データ・AIのスキル

日本語を含む多言語テキストを、AIモデルが扱う単位に分割する処理を支援するスキル。生の文章からの独自語彙の学習や、分割結果・数値IDへの変換を案内します。

• 多言語AIモデル向けのテキスト準備
• 日本語の文章から語彙を学習したいとき
• 同じ分割処理を再現したいとき

大規模言語モデルの一部だけを追加学習し、GPUメモリを抑えて用途別に調整するスキル。LoRA・QLoRAの設定から学習結果の保存・切り替えまで案内します。

• 限られたGPUメモリで追加学習したいとき
• 用途に合うLoRA設定を選びたいとき
• 同じモデルで用途別の学習結果を切り替えたいとき

長い文章を扱うモデルの学習・推論で、Flash Attentionによる計算の高速化とGPUメモリ削減を支援し、組み込みから速度・出力比較まで案内するスキル。

• 長い入力でGPUメモリを節約したいとき
• PyTorchモデルへの組み込み
• 変更前後の速度と出力の比較

大量の文章をAIモデル用の単位に高速に分割し、独自語彙の学習から入力の長さ調整まで支援するスキル。分割した単位と原文の位置の対応も確認できます。

• 大量の文章を分割したいとき
• 独自の分割用語彙を学習したいとき
• 抽出した名前や回答を原文に対応付けたいとき

小さなGPTの学習と文章生成を通じて、言語モデルの仕組みを学ぶスキル。CPUでの実験から独自テキストでの学習、GPT-2の追加学習や複数GPUでの再現まで扱います。

• CPUでShakespeareを学習したいとき
• 独自テキストを学習データにしたいとき
• 学習済みGPT-2を追加学習したいとき

大規模言語モデルを報酬に基づいて追加学習する手順を案内します。Megatron-LM と SGLang を使い、学習データの準備から非同期実行、独自の生成処理まで扱います。

• GLM や Qwen3 の GRPO 学習準備
• 回答生成と学習を非同期で動かしたいとき
• 複数ターンでツールを使うエージェント学習

言語モデルの有害な出力を減らす学習手順を案内します。原則に沿った自己批評と回答修正、AIによる回答比較を使い、教師あり学習から強化学習までを扱います。

• 安全性を学習させる原則の設計
• 自己批評と修正による学習データ作成
• AI評価を用いた強化学習の計画

RWKVの導入から文章生成、長文の分割処理、追加学習までを案内します。推論時の状態の引き継ぎやメモリ特性を理解し、モデルを使う実装に役立つスキルです。

• 文章を逐次生成したいとき
• 長文を分割して処理したいとき
• RWKVの追加学習を検討したいとき

大規模言語モデルの重みを4ビットに圧縮し、GPUメモリの節約と推論の高速化を図るスキル。AWQによる変換、量子化済みモデルの読み込み、vLLM連携を案内します。

• 少ないGPUメモリでLLMを動かしたいとき
• 専門分野の文章で量子化を調整したいとき
• AWQモデルをvLLMで配信したいとき

1台のGPUに収まらないモデルの学習に向け、PyTorch FSDP2を既存コードへ組み込みます。複数GPUへの分割、精度設定、学習状態の保存と復元を支援します。

• 1台のGPUに収まらないモデルの学習
• 既存の学習コードへのFSDP2導入
• 混合精度とCPUへの退避設定

Axolotlを使うLLMの追加学習で、YAML設定や学習手法の選択、データ形式の確認、複数GPUでの設定や不具合調査を支援するスキル。

• 追加学習用のYAML設定作成
• LoRAや好みに基づく学習手法の検討
• データ形式と入力処理の確認

LLMアプリの入力と出力に安全確認を組み込むスキル。指示の回避を狙う入力の検出、個人情報のマスキング、回答の事実確認などを設定する手順を案内します。

• 安全ルールを回避する入力を検出したいとき
• 処理前に個人情報をマスクしたいとき
• 生成した回答に事実確認を加えたいとき

大規模言語モデルの学習を複数GPUに分散する設定を支援。NVIDIA Megatron-Coreで並列化方式を選び、メモリ使用量や処理速度を調整します。

• LLaMA型モデルの分散学習設計
• MoEの専門ネットワークの分散配置
• GPU使用効率と学習速度の調整

LLMを用途に合わせて追加学習するために、WebUIでのコード不要の操作やLoRA・QLoRAの活用、実装や不具合の調査を資料に沿って支援するスキル。

• 画面操作で追加学習を学びたいとき
• LoRA・QLoRAの学習方法の確認
• 対応モデルやマルチモーダル機能の確認

言語モデルの追加学習をUnslothで進めるための資料参照と実装相談を支援。LoRAやQLoRAを使う学習の高速化・省メモリ化を軸に、APIの確認や不具合の調査を案内します。

• 学習の高速化と省メモリ化を調べたいとき
• LoRAやQLoRAの追加学習を学ぶ
• Unslothの機能やAPIを確認

回答の正しさや出力形式を点数で評価し、言語モデルを追加学習する実装を支援します。TRLを用いたデータ準備、報酬関数の設計、学習設定、進捗確認まで扱います。

• JSONやXMLの出力形式を学習させたいとき
• 数学やコードの正解に報酬を与えたいとき
• 正確さ・形式・文体を両立する追加学習

OpenClawに会話を継続して記憶する仕組みを導入し、設定・更新・不具合の確認を進めるスキル。ローカル保存や会話の自動記録、タスク要約の利用を支えます。

• OpenClawに長期記憶を導入したいとき
• 記憶プラグインの更新・不具合調査
• 記憶検索のモデルを選びたいとき

Apache Sparkによる大量データの加工・集計を実装し、処理の遅さやデータの偏りを調べながら、分割方法やメモリ設定の調整まで支援するスキル。

• 大量データの加工・集計を実装したいとき
• Sparkの遅さやデータの偏りを調べたいとき
• メモリ設定とデータ分割の調整

pandasで表形式データの欠損処理、結合、集計、時系列の加工を支援します。変換前後のデータ品質を確認し、大きなデータの処理速度やメモリ使用量も見直します。

• 欠損値やデータ型を整えたいとき
• 複数の列を条件に表を結合したいとき
• グループ集計やピボット表の作成

LLMを特定の業務や用途に合わせて追加学習するため、JSONLデータの検証、LoRA・QLoRAの設定、学習条件の調整、評価、軽量化と配備準備を支援します。

• JSONL学習データの準備と検証
• GPUメモリに合う学習手法の選択
• 学習条件の設定と過学習の監視

機械学習のデータ検証、学習、評価、公開をつなぐ処理基盤を実装するスキル。実験記録やモデルの版管理、再学習の自動化を含む運用の仕組みを整えます。

• モデルの学習と再学習を自動化
• 機械学習の実験を記録・比較
• 学習用の特徴量ストアを構築

文書を検索してAIの回答に渡すRAGの仕組みを設計・実装し、文書分割や検索用データの作成、検索結果の並べ替え、精度評価まで支援するスキル。

• 社内文書を参照するAIアプリの設計
• 検索用DBと文書分割方針の比較
• キーワード検索と並べ替えによる改善

LLMへの指示文を設計・改善し、回答の品質や一貫性をテストで確かめるスキル。JSON形式の出力設計や評価基準の作成、トークン使用量の削減も扱います。

• AIアプリの指示文を設計したいとき
• 回答のばらつきを改善したいとき
• JSONの回答形式を定めたいとき

書籍や動画・ポッドキャストの文字起こしから、判断の枠組みや手順を抽出します。出典と実行結果を検証し、実務で再利用できるAgent Skillsにまとめます。

• 書籍の方法論をスキル化したいとき
• 講座やポッドキャストから手順を抽出したいとき
• 学習・参照向けの単一入口を作りたいとき