スキルを探す

Azure OpenAI SDK for .NET. Client library for Azure OpenAI and OpenAI services. Use for chat completions, embeddings, image generation, audio transcription, and assistants.

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。

Design de produto nivel Apple — sistemas visuais, UX flows, acessibilidade, linguagem visual proprietaria, design tokens, prototipagem e handoff. Cobre Figma, design systems, tipografia, cor, espacamento, motion design e principios de design cognitivo.

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。

Azure AI Text Translation SDK for real-time text translation, transliteration, language detection, and dictionary lookup. Use for translating text content in applications.

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。

Generate comprehensive market opportunity analysis with TAM/SAM/SOM calculations

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。

Azure AI Document Translation SDK for batch translation of documents with format preservation. Use for translating Word, PDF, Excel, PowerPoint, and other document formats at scale.

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。

Expert in JAX for high-performance numerical computing and machine learning

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。

Master comprehensive evaluation strategies for LLM applications, from automated metrics to human evaluation and A/B testing.

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。

Get reliable JSON, enums, and typed objects from LLMs using response_format, tool_use, and schema-constrained decoding across OpenAI, Anthropic, and Google APIs.

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。

Expert in designing and building autonomous AI agents. Masters tool use, memory systems, planning strategies, and multi-agent orchestration.

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。

Expert in LangGraph - the production-grade framework for building stateful, multi-actor AI applications. Covers graph construction, state management, cycles and branches, persistence with checkpointers, human-in-the-loop patterns, and the ReAct agent pattern.

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。

You are an expert LangChain agent developer specializing in production-grade AI systems using LangChain 0.1+ and LangGraph.

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。

Deep research with structured reports and charts. ONLY use when the user explicitly requests research/analysis, or needs data visualization with charts, or quantitative/comparative analysis across multiple sources. Do NOT use for simple questions or quick lookups.

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。

Build tools that agents can use effectively, including architectural reduction patterns. Use when creating new tools for agent systems, debugging tool-related failures or misuse, or optimizing existing tool sets for better agent performance.

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。

This skill should be used when the user asks to "implement LLM-as-judge", "compare model outputs", "create evaluation rubrics", "mitigate evaluation bias", or mentions direct scoring, pairwise comparison, position bias, evaluation pipelines, or automated quality assessment.

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。

Autonomous coding agent. Delegate any task that involves understanding, writing, or running code — from a GitHub issue, a bug report, or a user request. It explores, implements, and verifies on its own.

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。

Run autonomous research tasks that plan, search, read, and synthesize information into comprehensive reports.

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。

Production-ready patterns for building LLM applications, inspired by [Dify](https://github.com/langgenius/dify) and industry best practices.

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 improving prompts for any LLM. Applies proven prompt engineering techniques to boost output quality, reduce hallucinations, and cut token usage.

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。

Large Language Model development, training, fine-tuning, and deployment best practices.

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。

LLMs, prompt engineering, RAG systems, LangChain, and AI application 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。

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

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 end-to-end MLOps pipeline orchestration from data preparation through model 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。

Best practices for scikit-learn machine learning, model development, evaluation, and deployment in Python

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。

Machine learning in Python with scikit-learn. Use for classification, regression, clustering, model evaluation, and ML 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。