데이터·AI 스킬

主要データウェアハウス方言で正確かつ高性能なSQLを記述するスキル。 「SQLを書いて」「クエリを最適化して」「BigQueryで集計」等のリクエストで発動。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Python (matplotlib, seaborn, plotly) でデータ可視化を行うスキル。 「グラフを作って」「チャート作成」「データを可視化して」等のリクエストで発動。 チャート選定、デザイン原則、アクセシビリティ対応も含む。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

BigQuery/Snowflake接続、EDA、可視化、Marimoノートブック作成を行うサブエージェント。 データ分析関連の4つのルール（data_analysis, visualization, notebook, marimo_variable_naming）を統合。 「データ分析して」「BigQueryに接続」「EDAを実行」「Marimoで分析」等のリクエストで発動。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

200以上のファイル形式に対応した探索的データ分析（EDA）スキル。 「データを分析して」「EDAして」「ファイルの中身を調べて」等のリクエストで発動。 ファイル自動検出、品質評価、統計サマリー、可視化推奨を含むレポート生成。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

アナリティクスのトラッキング設定・改善・監査を支援するスキル。 「トラッキングを設定」「GA4を導入」「コンバージョン計測」「イベントトラッキング」「UTMパラメータ」「GTMの設定」等のリクエストで発動。 A/Bテスト計測は ab-test-setup を参照。

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

How to query a Well workspace correctly — discover the schema first, then query the right root. Use whenever the user asks about their invoices, companies, contacts, bank transactions, accounts, or accounting ledger in Well, or before writing any well_query_records call.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Generate diverse solution candidates with category-spanning ideation methods and rotation. Use when stuck on a design or fighting repetitive LLM output.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Merges ephemeral report and analysis artifacts into permanent documentation. Use when LLM-generated markdown files have accumulated and need consolidation.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Verifies math-heavy code for algorithmic correctness and numerical stability. Use when reviewing scientific algorithms, ML models, or numerical code.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Provisions the oracle ML inference daemon with onnxruntime via uv. Use when setting up local ONNX model inference for skill quality evaluation.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Shapes agent behavior via instruction framing and style transfer. Use when composing dispatch prompts or writing skill instructions for parallel review agents.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Analyzes changesets with risk scoring, categorization by type and impact, and release note preparation. Use when extracting insights from raw change data.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Delegates tasks to a locally served Muse Glimmer via ollama. Use when delegation-core selects glimmer or the prompt must not leave the machine.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Generates a Mermaid sequence diagram showing how data moves between components. Use when tracing request flows or documenting data transformation pipelines.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Applies data-grid architecture for high-traffic stateful workloads. Use when a single database cannot scale and in-memory partitioning is needed.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Stack Honey onto Superpowers-style subagent workflows: dispatched subagents skip the session hook, so inject the levers into each dispatch prompt.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Inject Honey levers into dispatched subagent prompts.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Stack Honey onto Superpowers-style workflows (subagent-driven-development, dispatching-parallel-agents, executing-plans) and any orchestration that dispatches fresh subagents. Dispatched subagents run in isolated context and do NOT inherit the session's Honey hook, so they emit full-fat code and verbose reports. Use when you are about to dispatch implementer/reviewer/fixer/parallel subagents: it gives the exact Honey directive to paste into each dispatch prompt, with a worker variant and a reviewer variant, so the levers apply inside the subagents too — where the multiplied cost actually is.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Honey for plain Claude — the terse-prose core with no agent-harness features. Paste into a claude.ai Project's custom instructions, a Style, or an API system prompt. Strips filler, hedging, and pleasantries from every response while keeping facts, names, numbers, steps, and code exact. No tools required.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Rewrite a memory or context file (CLAUDE.md, AGENTS.md, a todo or notes file) into Honey-terse form so it costs fewer input tokens every session, without losing meaning. Backs up the original first. Use when asked to shrink or compress context files, trim CLAUDE.md, or cut per-session input cost. Prose only — never code, config, or data.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use davidsandberg/facenet for TensorFlow 1.x face recognition workflows: MTCNN alignment, embeddings, classification, LFW evaluation, training, and model export.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Use the GeoParquet specification and bundled inspection helpers to author, validate, distribute, or safely review geospatial Parquet data, including GeoParquet 2.0 vector metadata, external writer choices, and the alpha Parquet Raster proposal.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Route GeoAI geospatial data, inference, training, foundation-model, and integration workflows.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

Guides Gensim topic modelling, document indexing, embeddings, similarity retrieval, downloader, and script workflows for Python NLP and IR tasks.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.