データ分析、機械学習、LLMアプリ、プロンプト設計（9,112 件）
Estimate causal effects from observational and experimental data — DAGs, confounding control, quasi-experimental designs, and sensitivity analysis. Use when you need "what causes what," not just correlation.
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。
NLP on clinical text — de-identification, concept extraction, phenotyping from notes, and LLM safety guardrails.
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。
ClickHouse columnar analytics — schema design, MergeTree tuning, and fast queries — use for OLAP and high-volume event 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。
Split documents for retrieval effectively — fixed, semantic, structural, and hierarchical chunking with overlap tuning. Use when RAG retrieval quality depends on how documents are divided.
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 dashboards with Chart.js: layout, KPI cards, cross-chart filtering, theming, and real-time panels. Use for operational and analytics dashboards.
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。
End-to-end bioinformatics analysis — sequence QC, alignment, and omics pipelines for research 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。
Precision position measurement — proper motions, parallaxes, reference frames, and working with Gaia 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。
Statistical methods for biology and medicine — study design, hypothesis testing, regression, and survival analysis.
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。
Analyzing behavioral experiment data — RT/accuracy preprocessing, mixed-effects models, and robust inference.
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。
Bayesian data analysis — priors, likelihoods, posterior computation, model comparison, and honest 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。
Design and build LLM agents: ReAct loops, tool schemas, planning, memory, guardrails, evals, and human-in-the-loop. Use when building autonomous multi-step AI systems.
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。
Proven prompts behind viral AI-made videos across 4 models — Claude, Muse AI, ChatGPT, Gemini. Browse by model, category, or tech tag, copy a creator's prompt, adapt it to your own model and renderer. Use when you need a motion-graphic, explainer visual, 3D scene, interactive animation, or AI video-gen prompt that already worked in the wild.
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 data-centric LLM applications with indexing and retrieval frameworks — document ingestion, indices, query engines, and RAG pipelines. Use when the core problem is getting the right data in front of the model.
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 LLM applications with chain-style orchestration frameworks — prompts, chains, tool-calling agents, memory, and retrieval pipelines. Use when structuring multi-step LLM programs, adding tools to a model, or composing RAG systems in code.
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。
Craft effective AI image prompts with structured syntax, style control, and iterative refinement techniques.
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。
Translates natural language data intents into syntactically valid Perfetto SQL queries and executes them against a local trace file. Use this skill to extract slice, thread, or memory data from Android Perfetto traces using trace_processor.
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。
The complete Go development skill. REQUIRED for ALL Go work — writing, refactoring, reviewing, generating, scaffolding, or discussing Go code, including any change to .go files. Use whenever the user mentions Go, Golang, go.mod, a Go package, or asks to build a Go backend service, CLI, library, script, MCP server (Model Context Protocol), or AI/LLM agent with tool calling or ReAct-style reasoning. Routes by project type to the right architecture, conventions, and review checklist. Highly opinionated; overrides generic Go style and lint guidance on conflicts.
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。
Rules for building offline-first Progressive Web Apps that launch instantly from the home screen. Use when building, reviewing or debugging a PWA, or anything touching a service worker, a web app manifest, precaching, an in-app update prompt, iOS home screen behaviour, or safe-area/notch layout.
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。
最新AI技術動向のレポート（最新 / 週次 / 月次 / 特定トピック別）を Web 検索・WebFetch・GitHub/Hugging Face MCP で調査して生成し、Yagami360/ai-product-dev-tips リポジトリの GitHub Issue として投稿するスキル。ユーザーが「AI技術のキャッチアップ」「最新AIニュースまとめ」「週次/月次のAI動向レポート」「〇〇（例: AI Agent, RAG, VLM, Physical AI, Claude Code）についての技術調査レポート」「AI Tech Catchup レポートを作って」などを求めたとき、たとえ "skill" や "Issue" という単語が無くても必ずこのスキルを使うこと。直近のAI業界の最新情報を調べてまとめてほしい・GitHub Issue 化してほしいという依頼全般で発動する。AI とは無関係な一般的な技術調査や、このリポジトリへの Tip 追加（ai-product-dev-tips-create スキルの領分）には使わない。
Expert prompt engineer specializing in designing, optimizing, and managing prompts for large language models. Masters prompt architecture, evaluation frameworks, and production prompt systems with focus on reliability, efficiency, and measurable outcomes.
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。
Design agent system prompts with explicit behavior rules and cognitive control. This skill should be used when users need to define agent instructions, create intent-to-tool mappings, establish confirmation policies, or prevent hallucinated actions in AI agents.
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。
Design effective reasoning processes for AI agents and optimize decision-making strategies. Use when designing agent prompts, improving decision quality, implementing specialized reasoning modes, creating reasoning traces, or debugging agent mistakes. Covers prompting, chain-of-thought, reasoning depth, and decision evaluation.
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。
Expert quantitative analyst specializing in financial modeling, algorithmic trading, and risk analytics. Masters statistical methods, derivatives pricing, and high-frequency trading with focus on mathematical rigor, performance optimization, and profitable strategy development.
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。
This skill should be used when the user asks to "generate tasks", "create implementation plan", "break down feature", "write agent prompts", "decompose into tasks", "create work items", or when creating agent-ready task descriptions from PRD and SDD documents.
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。