データ・AIのスキル

AIとの会話で得た情報を保存し、必要な場面で取り出す記憶機構の設計を支援します。短期・長期の記憶や人物などの情報を整理し、検索、統合、利用者ごとの分離を検討します。

• 会話をまたいで覚えるAIの設計
• 人物や対象ごとの事実の保存・更新
• 関連する記憶をプロンプトに追加

AutoGPTで複数工程のAI処理を組み立て、継続実行するエージェントの構築・運用を支援するスキル。画面でのフロー作成から定期実行、監視、性能評価まで扱います。

• 画面操作でAIフローを組みたいとき
• 定期実行や外部イベントでの起動
• Forgeで独自機能を追加したいとき

機械学習の処理を複数のGPUやマシンに分散するために、既存コードの調整、学習条件の比較、中断時に備えた保存と再開の設定までを支援します。

• 既存PyTorchコードの複数GPU対応
• HuggingFaceモデルの複数マシン学習
• 学習率やバッチサイズを比較したいとき

自律的に作業するAIエージェントの設計を支援するスキル。ツール呼び出し、記憶、計画、複数エージェントの連携を整理し、実行上限やエラー処理、動作の追跡も検討します。

• 計画して実行するエージェントを設計したいとき
• ツールの定義と選択方法を整理したいとき
• エージェントが記憶する情報を決めたいとき

LLMに渡す会話や資料を、重要度に応じて要約・削減・振り分けし、入力できる量の上限や長い会話での情報の見落としに対処する方針を整理するスキル。

• 会話がトークン上限に近づいたとき
• 重要情報を残して対話を要約したいとき
• 重要な指示や情報の配置の見直し

入力ごとに一部の専門ネットワークを選んで動かすMoEモデルの設計と学習を支援します。処理の振り分け、負荷の偏り、GPUへの分散を調整し、推論の最適化まで扱います。

• 計算予算に合わせてMoEを設計したいとき
• Mixtral型の処理振り分けを実装したいとき
• 担当間の負荷や学習の安定性を調整したいとき

社内文書やWeb、データベースを取り込み、関連情報を検索して答えるLLMアプリの構築を支援します。文書への質問応答や会話型検索、回答の評価を扱います。

• 社内文書の質問応答を作りたいとき
• 会話を覚えるチャットボットの構築
• ファイル・Web・DBを横断した検索

調査・執筆・分析などの役割を持つAIエージェントをCrewAIで組み合わせ、作業の引き継ぎや記憶、条件分岐を備えた協働処理を構築するスキル。

• 調査から記事作成までの分担処理
• 管理役による専門エージェントの連携
• 条件分岐のある作業フローの構築

データの収集・変換・検証をつなぐ処理や分析用の保存基盤を設計・実装し、定期処理からリアルタイム処理まで、品質監視や運用コストも含めて整えるスキル。

• 定期的なデータ収集と変換の構築
• 分析用データウェアハウスの設計
• データベース変更のリアルタイム同期

大きな言語モデルの出力を手本に、小さなモデルを学習させる知識蒸留を案内します。予測分布や生成文を使う学習、設定値の調整、学習後の出力比較まで扱うスキルです。

• 大型モデルから小型モデルを学習したいとき
• 教師の生成回答で追加学習したいとき
• 専門知識を持つ小型モデルの育成

NVIDIA Megatron-Coreで大規模言語モデルの分散学習を設定します。複数GPUへの処理の分け方、学習条件、性能監視、メモリ不足への対処を支援します。

• LLaMA系モデルの分散学習を計画したいとき
• MoEの専門部分をGPUへ分散したいとき
• 学習速度とGPU利用率を調整したいとき

AIエージェントが過去の情報を必要な場面で取り出せるよう、短期・長期記憶の構成を設計。記憶の種類、保存先、文書分割、検索方法を用途に合わせて検討するスキル。

• 会話をまたぐ記憶の設計
• 経験・知識・手順の保存先選定
• 保存情報を思い出せない原因の見直し

LLMの不要な重みを削るプルーニングで、モデルの軽量化を支援します。再学習なしの圧縮手法や、対応ハードウェアでの推論高速化、圧縮後の精度評価を扱います。

• 再学習なしでLLMを圧縮したいとき
• プルーニング手法の比較
• 対応ハードウェアでの推論高速化の検討

社内のSQLデータベース、問い合わせ履歴、文書をcogneeで関連付け、複数の情報源を横断して担当者や意思決定の経緯を調べる質問に答えるスキル。

• 社内の情報源を横断した担当者の確認
• 複数の資料から意思決定を調べたいとき
• 問い合わせの対応担当を確認したいとき

cogneeの取り込み速度や検索の待ち時間、LLM利用費を見直し、並行処理数・分割サイズ・呼び出し制限・モデル選択を用途に合わせて調整するスキル。

• 文書取り込み前の費用見積もり
• 取り込み速度と呼び出し制限の調整
• 検索の待ち時間を減らしたいとき

cogneeで独自の情報抽出や加工処理をPythonのタスクとして組み合わせ、グラフへの保存、既存データへの情報追加、実行状況の確認まで支援するスキル。

• 独自の情報抽出・加工処理を作りたいとき
• 独自データ型のグラフ・ベクトルDB保存
• 既存グラフへの情報追加

cogneeに保存した内容を探して確認し、文書単位やデータセット単位で削除します。元ファイルを残し、検索用の関連情報やベクトルだけを消す手順も扱います。

• 保存済みの特定文書を削除したいとき
• データセット全体の削除
• 元ファイルを残した検索用記憶の消去

テキスト、ファイル、URL、データベースなどをcogneeの記憶に取り込む手順を案内。保存先や抽出方法の選択、費用の見積もり、設定エラーの調査を支援します。

• 文書やURL、データベースを取り込み
• 保存する情報を案件やテーマ別に整理
• 取り込み前に費用を見積もりたいとき

cogneeに保存した文書や会話を検索し、回答や根拠となる文章を取り出す方法を案内。検索方式と対象範囲を選び、結果が空になる原因の調査も支援します。

• 資料や会話を範囲を絞って検索
• 回答の根拠や文脈を取得したいとき
• 質問に合う検索方式を選びたいとき

cogneeで人物や役割などの情報と関係を独自に定義し、同じ対象の重複を防ぐ設定や検索対象の指定、関係が保存されない原因の調査を支援するスキル。

• 独自の情報と関係を設計したいとき
• 同じ対象の重複登録を防ぎたいとき
• 検索漏れや関係の欠落を調べたいとき

ターミナルからcogneeに情報を記憶させて検索し、削除や記憶の更新、データセット・設定の管理、データベースの移行までコマンドで操作します。

• ターミナルで資料を記憶・検索したいとき
• 取り込み前に利用量と費用を見積もる
• データセットと保存設定の管理

cogneeで使うLLMや検索用の埋め込み、データベース、保存先を切り替え、外部サービスとの接続やMCP経由の開発ツール連携を設定します。

• モデル変更やOllamaのローカル利用
• PostgresやNeo4jとの接続
• S3にデータを保存したいとき

cogneeの導入からPython SDKでの情報の記憶・検索までを案内し、仮想環境やAPIキー、追加機能の設定と最小サンプルの実行を支援します。

• 新しいPython環境への導入
• 記憶と検索の最小例を試したいとき
• プロジェクト別に情報を管理したいとき

cogneeで会話やエージェントの実行記録、評価を一時保存し、長期的な記憶へ反映する流れを案内。処理結果の読み方や実行されない原因の調査も支援します。

• 会話と実行記録をセッション別に保存
• 会話内容を長期的な記憶に反映
• 処理の省略や実行待ちの原因調査