スキルを探す

Use this repo skill for DiscoArt image generation, configuration/prompt scheduling, CLI, Jina serving, Docker runtime planning, and troubleshooting.

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。

Operate doccano for text annotation, dataset import/export, auto-labeling, deployment, and repo maintenance.

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。

Routes DocsGPT deployment, source ingestion, retrieval, agent workflows, tools, integrations, and native or OpenAI-compatible API operations.

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 the DeepGCNs PyTorch operating guide for graph convolution layers, dynamic and dilated KNN blocks, point-cloud classification or segmentation, PPI, OGB/DeeperGCN, and reversible memory-efficient GNN 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。

Training, inference, and deployment workflows for DAMO-YOLO object detection.

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。

Operate CVAT for computer-vision annotation, dataset workflows, SDK/CLI automation, auto-annotation, and self-hosted deployment.

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。

Routes DeepStream-Yolo deployment, model conversion, multi-GIE, and INT8 workflows for supported YOLO-family models.

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 working with Dagster OSS: assets, jobs, Definitions, config/resources, schedules/sensors, automation, CLI/local development, deployment operations, GraphQL/webserver, Pipes external processes, components/projects, or editing the Dagster repository itself.

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。

Route CubeStudio MLOps platform deployment, customization, and operation tasks.

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。

Routes Cognee AI memory platform tasks across SDK memory APIs, graph/RAG retrieval, configuration, custom pipelines, session memory, CLI, API, MCP, and deployment 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 Chronos Forecasting for pretrained time-series forecasting, Chronos-2 covariates, data validation, fine-tuning, evaluation, and deployment planning.

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。

Route Chinese-LLaMA-Alpaca model reconstruction, inference/deployment, training/fine-tuning, and evaluation 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 this self-contained Browser Use repo skill for Python agents that automate websites, browser sessions, custom tools, LLM/provider setup, persistent CLI sessions, cloud/sandbox production deployment, MCP, skills, and troubleshooting. Prefer ChatBrowserUse by default and route to focused sub-skills for implementation details.

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。

Routes agents using or contributing to CrewAI, including crews, flows, CLI projects, tools, MCP, memory, RAG, LLM providers, observability, files, multimodal inputs, and repo development.

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 BiSheng's enterprise LLM application DevOps platform repository, including FastAPI backend, workflow/RAG/Linsight runtimes, permissions, dual React frontends, deployment, and maintainer 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 BentoML to author model-serving Services, build and containerize Bentos, run HTTP/gRPC servers and clients, manage models, operate the CLI and BentoCloud, and configure observability or production runtime behavior. Use when tasks mention BentoML, bentoml service.py, bentofile.yaml, Bento build/serve/deploy, BentoCloud, or BentoML model stores.

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。

Route Baichuan2 chat inference, deployment/quantization, and fine-tuning 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。

Routes AWS SDK for pandas (awswrangler) workflows across S3 lakehouse data, Athena/Glue catalogs, SQL connectors, runtime configuration, and AWS service integrations.

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。

Routes AutoViz users to automated EDA, data-quality, and text/wordcloud 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 ASAP to train humanoid policies, retarget SMPL motions, and run sim2sim or sim2real deployment workflows for humanoidverse-based robots.

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。

Routes substantive ML, AI, data, scientific-computing, and software-engineering requests to the smallest useful set of managed repository skills. Invoke proactively when a request names or implies a package, framework, model family, dataset, modality, workflow, backend, deployment target, evaluation method, or implementation approach that may benefit from repository guidance, even if no repository is named. Narrow progressively from area to family to repository root: inspect only the one or two most likely area pages; compare candidates by capability, task surface, model/data format, training versus inference versus evaluation intent, runtime constraints, and root-skill description; then open only the selected root and relevant sub-skills, references, or scripts. Select multiple repositories only when each adds a distinct capability. Do not load the whole collection, treat dependencies or incidental integrations as capabilities, choose by name alone, or force a match when no exact taxonomy family applies.

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 Argilla 2.x for human-feedback dataset annotation, Python SDK dataset workflows, server deployment/operations, webhooks, and legacy v1/Rubrix migration.

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。

Route Apache Airflow repo tasks across Dag authoring, operations, providers, deployment, and contribution 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 anomalib for anomaly-detection install, data/model selection, training and evaluation, deployment and inference, and benchmark pipelines.

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。