Daniel Avila

資料やスライドの配色と書体を、Anthropicのブランドに合わせて整えます。見出しと本文の階層を保ち、背景に応じた文字色や図形のアクセント色を適用します。

• Anthropicの配色でスライドを整えたいとき
• 見出しと本文の書体統一
• 図形とアクセント色の調整

一般的なウェブ調査で、検索結果やURLが欲しい場合と、情報をまとめた説明が欲しい場合を区別し、Perplexityの検索・回答ツールを使い分けます。

• 最近の動向を調べたいとき
• 解説記事や教材を探したいとき
• ウェブ情報で概念を理解したいとき

正しさや出力形式を採点する報酬関数を使い、言語モデルを追加学習する手順を案内します。TRLによるGRPOの実装から、データ準備、学習設定、結果の検証まで支援します。

• JSONやXML形式を学習させたいとき
• 数学やコードの報酬関数の設計
• GPUメモリに合わせた学習設定

PyTorchで報酬に基づくモデル学習を試すために、torchforgeの設定、報酬・損失関数の実装、複数GPUへの展開、学習中の問題への対処を案内します。

• GRPOで数学推論モデルを学習したいとき
• 独自の報酬関数や損失関数を試したいとき
• 複数GPUやノードへ学習を展開したいとき

Pythonで外部ツールを呼ぶAIエージェントを作り、応答を決めたデータ形式で検証する設計や、モデルの切り替え、実際のLLMを使わないテストを案内するスキル。

• 形式を検証するAI応答の実装
• 注文データと問い合わせ対応の連携
• 実際のLLMを呼ばないテスト

ローカルの言語モデルなどの出力形式をOutlinesで制御し、指定した項目や型に沿うJSONの生成、文章からの情報抽出、選択肢による分類を支援するスキル。

• 会社情報やプロフィールのJSON抽出
• 決まったラベルで文章を分類したいとき
• 指定した書式に沿う文字列の生成

LLMアプリの入力と回答に安全性の確認を組み込むために、制約を回避させる指示の検出、個人情報のマスキング、回答の事実確認などの設定を支援します。

• 安全ルールの回避指示を検出したいとき
• 処理前に個人情報を伏せたいとき
• 生成した回答に事実確認を加えたいとき

日本語を含む多言語の文章を、AIモデルが扱う小さな単位に分割する処理を支援します。生テキストからの学習、BPE・Unigramの設定、数値IDへの変換と復元を扱います。

• 日本語・中国語・韓国語のAI用前処理
• 生テキストから独自語彙を学習したいとき
• BPEとUnigramを選びたいとき

大量のデータから似たものを探す検索を、FAISSで実装するスキル。検索方式の選択からメモリ節約、GPU活用、索引の保存まで、速度と精度を考えて進めます。

• 大量データから類似候補を探したいとき
• 検索速度と精度に合う索引選び
• ベクトル検索のメモリ使用量削減

LLMへの入力と生成した回答を安全性の観点で分類し、問題のある内容を遮断する処理の実装を支援します。API化や一括処理、既存の安全対策への組み込みも扱います。

• LLMに渡す前の入力チェック
• 表示前の回答フィルタリング
• 安全性判定APIの構築

AI機能を製品に組み込む際に、出力の形式検証、応答の逐次表示、プロンプトの版管理やテスト、API費用の監視など、本番運用を見据えた設計を支援します。

• AI機能を本番公開する前の設計確認
• AI出力の検証方法を決めたいとき
• プロンプトの版管理と回帰テスト

大規模言語モデルの強化学習に向け、milesの環境構築や低精度学習、学習と推論の整合性確認、生成処理の高速化設定を案内するスキルです。

• 大規模MoEの強化学習を設定したいとき
• FP8学習の不安定さを調べたいとき
• 生成処理の高速化を設定したいとき

コードレビューや文章作成、分析、アイデア出しに使うAIへの依頼文を、用途別のテンプレートから組み立て、役割・出力形式・条件を具体化するスキルです。

• コードレビューの依頼文を作りたいとき
• 分かりやすい技術文書を依頼したいとき
• 機能や名前のアイデアを求めたいとき

LLMをGGUF形式に変換し、重みの数値精度を下げて軽量化する手順を案内します。CPUやApple Siliconでの実行、ローカルAIツールへの組み込みを扱います。

• CPUだけでLLMを動かしたいとき
• Apple Siliconでのローカル実行
• 量子化方式ごとの容量と品質の比較

文章や画像の意味を数値で表す埋め込みを生成し、意味検索や類似度比較、文書のグループ分けに使うスキル。多言語モデルの選択やローカル実行も案内します。

• RAG用の文書埋め込みを作りたいとき
• 意味の近い文章を探したいとき
• 文書を話題ごとにまとめたいとき

LLMアプリの指示文を、役割・背景・制約・出力形式・具体例に分けて設計し、文脈の取捨選択や評価を通じて、期待する回答に向けた改善を支援します。

• LLMアプリのシステムプロンプト設計
• 回答形式と制約の明確化
• 例外ケースを含む回答例の作成

AIへの指示文を、具体例や出力形式の指定、比較テストで改善します。回答のばらつきやエージェントの想定外の動作を見直し、繰り返し使える指示に整えます。

• AIの要約を安定させたいとき
• 問い合わせ情報を項目別に抽出したいとき
• コードレビュー用の指示文の共通化

大規模言語モデルを報酬に基づいて追加学習させるため、slimeの環境構築やデータ準備、分散学習の設定、独自の応答生成処理の組み込みを案内します。

• GLMやQwenの強化学習準備
• 応答生成と学習を並行したいとき
• ツールを使うエージェントの学習

文書を検索してLLMの回答に活用するRAGの設計を支援し、文書の分割、意味に基づく検索とキーワード検索の組み合わせ、検索品質の評価や改善方針を整理するスキル。

• 文書検索付きのLLMを設計したいとき
• 文書の分割方法を見直したいとき
• キーワード検索と意味検索の併用

アルゴリズムやシステムの設計を、理論上の正しさと計算量から検討します。問題の前提や制約を見直し、適切な言語選び、実装、テストや形式的検証までを支援します。

• アルゴリズムの計算量や設計前提の検討
• 数値計算や分散処理に使う言語の選定
• エラー処理を明示した並行処理の実装

音声で自然に会話するAIの構成を設計するスキル。音声を直接扱う方式と、文字起こし・応答生成・読み上げを分ける方式を比較し、遅延や割り込みへの対応を整理します。

• 音声AIの構成を比較したいとき
• 会話処理の遅延を見直したいとき
• 発話中の割り込み対応の設計

好ましい回答と好ましくない回答のペアを使い、LLMの応答を調整する学習を支援します。参照モデルを必要としないSimPOの設定、実行、学習中の問題への対処を扱います。

• 回答の優劣データでベースモデルを学習
• 指示調整済みモデルへの追加学習
• 数学・コード向けの学習設定の調整

Webページの変更を比較するA/Bテストの仮説、必要なサンプル数、評価指標を整理し、実装方法の検討から結果の分析、次の施策の判断まで支援するスキル。

• 登録ボタンの文言を比較したいとき
• 料金ページの実験設計
• 必要なサンプル数と期間の検討

サイトやアプリの利用状況を判断に役立つ形で測るため、計測計画からGA4・GTMの実装、UTMの命名、動作検証まで整えるスキル。既存の計測設定の点検にも使えます。

• 登録や購入の計測計画を作りたいとき
• 既存のGA4・GTM設定の点検
• UTMの命名ルールを統一したいとき