Daniel Avila

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

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

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

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

実装計画を独立したタスクに分け、同じセッションで担当エージェントを順に割り当てます。各実装を仕様への適合とコード品質の二段階で確認するスキル。

• 独立性の高いタスクの実装計画を実行
• 仕様適合を先に確認して品質レビュー
• タスクごとに修正と再レビューを実施

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

AIへの入出力を定義して処理を組み合わせ、検索した資料を使う回答システムやエージェントを構築します。学習データと評価指標によるプロンプトの自動最適化も扱います。

• 資料を検索して答えるAIを作りたいとき
• 例と評価指標でプロンプトを改善したいとき
• AI処理を再利用できる部品に分けたいとき

機能の要件からテスト計画、手動テストの手順、既存機能の再確認項目、不具合報告を作成します。Figmaのデザインと実装を比べる確認項目も整理します。

• 新機能のテスト計画を作りたいとき
• 購入手続きの手動テストを整えたいとき
• リリース前の回帰テストを整理したいとき

AI APIを使う専用サービスの設計・実装を支援するスキル。用途に合うプロンプトやモデルの選定、出力の検証、利用量の記録と費用上限まで整理します。

• 用途を絞ったAIサービスの設計
• プロンプトと出力検証を整えたいとき
• API費用の記録と利用上限の設定

W&Bで機械学習の実験条件や評価値を記録し、学習状況の可視化と実験比較、設定値の自動探索、データやモデルの版管理を通じて、チームでの共有を支援するスキル。

• 学習指標を記録し進捗を確認したいとき
• 学習条件の違う実験を比較したいとき
• 学習設定を自動探索したいとき

音声や動画をWhisperで文字起こしし、字幕ファイルの作成や英語への翻訳につなげます。日本語を含む多言語の処理、モデル選び、一括処理の手順を案内するスキルです。

• 会議の録音を文字起こししたいとき
• 動画の字幕を作成したいとき
• 多言語の録音を英語に翻訳したいとき

言語モデル内部の反応を解釈しやすい特徴へ分解するため、SAELensによる学習済みモデルの分析や独自SAEの訓練、品質評価、出力への影響調査を支援します。

• 学習済みSAEによる特徴の探索
• 独自SAEの訓練と評価
• モデル内部で重なる概念表現の研究

NVIDIA GPUで動かすLLMの推論と配信を、TensorRT-LLMで最適化するスキル。量子化、生成中の要求のまとめ処理、複数GPUへの分散を扱います。

• NVIDIA GPUでLLMを配信
• FP8やINT4の量子化を設定
• 大規模モデルを複数GPUに分散

機械学習モデルを本番サービスで動かすための設計・実装を支援します。学習や予測用データの整備から、モデル配信、性能比較、監視、再学習まで扱います。

• リアルタイム推薦サービスの設計
• A/Bテストでモデルを比較したいとき
• データの変化とモデル性能の監視

機械学習の学習条件・評価指標・成果物をMLflowで記録し、実験結果の比較からモデルの版管理、再現、本番環境への配置までを支援するスキル。

• 学習条件とモデル精度を比較したいとき
• 実験を再現する記録を残したいとき
• モデルの版と公開段階の管理

言語モデル内部の中間値や注目先をTransformerLensで調べ、値の差し替え実験から出力への影響を探ります。予測に関わる内部の仕組みを分析するスキルです。

• 注意パターンや中間値を観察したいとき
• 活性値の差し替えで出力変化を調べる
• 各ヘッドの予測への寄与を分析

画像内の対象を点や四角い枠で指定し、領域を表すマスクの生成や背景を透明にした切り抜きを実装する手順を、SAMのモデル選びや自動処理とともに案内するスキル。

• 透明背景で物体を切り抜きたいとき
• 点や枠で領域を指定するツールの作成
• 物体のマスクを自動生成したいとき

製品要件をもとにClaude Codeで複数の専門エージェントを連携させ、設計・実装・テスト・公開・運用の作業を分担し、進捗や中断状態を管理するスキル。

• 製品要件から開発タスクを作る
• 実装・テスト・レビューの連携
• 保存した進捗から再開したいとき

PyTorchモデルの内部値を差し替え、出力への影響を調べる実験を支援するスキル。pyveneによる因果関係の検証から、介入の学習・保存・共有まで扱います。

• 出力に影響するモデル内部の特定
• 内部値を差し替えて仮説を検証したいとき
• 介入を学習して因果構造を調べたいとき

画像と文章の意味の近さを使い、追加学習なしの画像分類や文章による画像検索を実装するスキル。類似度の計算、一括処理、ベクトルデータベースとの連携も扱います。

• 追加学習なしで画像を分類したいとき
• 文章で画像コレクションを検索
• 画像と説明文の一致度を比較

文章からの画像生成や既存画像の画風変更、指定部分の描き直しをPythonで実装するためのガイドです。構図を指定する方法や、メモリ使用量の調整も扱います。

• 文章から画像を生成したいとき
• 既存画像の画風を変えたいとき
• 画像の一部分を描き直したいとき

CPUやApple Silicon、AMD・IntelのGPUで言語モデルを動かす手順を案内します。GGUF形式の選択から対話実行、APIサーバーの起動まで扱います。

• CPUだけで言語モデルを動かしたいとき
• Apple SiliconのMacで対話したいとき
• メモリに合う量子化形式を選びたいとき

自然な言葉でJiraの課題検索・閲覧・作成・更新やスプリント確認を進めるスキル。変更前に現在の状態と変更案を確認し、承認を得てから反映します。

• 課題番号から詳細を確認したいとき
• 自分の担当チケットの一覧確認
• 新しい課題の下書き・作成

長い文章を少ないメモリで扱うAIモデルの導入を支援します。RWKVによる逐次的な文章生成、状態の引き継ぎ、追加学習やTransformerとの比較を案内するスキルです。

• 文章を逐次生成したいとき
• 長い文書を分割処理したいとき
• Transformerとメモリ要件を比較