a5c.ai

Validate implementation quality through custom checklists, scoring against constitution standards, specification coverage, and producing remediation recommendations.

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 technical architecture, select technology stack, and define implementation strategy from specifications and constitution 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。

Execute development tasks to build features, producing code, tests, and configuration artifacts that satisfy specification requirements and comply with constitution standards.

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。

HNSW vector search for pattern similarity retrieval and knowledge graph maintenance with PageRank scoring, community detection, and 3-tier memory 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。

Multi-agent swarm formation and coordinated execution with topology-aware agent deployment, consensus protocols, and anti-drift 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。

Entity and fact extraction for user profiling and personalization

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。

Use when starting any creative work - creating features, building components, adding functionality, or modifying behavior. Explores user intent, requirements and design before implementation.

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 about to claim work is complete, fixed, or passing, before committing or creating PRs. Evidence before assertions.

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。

LangSmith tracing and debugging setup for LLM applications. Configure observability, capture traces, and enable debugging for LangChain/LangGraph 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。

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。

Autonomous research engineering — web search orchestration, source synthesis, hypothesis formation, and structured research report generation.

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。

Perform cross-artifact consistency and coverage analysis across constitution, specification, plan, and task artifacts to detect gaps, conflicts, and misalignments before implementation.

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。

Establish project governing principles including dev guidelines, code quality standards, testing policies, UX requirements, performance benchmarks, and security 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。

Hugging Face transformer model fine-tuning and inference for intent classification

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 memory integration including ConversationBufferMemory, ConversationSummaryMemory, and vector-based memory

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。

Conditional edge routing and state-based transitions for LangGraph 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。

Use when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies.

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 implementing any feature or bugfix, before writing implementation code. Enforces RED-GREEN-REFACTOR cycle.

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。

Microsoft AutoGen multi-agent configuration for conversational AI 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。

Apply general knowledge reasoning across diverse domains — trivia, commonsense inference, analogy, and factual question answering.

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 chain composition including SequentialChain, RouterChain, and LCEL patterns

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 ReAct agent implementation with tool binding for reasoning and action loops

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。

LangGraph checkpoint and persistence configuration for stateful workflow 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。