データ・AIのスキル

LlamaIndex agent and query engine setup for RAG-powered 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。

Document chunking with multiple strategies including semantic, recursive, and fixed-size chunking

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。

Prompt injection detection and prevention for secure LLM applications

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。

Select optimal data structure based on operation requirements

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。

Structured prompt template creation with variables, formatting, and version control

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。

Milvus distributed vector database configuration for large-scale RAG applications

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。

Orchestrate workflows across multiple applications and APIs — inter-app coordination, data handoff, and multi-system task completion.

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。

Pinecone vector database setup, configuration, and operations for RAG applications

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。

Hybrid search combining semantic and keyword retrieval for RAG pipelines. Implement BM25 + dense vector search with fusion strategies.

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。

LLM-based zero-shot and few-shot classification for flexible intent detection

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。

Token-efficient prompt compression techniques for cost optimization

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。

SetFit few-shot learning for efficient intent classification with minimal 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。

Chain-of-thought and step-by-step reasoning prompts for complex problem solving

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。

Constitutional AI and safety guardrail prompts for aligned LLM behavior

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。

LangChain retriever implementation with various retrieval strategies for RAG applications

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。

Guardrails AI validation framework setup for LLM applications. Implement input/output validation, safety checks, and structured output enforcement.

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。

Few-shot example generation and optimization for improved LLM performance

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。

WASM-based instant code transforms for simple tasks, achieving 352x speedup over LLM inference with zero 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。

System and API design guidance covering component boundaries, data flow, integration patterns, and scalability considerations.

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。

Recover missing spreadsheet values from row and column totals, percentage shares, year-over-year changes, CAGR relationships, and cross-sheet constraints.

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。

Calculate per-second RMS energy from audio files. Use when you need to analyze audio volume patterns, prepare data for silence/pause detection, or create an energy profile for audio analysis tasks.

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。

Retrieve attractions by city from the bundled dataset. Use this skill when surfacing points of interest or building sightseeing suggestions for a destination.

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。

Lookup accommodations by city from the bundled dataset. Use this skill when you need to recommend places to stay in a given city or filter lodging options before building an itinerary.

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。

Search flights by origin, destination, and departure date using the bundled flights dataset. Use this skill when proposing flight options or checking whether a route/date combination exists.

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。