データ・AIのスキル

Use when streaming durable workflow updates to a UI in real time — live order status pages that animate as steps complete, AI agent token streaming from a function to the browser, log tailing for long-running jobs, or human-in-the-loop approval flows that publish a prompt and wait for a user reply. Covers Inngest v4 native realtime: defining typed channels, publishing from inside step.run, minting subscription tokens via server actions, and consuming the stream from React/Next.js client components.

日本語の概要は準備中です。原文の説明を表示しています。

VictoriaMetrics provider for obz. Covers all 6 metric commands (query, list, info, labels, label-values, series) using MetricsQL, a PromQL superset with extensions like keep_metric_names and range_normalize. This skill should be used when the user mentions "VictoriaMetrics", "MetricsQL", "obz metric -p vm", or needs to query metrics from a VM backend.

日本語の概要は準備中です。原文の説明を表示しています。

VictoriaLogs provider for obz. Supports log search using LogsQL, a purpose-built query language with _msg, _time, and _stream filters plus pipes for transformation. This skill should be used when the user mentions "VictoriaLogs", "LogsQL", "obz log search -p vl", or needs to search logs from a VL backend.

日本語の概要は準備中です。原文の説明を表示しています。

Query Strava fitness data including activities, athlete stats, segments, routes, clubs, and gear. Use when the user asks about cycling, running, swimming, workouts, training, or Strava data.

日本語の概要は準備中です。原文の説明を表示しています。

DNS C2 operator skill for the AgentCore sandbox breakout demo. This skill should be used when the user asks to run C2 verification, attack a victim chatbot, send commands to a compromised session, retrieve exfiltrated data, or interact with the DNS C2 system.

日本語の概要は準備中です。原文の説明を表示しています。

Use this when setting up a GitHub repo to push its Nix builds to Juspay's shared OSS Attic cache (cache.nixos.asia/oss) — adds the substituter to flake.nix, a nix-cache.yml GitHub Actions workflow, and prompts for the ATTIC_TOKEN secret.

日本語の概要は準備中です。原文の説明を表示しています。

Evaluate code (especially LLM-generated) for structural simplicity using Rich Hickey's "Simple Made Easy" framework. Use this skill whenever reviewing a PR, diff, or code snippet for accidental complexity — particularly when the code was generated by an AI coding assistant and line-by-line review isn't feasible. Also use when the user asks about complecting, simplicity vs. easiness, structural coupling, or concept deduplication. Trigger on phrases like "is this simple", "does this complect", "review for complexity", "structural analysis", or any reference to Hickey, Simple Made Easy, or grey-box review.

日本語の概要は準備中です。原文の説明を表示しています。

Fine-tune large language models — data curation, SFT, parameter-efficient methods (LoRA), evaluation, and avoiding common training failures. Use when a base model needs task-specific behavior or domain knowledge.

日本語の概要は準備中です。原文の説明を表示しています。

Work with text embeddings — choosing models, pooling, similarity measures, evaluation, and multilingual considerations. Use when building semantic search, clustering, or any similarity-based feature.

日本語の概要は準備中です。原文の説明を表示しています。

Programmatic form completion — web forms, PDF AcroForms, and data mapping — use when automating repetitive form filling.

日本語の概要は準備中です。原文の説明を表示しています。

fMRI data analysis — preprocessing, GLM modeling, and group-level inference for task and resting-state studies.

日本語の概要は準備中です。原文の説明を表示しています。

Writing figure captions that make figures self-contained — what to include, ordering, and statistical reporting.

日本語の概要は準備中です。原文の説明を表示しています。

Statistical analysis of extreme weather — EVT, return periods, thresholds, and detection/attribution of rare events.

日本語の概要は準備中です。原文の説明を表示しています。

Build evaluation frameworks for LLM systems — harness design, graders, datasets, regression tracking, and human-in-the-loop eval. Use when you need systematic measurement of model or agent quality.

日本語の概要は準備中です。原文の説明を表示しています。

Distill large models into smaller ones — teacher-student training, data generation, loss design, and quality validation. Use when you need big-model behavior at small-model cost.

日本語の概要は準備中です。原文の説明を表示しています。

Build rich visualizations with Apache ECharts: option config, dataset transforms, large-data performance, and custom rendering. Use for complex dashboards and big datasets.

日本語の概要は準備中です。原文の説明を表示しています。

Compare files, text, and data effectively with diff strategies, semantic comparison, and review workflows.

日本語の概要は準備中です。原文の説明を表示しています。

Drizzle ORM guidance — schema-as-code, relational queries, migrations, and SQL-first TypeScript data access.

日本語の概要は準備中です。原文の説明を表示しています。

Electronic health record analysis — phenotyping, missingness, bias, and observational study design with EHR data.

日本語の概要は準備中です。原文の説明を表示しています。

Elasticsearch search and analytics — mappings, queries, and cluster health — use when building search or log analytics.

日本語の概要は準備中です。原文の説明を表示しています。

Building robust document ingestion — chunking, metadata, and multi-format pipelines for search and RAG.

日本語の概要は準備中です。原文の説明を表示しています。

Generate and edit images with diffusion models: prompting, seeds, CFG, img2img, inpainting, conditioning, and API integration. Use when adding AI image generation to apps or workflows.

日本語の概要は準備中です。原文の説明を表示しています。

Run the data science workflow end to end — framing, exploration, feature engineering, modeling, validation, and communicating results. Use when turning raw data into decisions or predictions.

日本語の概要は準備中です。原文の説明を表示しています。

Analyze text data with NLP — preprocessing, embeddings, topic modeling, sentiment, classification, and evaluation. Use when turning unstructured text into structured insight.

日本語の概要は準備中です。原文の説明を表示しています。