付けて使える依頼文に書き直します。

• 曖昧な開発依頼を具体化したいとき
• 依頼文に完了条件と検証を加えたいとき
• 作業に合うECCの構成を選びたいとき

機械学習のない既存アプリに、推薦・分類・予測などを追加するための手順を整理します。課題とデータの確認から、最初のモデルの学習・評価・組み込みまでを支援します。

• 既存アプリに推薦機能を加えたいとき
• 学習データの準備状況を確認したいとき
• 代替ルール付きで予測を組み込みたいとき

OpenClawのエージェントに、背景や性格、行動の底線、名前を設定します。好みやランダム抽選から、設定ファイルと头像用の画像生成プロンプトをまとめるスキル。

• OpenClawの人格を一から作りたいとき
• ランダム抽選で設定案を探したいとき
• 大まかな設定に名前や底線を足したいとき

機械学習モデルを本番で使うために、データの仕様、再現可能な学習、品質評価、配備、監視、切り戻しを整理し、実装計画やレビュー項目にまとめるスキル。

• 実験コードを学習パイプラインにしたいとき
• モデル公開前の品質基準づくり
• データ漏洩や前処理の不一致の調査

AIエージェントの反復作業を設計・点検し、機械で判定できる完了条件、変更禁止の境界、独立した検証、再試行上限を定めて空回りや暴走を防ぐスキル。

• 反復作業の完了条件を定めたいとき
• 空回りや検証の抜け道の点検
• 計画・実装・検証の役割分担

サブエージェントの作業に必要なコードや背景情報を、検索と評価を繰り返して絞り込むスキル。見つかった用語や不足情報を次の検索に反映し、関連するファイルを集めます。

• 修正担当に必要なファイルを探したいとき
• 機能追加前に既存実装を集めたいとき
• プロジェクトの用語に合わせた検索

Itôで予約済みのGPUを使ったモデル配信の相談に対し、現状の未対応範囲と将来必要な確認事項を整理するスキル。現在は配信を開始せず、制約を案内します。

• Itô GPU予約後の配信対応を確認したいとき
• OpenAI互換の接続先の制約を知りたいとき
• 将来のモデル配信設定を確認したいとき

iOS 26以降のアプリに、端末内で動く言語モデルを組み込むスキル。文章生成・要約、入力からのデータ抽出、独自処理の呼び出し、生成中の画面更新を扱います。

• オフラインの文章生成・要約
• 入力文から項目を抽出したいとき
• AIからアプリ独自の処理を呼ぶ

予約済みのItô GPU環境で機械学習の訓練が利用可能かを確認するスキル。現状は訓練を実行せず、未提供の機能と将来の引き渡し条件を整理します。

• GPU予約後に訓練可否を確認したいとき
• 追加学習の引き渡し要件の確認
• 予約・予算・確認手続きの整理

LLM APIの費用を抑えるため、作業の複雑さに応じたモデル選択、予算の記録、一時的なエラーの再試行、共通プロンプトのキャッシュを組み合わせる設計例を示します。

• LLMアプリのAPI費用を見直したいとき
• 一括処理の難易度でモデルを選びたいとき
• 予算に対する累積費用の確認

大量データの取り込みや過去分の補充、変換、同期の遅さを工程別に調べ、処理方法を比較して高速化し、行数・ファイル数・時刻の整合性まで確認するスキル。

• 大量データの取り込み・書き出しの高速化
• 過去データの補充時間を短縮したいとき
• バッチサイズや並列処理数を比較したいとき

AIエージェントが継続して作業するループを、品質確認と評価、失敗時の停止・再実行の方針を組み合わせて設計し、進捗停滞や再試行に対処するスキル。

• 継続作業のループ方式を選びたいとき
• 品質確認と評価を組み合わせたいとき
• 失敗や進捗停滞からの復旧

AIエージェントが使うツールの種類や入出力、エラーからの復帰手順を設計・見直します。文脈の情報量も整理し、作業完了率や再試行回数で改善を評価します。

• エージェントのツールや入力形式の設計
• ツールの結果と次の行動を明確にしたいとき
• 安全な再試行と停止条件を定めたいとき

ClickHouseの分析用テーブル設計、集計クエリの作成、遅い処理の見直しを支援します。大量データの一括取り込みやリアルタイム集計の設計にも使えます。

• 大量データ向けのテーブル設計
• 遅い集計クエリを改善したいとき
• 大量データを一括投入したいとき