データ・AIのスキル

既存AIエージェントの実行記録や利用者の反応から課題を分析し、指示文と作業手順を改善します。変更前後の比較テストで品質、速度、コストを確かめ、継続的な見直しにつなげます。

• 失敗や利用者の修正傾向を調べたいとき
• 指示文や例示、出力形式の改善
• 変更前後のA/Bテスト

LLMの回答を別のLLMで評価するために、採点基準や二つの回答の比較手順を設計し、表示順による偏りの点検と人の評価との照合を支援します。

• AI回答の自動評価を設計したいとき
• プロンプトやモデルの変更を比較
• 評価担当者の採点基準を統一

製品改善のA/Bテストに向けて、仮説や比較案、必要なサンプル数、計測方法を整理します。開始前に評価指標と終了条件を定め、結果の解釈と判断の記録まで支援します。

• 登録フォームの比較テストを設計したいとき
• 必要なサンプル数と期間の見積もり
• 開始前にイベント計測を確認したいとき

繰り返し任せたい仕事に合わせて、専用サブエージェントの役割・手順・出力形式を設計し、プラグイン用ファイルと必要に応じた振り分けスキルを作成します。

• コードレビュー専用の担当を作りたいとき
• 繰り返す指示を役割設定にまとめたいとき
• 既存プラグインに担当を追加したいとき

目標をaccの評価付きメモリを使う処理に渡し、返された検討内容への提案と確信度、後日の結果を送るスキル。回答と参照IDも取り出して提示します。

• 目標をaccの検討処理に渡したいとき
• 返された検討情報に提案を送る
• 回答と判断・参照IDの提示

AIエージェントが使う知識や設計判断をプロジェクトに保存し、検索・参照するスキル。作業で得た知見をMarkdown文書に自動同期して残します。

• 設計判断を次の作業に残したいとき
• 過去の実装パターンを探したいとき
• 知識とプロジェクト文書の同期

データウェアハウスの指標集計やレポート用SQLを、列の明示・日付条件・集計名などの規約に沿って作成し、返答前に確認するスキルです。

• レポートやダッシュボード用SQLの作成
• 件数・合計・期間別の集計
• 複数テーブルのデータ照合

ワールドカップの試合ごとにAIの勝敗予測、関連ニュース、市場の確率を確認し、補正要因を変えた再計算や、明示的な確認を伴う予測市場への注文連携を行うスキル。

• ワールドカップのAI予測を確認したいとき
• モデル予測と市場の確率の比較
• 補正要因を変えた確率の再計算

暗号資産の話題性、検索人気、資金流入、トレーダーの損益をランキングで確認し、チェーンや期間、時価総額などの条件に応じて比較するスキル。

• SNSで話題の銘柄を探したいとき
• 資金の純流入を比較したいとき
• 市場規模で注目銘柄を絞りたいとき

似たデータを探すベクトル検索の速度・検索漏れ・メモリ使用量を調整します。データ規模に合う索引方式の選定から、設定の比較や圧縮方法の検討まで支援します。

• 類似検索の応答を速くしたいとき
• HNSWの検索漏れを減らしたいとき
• メモリ削減の圧縮方式を比較したいとき

機械学習のデータ準備から学習、検証、本番公開、監視までをつなぐ作業手順を設計します。各工程の依存関係、再実行、段階的な公開や切り戻しの方針も整理できます。

• 機械学習の一連の工程を設計したいとき
• 再現可能な学習手順の構築
• 本番公開前のモデル比較

LLMの追加学習を始める前に、正解例と失敗の種類別の採点処理を整えるスキル。人の評価との照合や学習前モデルの測定を通じ、学習後の比較基準を作ります。

• 実行記録から評価セットを作りたいとき
• 失敗の種類ごとに採点したいとき
• LLMの判定を人の評価と照合したいとき

LLMの追加学習が必要かを見極め、検索やプロンプトの改善とも比較しながら、手元のデータと評価方法に合う学習手法、モデル規模、必要メモリを検討するスキル。

• 追加学習と検索・プロンプトを比較したいとき
• 手元のデータに合う学習手法の選定
• モデル規模と必要メモリの検討

回答の比較評価や高評価・低評価のフィードバックを使い、モデルの追加学習方式と設定を選びます。DPOなどの使い分けから回答ペアの作成、学習不調の見直しまで扱います。

• 回答の比較評価に合う方式を選びたいとき
• 個別の高評価・低評価を学習に使いたいとき
• DPOで能力が落ちた際の設定見直し

評価を通過した追加学習済みモデルを、GPUや実行環境に合う形式で書き出し、変換前後の回答比較で、量子化や出力形式の変更による不具合を確認するスキル。

• 配備を承認されたモデルの書き出し
• GPUやノートPC向けの形式選び
• 変換前後の回答を比較したいとき

LLMを学習例で追加学習するLoRA・QLoRAの設定を作成・点検します。学習対象の層やランク、学習率を整理し、GPUメモリに応じた方式選択も支援します。

• 教師あり追加学習のLoRA設定作成
• ランク・alpha・学習率の見直し
• GPUメモリに応じた方式選択

採点済みの実行記録や本番ログを選別し、モデルの追加学習用データに変換します。成功例や修正済み回答、同じ課題の回答ペアを整え、機密情報や評価用データの混入を防ぎます。

• 高得点の成功例を学習に使いたいとき
• 専門家が修正した失敗例の活用
• 同じ課題の回答ペアを作りたいとき

画像と文章を扱うAIモデルの追加学習に向け、学習対象の層やLoRA、画像解像度の設定を整理します。画像と文章の対応ずれなど、学習が進んでも評価が改善しない原因の確認も支援します。

• 画像と文章のタスク向け学習設定
• 画像処理部分を学習するか判断したいとき
• 学習しても評価が伸びない原因調査

投資ポートフォリオの損失リスクや運用成績を、VaR・CVaR・Sharpeなど複数の指標で分析し、リスク上限の設定や継続監視に役立てるスキル。

• ポートフォリオの損失リスクを測りたいとき
• リスクを考慮して運用成績を比較したいとき
• リスク上限や保有量を設定したいとき

意味の近い文書やデータを探す検索を、ベクトルデータベースで実装するスキル。検索方式の選定から、キーワード検索との組み合わせ、精度と応答速度の調整まで扱います。

• 意味の近い文書を検索したいとき
• RAGの資料検索を改善したいとき
• 推薦エンジンの設計

過去の相場データで売買戦略を検証する仕組みを設計します。未来の情報の混入や上場廃止銘柄の除外による偏りを防ぎ、取引コストも含めて成績を評価します。

• 売買戦略の検証基盤を作りたいとき
• 過去の成績に偏りがないか調べたいとき
• 取引コスト込みで戦略を比較したいとき

候補の収集から採点、上位項目の選択までを6段階に分け、推薦フィードや検索順位、タスクの優先順位を決める処理の設計と動くひな形の作成を支援します。

• 個人向け記事フィードの設計
• RAGの検索結果を並べ替えたいとき
• 提案タスクの優先順位付け

言語モデルの追加学習に使うデータを、学習方式に合わせて整形・検証します。会話形式や学習対象の確認、データの詰め合わせ、出典を記録するカード作成まで支援します。

• 生データを学習用JSONLに変換したいとき
• 会話形式と学習対象を確認したいとき
• 詰め合わせ後の区切りを点検したいとき

追加学習したモデルを公開してよいか、学習データの品質、汎用能力の低下、元モデルとの比較、段階的な本番投入で検証し、根拠付きの採否レポートにまとめるスキル。

• 追加学習したモデルの公開を判断したいとき
• 学習で汎用能力が落ちていないか調べたいとき
• 更新した評価基準でモデルを再判定したいとき