データ分析、機械学習、LLMアプリ、プロンプト設計（8,771 件）
概要と使いどころ
Captures web sources and compiles deterministic Markdown reference bundles with metadata and checksums. Use when asked to capture URLs, research web links, bundle search results, or archive web pages into an LLM-ready reference document.
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。
時雨堂の Sans I/O MOQT ライブラリ shiguredo_moqt の機能・API リファレンス。draft-ietf-moq-transport-22 の制御メッセージ・セッション状態機械・data stream / datagram、LOC / MSF の codec、C4M (CAT / CWT) の認可トークン、音声の再生補助 (playout: 時間伸縮・目標遅延・鳴らす時刻・A/V 同期・共通の時間軸)、encode / decode やセッション駆動の実装に関する質問時に使用。
Export Twitter/X data to CSV for analysis using Xpoz. Search by keywords, author, date range, and download complete datasets (up to 500K rows). Use when asked to "export tweets", "download Twitter data", "get tweets as CSV", "Twitter dataset", or "bulk tweet download".
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。
Run a prompt repeatedly on an interval, using the harness built-in plus loop templates. Generated from plugin-commands.json; invoke as $bdb-aos:loop.
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, validate, and optimize schema.org structured data for eligibility, correctness, and measurable SEO impact.
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 in building Retrieval-Augmented Generation systems. Masters embedding models, vector databases, chunking strategies, and retrieval optimization for 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。
Use when adding interactive 3D scenes from Spline.design to web projects, including React embedding and runtime control API.
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 in TanStack Query (React Query) — asynchronous state management. Covers data fetching, stale time configuration, mutations, optimistic updates, and Next.js App Router (SSR) integration.
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。
RAG (Retrieval-Augmented Generation) implementation workflow covering embedding selection, vector database setup, chunking strategies, and retrieval 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。
Transforms user prompts into optimized prompts using frameworks (RTF, RISEN, Chain of Thought, RODES, Chain of Density, RACE, RISE, STAR, SOAP, CLEAR, GROW)
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。
Master advanced prompt engineering techniques to maximize LLM performance, reliability, and controllability.
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。
Production-ready patterns for building LLM applications, inspired by [Dify](https://github.com/langgenius/dify) and industry best practices.
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。
Master microservices architecture patterns including service boundaries, inter-service communication, data management, and resilience patterns for building distributed 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。
You are an AI assistant development expert specializing in creating intelligent conversational interfaces, chatbots, and AI-powered applications. Design comprehensive AI assistant solutions with natur
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。
Validate n8n expression syntax and fix common errors. Use when writing n8n expressions, using {{}} syntax, accessing $json/$node variables, troubleshooting expression errors, or working with webhook data in workflows.
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。
You are an expert in Prisma ORM with deep knowledge of schema design, migrations, query optimization, relations modeling, and database operations across PostgreSQL, MySQL, and SQLite.
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。
Use when a task should repeat on a schedule or until a condition holds (CI until green, follow a PR to merge, review rounds until no blockers, daily session summary). Ships ready prompt templates with run and duration limits, stop conditions and go-gate safety rules, and per-harness loop invocation.
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。
Use when improving prompts for any LLM. Applies proven prompt engineering techniques to boost output quality, reduce hallucinations, and cut token usage.
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。
Get reliable JSON, enums, and typed objects from LLMs using response_format, tool_use, and schema-constrained decoding across OpenAI, Anthropic, and Google APIs.
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。
Master local LLM inference, model selection, VRAM optimization, and local deployment using Ollama, llama.cpp, vLLM, and LM Studio. Expert in quantization formats (GGUF, EXL2) and local AI privacy.
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 a PostgreSQL-specific schema. Covers best-practices, data types, indexing, constraints, performance patterns, and advanced features
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。
Linear multi-agent build pipeline with file hand-offs in production_artifacts/, run after /bdbrainstorm or /grill-me. This is the linear variant — no state.json, no repair loop, no dispatcher graph — distinct from startcycle-graph, which adds durable state and automated escalation. Use when an approved plan should be built, when the user types /startcycle or "run a startcycle", or when you pick a startcycle variant from the situation yourself (no user prompt needed).
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。
AI-driven data extraction from 55+ Actors across all major platforms. This skill automatically selects the best Actor for your task.
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。
Interactive 9-step prompt crafting and delegation protocol for autonomous multi-agent teams. Enforces objective verification, integrity modes, and acceptance criteria across Antigravity, Claude Code, Cursor, OpenCode, Codex, and Roo 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。