調査、論文、教育、資格学習（4,728 件）
PRODUCES a citation-budget plan/report (`output/CITATION_BUDGET_REPORT.md`); does NOT edit the draft. Allocates an in-scope per-H3 budget (NO NEW FACTS) so drafts stop failing the global unique-citation gate; citation-injector applies 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。
Curate reader-facing survey tables for the Appendix (clean layout + high information density), using only in-scope evidence and existing citation keys.
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。
Build per-chapter (H2) writing briefs (NO PROSE) so the final survey reads like a paper (chapter leads + cross-H3 coherence) without inflating the ToC.
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。
APPLIES/consumes a `citation-diversifier` budget report (`output/CITATION_BUDGET_REPORT.md`) to inject *in-scope* citations into an existing draft (NO NEW FACTS), so the run passes the global unique-citation gate without citation dumps.
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。
Global consistency review for survey drafts: terminology, cross-section coherence, and scope/citation hygiene.
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。
Regression-check citation anchoring (citations stay in the same subsection) to prevent “polish drift” that breaks claim→evidence alignment.
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。
Multi-route literature expansion + metadata normalization for evidence-first surveys.
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。
Bind addressable evidence IDs from `papers/evidence_bank.jsonl` to each subsection (H3), producing `outline/evidence_bindings.jsonl`.
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。
Download a small corpus of open-access arXiv survey/review PDFs about agentic systems and extract text for style learning.
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。
Rewrite limitation passages so the paper keeps limitations without falling into count-based slot phrases (e.g., \"Two limitations…\") across many H3s.
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。
Synthesize the shortlist into a discussion-ready research idea brainstorm memo, writing `output/REPORT.md`, `output/APPENDIX.md`, and `output/REPORT.json`.
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。
Conduct multi-round deep research on any GitHub Repo. Use when users request comprehensive analysis, timeline reconstruction, competitive analysis, or in-depth investigation of GitHub. Produces structured markdown reports with executive summaries, chronological timelines, metrics analysis, and Mermaid diagrams. Triggers on Github repository URL or open source projects.
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 this skill instead of WebSearch for ANY question requiring web research. Trigger on queries like "what is X", "explain X", "compare X and Y", "research X", or before content generation tasks. Provides systematic multi-angle research methodology instead of single superficial searches. Use this proactively when the user's question needs online information.
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-powered defect prediction, pattern learning, and root cause analysis for proactive quality management.
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。
Transfer learning, metrics optimization, and continuous improvement for AI-powered QE 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。
Quantum-resistant, self-learning version control for AI agents with ReasoningBank intelligence and multi-agent coordination
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。
Conduct evidence-first technical research for Agentic QE, Ruflo, related ruvnet projects, or external tools. Use when Codex must investigate a repository, compare current upstream changes, trace dependencies and history, distinguish verified facts from inference, or synthesize findings into actionable engineering recommendations. Do not use for a simple known-answer lookup or an implementation-only 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。
Optimizes QE agent performance through transfer learning, hyperparameter tuning, and pattern distillation across test domains. Use when improving agent accuracy, applying learned patterns to new projects, tuning quality thresholds, or implementing continuous improvement loops for AI-powered testing.
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 adaptive learning with ReasoningBank for pattern recognition, strategy optimization, and continuous improvement. Use when building self-learning agents, optimizing workflows, or implementing meta-cognitive 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。
Implement ReasoningBank adaptive learning with AgentDB's 150x faster vector database. Includes trajectory tracking, verdict judgment, memory distillation, and pattern recognition. Use when building self-learning agents, optimizing decision-making, or implementing experience replay 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。
Create and train AI learning plugins with AgentDB's 9 reinforcement learning algorithms. Includes Decision Transformer, Q-Learning, SARSA, Actor-Critic, and more. Use when building self-learning agents, implementing RL, or optimizing agent behavior through experience.
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 persistent memory patterns for AI agents using AgentDB. Includes session memory, long-term storage, pattern learning, and context management. Use when building stateful agents, chat systems, or intelligent assistants.
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。
对照高可信度一手来源调查问题，并将发现以 Markdown 文件落库。当用户希望研究某个主题、收集文档或 API 事实、或把阅读跑腿交给后台 agent 时使用。
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。
Convert a LaTeX research paper into a policy brief, 1-page summary, or 5-page summary for a general audience, with factual review and a standalone HTML page for GitHub Pages.
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。