「development」の検索結果

Trigger when the user asks for explanations of web development concepts, code breakdowns, or learning guidance.

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。

Microsoft docs lookup, code samples, and SDK reference for Azure, .NET, Microsoft 365, Windows, and Power Platform via Microsoft Learn MCP. Use for API reference or official MS documentation retrieval.

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。

Create and scaffold plugin directories for Codex with a required `.codex-plugin/plugin.json`, optional plugin folders/files, valid manifest defaults, and personal-marketplace entries by default. Use when Codex needs to create a new personal plugin, add optional plugin structure, generate or update marketplace entries for plugin ordering and availability metadata, or update an existing local plugin during development with the CLI-driven cachebuster and reinstall flow.

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。

Java Javadoc best practices. Use when adding or reviewing documentation for Java types, methods, packages, and public 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。

MongoDB with Mongoose — schemas, models, aggregation pipelines, migrations, and Atlas connections. Use when designing collections, writing queries, or integrating MongoDB into Node.js/Next.js apps.

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。

JUnit 5 testing patterns and parameterized-test guidance. Use when writing or reviewing Java unit tests.

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 AI agent tasks remotely on Netlify using Claude, Codex, or Gemini. Use when the user wants to run an AI agent on their site, get a second opinion from another model, or delegate development tasks to run remotely against their repo.

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。

Apply modern web development best practices for security, compatibility, and code quality. Use when asked to "apply best practices", "security audit", "modernize code", "code quality review", or "check for vulnerabilities".

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。

NVIDIA DeepStream SDK development guidance for Python pyservicemaker pipelines, video analytics, TensorRT integration, and streaming inference 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。

xUnit testing patterns and data-driven test guidance. Use when writing or reviewing .NET unit tests.

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。

Git operations, shell scripting, CI/CD pipelines, and terminal automation. Use for conventional commits, PowerShell/Bash scripting, configuring GitHub Actions, or automating development tooling 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。

Ensure .NET/C# code follows maintainable, modern best practices. Use when reviewing or improving C# code, solution structure, async patterns, dependency injection, or testability.

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。

Guide for VS Code extension development from scaffolding to Marketplace publication

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。

Creates devcontainers with Claude Code, language-specific tooling (Python/Node/Rust/Go), and persistent volumes. Use when adding devcontainer support to a project, setting up isolated development environments, or configuring sandboxed Claude Code workspaces.

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。

Serverless and microservices development guidelines covering FastAPI, cloud-native patterns, API gateways, and best practices for scalable serverless architectures.

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。

Estimate AI-assisted and hybrid human+agent development work with research-backed PERT statistics and calibration feedback loops

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。

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。

Machine learning development with JAX, functional programming patterns, and high-performance computing.

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。

PyTorch deep learning development with transformers, diffusion models, and GPU optimization.

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。

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。

Expert guidance for deep learning, transformers, diffusion models, and LLM development with PyTorch, Transformers, Diffusers, and Gradio.

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。

Improve AI application with evaluation-driven development. Define eval criteria, instrument the application, build golden datasets, observe and evaluate application runs, analyze results, and produce a concrete action plan for improvements. ALWAYS USE THIS SKILL when the user asks to set up QA, add tests, add evals, evaluate, benchmark, fix wrong behaviors, improve quality, or do quality assurance for any Python project that calls an LLM model.

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。