データ・AIのスキル

Access detailed call logs and usage analytics. Filter by provider, model, time range, status, and cost. Export logs and aggregate token usage across all connections.

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。

Generate a data-only animated theme preset for Ruflo Console Theme Studio. Use when the user requests a new console color palette, cyberpunk theme, or variation of Orbital globe, stars, and swarm animation in Claude or Codex.

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。

Agent skill for data-ml-model - invoke with $agent-data-ml-model

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。

Generate embeddings via npx ruvector@0.2.25 embed text (ONNX all-MiniLM-L6-v2, 384-dim), normalize, and store in HNSW index

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。

Train neural models (LSTM, Transformer, N-BEATS) on market data using npx neural-trader with confidence intervals

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。

Bridge Claude Code auto-memory into AgentDB with ONNX embeddings, deduplicate, and enable unified cross-project search

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。

Format chat messages in a local model's template (llama3, mistral, chatml, phi, gemma, or a model id) and route queries over a small WASM HNSW pattern index (about 11 patterns). Use when preparing prompts for local runtimes.

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。

SOTA semantic search — hybrid (sparse+dense), Graph RAG multi-hop, MMR diversity reranking, recency weighting

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。

Configure RuVLLM local inference helpers: generate a config, and create and adapt in-process MicroLoRA and SONA instances from quality signals. Use when you need local, air-gapped inference tooling, not for fine-tuning hosted models.

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。

Embed hierarchical data via npx ruvector@0.2.25 embed text and project into the Poincare ball in user code (no --model poincare flag in 0.2.25)

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。

Create a new sequentially numbered database migration with up/down SQL files

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。

Read every docs/benchmarks/runs/*.json and surface drift in win rate, latency, escalation rate, and LLM-baseline cost over time

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。

Detect and classify candlestick patterns from ingested OHLCV 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。

Single-shot programmatic dump of all cost data — total spend, per-tier, top session, budget status, federation aggregate. JSON or markdown.

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。

Scan inputs for prompt injection, unsafe content, and adversarial attacks using AIDefence. Use when processing untrusted input (user submissions, API payloads, webhook data, tool outputs) before passing it to a model or executing it.

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。

Extract structured data via stored browser-templates or one-shot DOM queries, with mandatory AIDefence PII + prompt-injection gates before content reaches the model

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。

Execute a natural-language browser intent via page-agent (browser_act) when the target is easier to describe than to select — degrades gracefully when page-agent or an OpenAI-compatible LLM provider isn't configured

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。

Detect and flag personally identifiable information (PII) in text, code, and configurations. Use before committing code, writing logs, storing data, or sending model responses that might contain emails, phone numbers, SSNs, API keys, or passwords.

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。

Replay a recorded session trajectory against the same URL or a mutated variant; uses browser-selectors embedding similarity to recover from DOM drift

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。

Apply a simple code transform via agent-booster's WASM engine — sub-millisecond, deterministic, $0 (no LLM call). Companion to cost-booster-route.

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。

Stream-JSON chaining for multi-agent pipelines, data transformation, and sequential 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。

Implement semantic vector search with AgentDB for intelligent document retrieval, similarity matching, and context-aware querying. Use when building RAG systems, semantic search engines, or intelligent knowledge bases.

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。

Vector search via embeddings_* (large-scale HNSW) and ruvllm_hnsw_* (WASM router for ≤11 hot patterns), with RaBitQ 1-bit quantization for 32× memory reduction

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 reviewing TypeScript files for type safety regressions, during code review of functions that handle external data, or when the codebase has ESLint warnings for @typescript-eslint/no-explicit-any.

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。