データ・AIのスキル

AIへの指示文を設計し、回答の品質や形式を評価・改善するスキル。具体例の追加、複雑な作業の分割、JSON出力の指定などを通じ、費用や応答時間も検討します。

• 曖昧なAIへの指示を整理したいとき
• JSON出力を構造と例で指定したいとき
• 複雑な依頼を複数の指示に分けたいとき

技術や経済などの将来予測を、過去の発生頻度と賛否の証拠から確率で整理し、新情報による見直しや結果の記録、予測精度の振り返りまで支援するスキル。

• 技術や経済の動向を確率で見積もりたいとき
• 予測を支持・否定する証拠の比較
• 新情報に応じて予測を更新したいとき

データの取り込み・変換・更新処理を設計し、Apache Airflow、Spark、dbtを使った実装や品質検証、障害時の再処理まで支援するスキル。

• データ取り込み・変換を設計したいとき
• 新規・変更データだけを処理したいとき
• 処理の途中に品質検証を入れたいとき

Elasticsearchの全文検索や集計、フィールドの型設計を支援し、インデックス移行、データ保存期間の管理、クラスタの障害調査と性能改善まで扱うスキル。

• 全文検索と入力候補の設計
• ログや時系列データの集計
• インデックス移行と保存期間管理の計画

自律エージェントが編集できる範囲、評価基準、記録方法、失敗時の復旧、人の承認範囲を設計します。長時間の調査や実験を、結果を検証しながら進める仕組みづくりを支援します。

• 自律的な調査・実験を設計したいとき
• 編集範囲と評価基準を分けたいとき
• 長時間実行の進捗と失敗を記録したいとき

電子書籍の本文を分割し、作家の文体を学ぶための学習データを作成します。指示文の生成からモデルの追加学習、文章の丸写しや文体の再現性の検証までを案内するスキル。

• ePubから学習データを作りたいとき
• 作家の文体をモデルに学習させたいとき
• 生成文の丸写しを調べたいとき

LLMを使う企画の適性を見極め、データ取得から出力までの処理を設計します。試作での検証、費用見積もり、単独・複数エージェントの選択、改善手順を整理します。

• LLMに向く作業か確かめたいとき
• 一括分析の処理工程を設計したいとき
• 開発前に処理費用を見積もりたいとき

長い会話や作業履歴を、目的・変更ファイル・判断・次の作業を残して要約します。情報の欠落と読み直しの負担を確かめながら、エージェントの引き継ぎ用要約を設計するスキルです。

• 長い開発セッションを要約したいとき
• 変更ファイルと判断履歴の保持
• 作業の引き継ぎ要約を作りたいとき

AIエージェントが参照する情報を整理し、トークン消費を抑える設計を支援します。出力の省略、要約、キャッシュ、作業分割を回答品質と費用の両面で検討します。

• 長いツール出力のトークン消費削減
• プロンプトキャッシュの再利用改善
• 長い会話のコンテキスト予算設計

長いログや作業計画をファイルに保存し、AIエージェントが必要な部分だけ読み出す仕組みを設計します。会話に収まらない情報の管理や、作業の引き継ぎに使えます。

• 大量のツール出力を必要部分だけ読む
• 長い作業で計画を保持したいとき
• ファイルで調査結果を共有したいとき

AIエージェントの判断やツール操作の記録を分析し、指示からの逸脱や同じ失敗の原因を探ります。プロンプトの修正と再実行を重ね、改善内容を再利用できるスキルにまとめます。

• エージェントの反復失敗を調べたいとき
• ツールの誤選択を見直したいとき
• 評価を重ねてプロンプトを直したいとき

AIに渡す指示・資料・会話履歴をどう選び、配置するかの基礎を学べます。情報量と注意の限界、長文の中央が見落とされやすい理由を理解し、設計を考える判断軸を整理します。

• コンテキスト設計の基礎を学びたいとき
• 入力を増やす限界を理解したいとき
• 指示の配置と注意の関係を知りたいとき

AIエージェントに渡す情報の選び方を軸に、記憶の保存、複数エージェントの連携、ツール設計、動作評価まで、システム構築と改善の方針を整理するスキル集。

• 新しいAIエージェントの情報管理設計
• 長い会話で起きる失敗を調べたいとき
• エージェントの記憶と連携を設計したいとき

長い会話や蓄積した資料によってAIの回答が崩れる原因を診断します。情報の見落とし、誤情報の定着、タスクや資料の混同を見分け、情報の選別や分離などの対処方針を整理します。

• 長い会話で回答品質が落ちる原因調査
• 訂正しても残る誤情報を除きたいとき
• 検索資料の矛盾を整理したいとき

AIエージェントが会話履歴を自分で整理・更新する仕組みを設計します。残す情報の選択から、指示の保護、容量超過への対処、編集コストの評価まで扱います。

• 会話履歴を自己編集する仕組みの設計
• 長時間の作業で正確な値を保持したいとき
• コンテキストの容量超過への対処

エージェントが何を事実と捉え、何を望み、どの計画に取り組むかを構造化します。外部データと判断の根拠、有効期間、行動計画を結び付け、意思決定の経緯を追うためのスキル。

• RDFからエージェントの信念を作る
• エージェントの判断理由を追いたいとき
• 信念の有効期間や変化の管理

会話をまたいで知識や好みを保持し、必要な情報を取り出すエージェントの記憶を設計します。人物や事物の同一性、情報の有効期間、検索方法、記憶の整理と評価まで扱うスキルです。

• 会話をまたいで好みを保持したいとき
• 人物や事物を一貫して追跡したいとき
• 過去の時点の情報を検索したいとき

AIエージェントが失敗記録から指示や実行手順の改善案を作る仕組みを設計し、独立した評価、変更範囲の制限、候補の履歴管理で採用可否を判断するスキル。

• 失敗記録から自己改善の仕組みを設計したいとき
• 自己変更を採用する検証基準の設計
• 評価点の不正な最適化や改善停滞の調査

AIの回答を別のAIで採点・比較する仕組みを設計します。評価基準の作成、回答の順序や長さによる偏りの対策、判断の確信度や人の評価との一致の確認までを扱うスキル。

• 複数モデルの回答を比較したいとき
• プロンプト変更のA/Bテスト
• 共通の採点基準を作りたいとき

長時間自律的に働くAIエージェントへの依頼文を設計・点検します。成功条件、成果に含めない結果、継続・終了条件、並列作業の受け渡し、検証基準を明確にします。

• 曖昧な依頼を明確な作業仕様にしたいとき
• 長時間の自律作業の終了条件の設計
• 並列作業の提出物と確認項目の定義

複数のAIエージェントに仕事を分ける構成と連携方法を設計します。担当ごとに扱う情報を分離し、並列処理や引き継ぎ、結果の検証、単独構成との費用比較まで検討するスキルです。

• 大きな作業の情報を分離したいとき
• 独立した調査を並列に進めたいとき
• 専門担当間の引き継ぎを決めたいとき

複数のAIエージェント間で作業履歴を渡す際の負担を減らす設計を支援します。文章の要約ではなく、モデル内部の記憶から担当タスクに関係する部分を選んで共有します。

• 担当エージェントへの履歴再送を減らす設計
• 内部状態の共有と文章要約の比較
• KVキャッシュ圧縮に必要な環境の確認

機械学習の学習指標を定期確認し、数値異常や発散、改善の停滞を調べます。継続・保留・停止の判断を根拠とともに報告し、停止時は証拠と判断理由を記録します。

• 学習中の損失と評価指標を見守りたいとき
• 数値異常や学習の発散を調べたいとき
• 停滞した学習を続けるか判断したいとき

機械学習の学習ジョブをローカルやリモートのGPUで実行します。空き状況の確認、コード同期、ログ保存、起動確認を行い、設定に応じて実験指標も記録します。

• 空いているリモートGPUで学習したいとき
• CUDAやMPSでローカル実験したいとき
• W&Bで学習指標を記録したいとき