4,124 件 ・ 人気順
概要と使いどころ
You are an agent architect who has learned the hard lessons of autonomous AI. You've seen the gap between impressive demos and production disasters. You know that a 95% success rate per step means only 60% by step 10.
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。
Agente que simula Andrej Karpathy — ex-Director of AI da Tesla, co-fundador da OpenAI, fundador da Eureka Labs, e o maior educador de deep learning do mundo.
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。
Complete App Store Optimization (ASO) toolkit for researching, optimizing, and tracking mobile app performance on Apple App Store and Google Play Store
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。
Analyze market conditions, geographic opportunities, pricing, consumer behavior, and product validation across Google Maps, Facebook, Instagram, Booking.com, and TripAdvisor.
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。
Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.
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。
Predicts protein-coding gene structures (exons, introns, UTRs) in eukaryotic genomes with BRAKER3 (RNA-seq + protein evidence), BRAKER1/BRAKER2, GALBA (protein-only), Funannotate (fungi), GeMoMa (homology projection), or Helixer/Tiberius (deep-learning ab initio). Covers the evidence-first tool decision, mandatory soft-masking, the training-set-quality-dominates principle, OrthoDB clade-partition selection, the one-isoform-per-locus and missing-UTR traps, merge/split errors, and reference bias against orphan genes. Use when annotating a newly assembled eukaryotic genome, choosing a gene-prediction pipeline based on available evidence, or diagnosing a poor annotation.
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。
Predict RBP binding from RNA sequence using deep learning models (RBPNet sequence-to-signal, RNAProt RNN, GraphProt2 GCN with structure, DeepCLIP, DeepRiPe multi-modal CNN) for variant-effect prediction, in silico binding-site discovery, model interpretation, and transfer learning from CLIP and RBNS datasets. Use when computational prediction of RBP binding from sequence is needed, evaluating variant effects on binding without further wet-lab experiments, comparing model performance, or training a custom model on ENCODE eCLIP data.
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。
Trains and applies base-resolution deep learning models on ChIP-seq / ChIP-nexus / CUT&RUN data. Uses BPNet (Avsec 2021 Nat Genet 53:354; soft motif syntax from ChIP-nexus), chromBPNet (Pampari A et al 2025 Nat Genet; bias-factorized base-resolution profiles), EnFormer (Avsec 2021 Nat Methods 18:1196; 196 kb input, ~100 kb effective receptive field), DeepSEA (Zhou 2015; multi-task CNN), and JASPAR 2026 deep-learning collection (1259 BPNet ChIP models). Performs in silico mutagenesis for variant-effect prediction, DeepLIFT/Grad attribution, and TF-MoDISco motif discovery from attribution scores. Use when predicting variant effects on TF binding, discovering soft motif syntax / cooperativity, integrating ChIP-seq with sequence-only predictions, or applying precomputed JASPAR Deep Learning models to new variants.
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。
Sequence-based deep learning for ATAC-seq using chromBPNet, BPNet, scBasset, or EnFormer. Use when correcting Tn5 bias with neural networks beyond k-mer models, predicting per-base accessibility profiles, scoring in silico variant effects at GWAS or rare-variant SNPs, discovering motifs via DeepLIFT/TF-MoDISco from a trained model, or generating cell-type-specific accessibility predictions for unobserved cell states.
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 skill when the user asks how to build, measure, or improve safety culture in a motor carrier — leading vs lagging safety indicators, blame-free reporting, near-miss programs, safety committee structure, monthly safety meetings, ATA Safety Management Program guidance, and how to evaluate cultural maturity. Reference ATA SMP + DOT safety culture research.
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 skill when a driver is being screened for sleep apnea. Covers FMCSA Medical Review Board (MRB) recommendations, BMI thresholds, sleep study referrals, and continued certification.
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 skill when a driver receives an out-of-service (OOS) violation. Covers the immediate compliance, paperwork retention, and CSA impact.
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 skill when the user asks about driver ergonomics — back/neck/shoulder injury prevention, seat adjustment + lumbar support, entering and exiting cab safely, load handling techniques, vibration reduction, stretching protocols, and how ergonomics affects workers compensation costs in trucking. Reference OSHA + ATA ergonomics research.
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 skill when the user asks about driver fatigue management — circadian rhythm impact on driving, recognizing fatigue, fatigue risk management programs (FRMS), night driving safety, microsleep recognition, drowsiness detection technology, and how HOS rules relate to actual fatigue (and why 11-hour driving is risky even when legal). Reference FMCSA Fatigue Management research.
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 skill when the user asks the economic + operational tradeoffs of broker-mediated freight vs direct shipper relationships — margin difference, capital + operational cost, sales effort, payment terms, relationship investment, when to pursue direct, and the hybrid model. Reference industry research on freight broker margins.
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 skill when the user asks about cargo securement requirements under 49 CFR 393 Subpart I — Working Load Limit (WLL), tiedown counts, tiedown types, commodity-specific securement rules (lumber, metal coils, paper rolls, concrete pipe, intermodal containers, vehicles, large boulders, dressed lumber, building materials), CVSA out-of-service criteria, and how to calculate aggregate WLL. Cite 49 CFR 393.100-136.
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。
Pipeline that turns a big system idea into briefs for an agent fleet. Use when Arman says 'let's plan out X', 'build or overhaul the X system', 'create the vision and plan for X', 'do the full discovery process', 'get this ready for a fleet', or 'do what we did for education', or when carrying forward a VISION, COMPETITIVE_INSIGHTS, roadmap, or briefs doc. NOT for one feature in a live system (use build-sub-feature).
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。
Working playbook preloaded into the researcher helper; the coach updates its Lessons after each round. Use only when acting as researcher or coaching it. NOT for general research 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。
Generates creative, research-backed domain name ideas and checks availability with competitor analysis, pattern recognition, and quality scoring. Use when brainstorming brandable domains for a product or project.
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。
実行中・実行済みのプログラムやジョブの状況を知りたいとき，自分が起動したものか無関係のものかを問わず調べて答える．「どうなってる？」「学習状況は？」「進捗見せて」など，実行そのものを頼んでいるわけではなく既存の何かの様子を尋ねられたときに使う．新しく実行を頼まれたときは /ops:exec を使う．
ユーザーからの修正・指摘を受けた際の学習記録と自己改善ループ。ユーザーから「違う」「そうじゃない」「前にも言ったけど」といった修正を受けた時、同じミスを繰り返していると気づいた時、セッション開始時の教訓確認で使う。修正やフィードバックを受けたら必ずこのスキルを参照する。
X上の技術知見・障害・運用事例・公式発表を調べる依頼に使う。ログイン済みXのネイティブ検索から一次情報と反証を確認する。
repositoryを調査し、`docs/PLAN/YYMMDD_{slug}.md` にPhase、Gate、完了状態、実行ルール、チェック項目を持つ自己完結した永続計画を作成または再構成する。Use when the user asks for simple-plan、チェックリスト式の計画、複数停止点を持つ中規模作業、段階的なapp分割やlocal migration、production前Gate、または既存planの構成変更。単発Sprintでは収まらないが、詳細なworker委任計画までは不要な作業向け。既存planをそのまま実行・再開するだけの場合は使わない。
HeroUI Pro React の新リリースを公式サイトから調査し、 指定されたリリースノートドキュメントを追記更新するスキル。 「できるようになったこと・作れるようになったもの」を主軸に、 自然な日本語でユーザーストーリーとして記述する。 Trigger: HeroUI Pro リリースノート更新, heroui-pro release notes, heroui-pro更新, /dev:heroui-pro-release-notes