5,878 件 ・ 関連度順
概要と使いどころ
Assists with building real-time reactive backends using Convex. Use when creating databases with automatic client sync, reactive queries, file storage, scheduled functions, or full-text and vector search. Trigger words: convex, reactive backend, real-time database, useQuery, useMutation, convex functions, convex schema.
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。
Assists with building secure JavaScript and TypeScript applications using the Deno runtime. Use when creating servers, CLI tools, or scripts with Deno's built-in tooling, permission model, npm compatibility, and web standards APIs. Trigger words: deno, deno deploy, deno serve, deno kv, deno permissions, secure runtime, jsr.
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。
Real-time face swap and video deepfake using a single source image. Use when: building face-swap applications, real-time video effects, virtual try-on features, AI video effects 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。
Transcribes and analyzes speech with the Deepgram API: pre-recorded audio, real-time streaming, text-to-speech and voice agents. Use when a user asks to convert speech to text, implement real-time transcription, add speaker labels or summaries to a recording, detect languages, build a voice agent with turn detection, or integrate Deepgram SDKs (JavaScript or 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。
Automate video editing in Blender's Video Sequence Editor with Python. Use when the user wants to add video, image, or audio strips, create transitions, apply effects, build edit timelines, batch assemble footage, estimate render times, or script any VSE workflow from the command line.
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。
Define runtime-validated types with ArkType — TypeScript's 1:1 validator. Use when someone asks to "validate data in TypeScript", "runtime type checking", "ArkType", "type-safe validation", "alternative to Zod", "faster validation library", or "validate with TypeScript syntax". Covers type definitions, validation, morphs (transforms), scopes, and comparison with Zod.
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。
Migration specialist for zero-downtime schema changes, data migrations, and backward-compatible evolutionUse when "migration, schema change, database migration, zero downtime, backward compatible, rollback, blue green, data migration, migration, schema, database, zero-downtime, backward-compatible, rollback, blue-green, feature-flag, ml-memory" mentioned.
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。
Expertise in real-time multiplayer networking, lag compensation, and authoritative server architectureUse when "multiplayer game, netcode, client-server game, P2P networking, lag compensation, rollback networking, game server, matchmaking, lobby system, player synchronization, state replication, dedicated server, authoritative server, tick rate, network prediction, interpolation, extrapolation, GGPO, lockstep, real-time multiplayer, networking, multiplayer, gamedev, realtime, client-server, p2p, netcode, synchronization, lag-compensation, matchmaking" mentioned.
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。
Firebase gives you a complete backend in minutes - auth, database, storage, functions, hosting. But the ease of setup hides real complexity. Security rules are your last line of defense, and they're often wrong. Firestore queries are limited, and you learn this after you've designed your data model. This skill covers Firebase Authentication, Firestore, Realtime Database, Cloud Functions, Cloud Storage, and Firebase Hosting. Key insight: Firebase is optimized for read-heavy, denormalized data. If you're thinking relationally, you're thinking wrong. 2025 lesson: Firestore pricing can surprise you. Reads are cheap until they're not. A poorly designed listener can cost more than a dedicated database. Plan your data model for your query patterns, not your data relationships. Use when "firebase, firestore, firebase auth, cloud functions, firebase storage, realtime database, firebase hosting, firebase emulator, security rules, firebase admin, firebase, firestore, cloud-functions, serverless, backend, realtime, authentication, google-cloud" mentioned.
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 at evolving database schemas safely. Covers migration strategies, zero-downtime deployments, rollback planning, and data transformation. Knows how to change production schemas without breaking running applications. Use when "database migration, schema change, add column, alter table, drizzle migrate, prisma migrate, zero downtime migration, rollback migration, database, migrations, schema, drizzle, prisma, postgresql, zero-downtime" mentioned.
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。
招聘与猎头 (招聘与猎头 (Recruiting & Executive Search) — 面向甲方招聘负责人/HR 与市场化猎头顾问「双侧视角」的『把一个模糊的用人需求，变成一个来得了、干得好、留得住的人』的判断体系；不是候选人一侧的求职与简历面经（那是 job-hunting-coach 的范围），也不是薪酬绩效/员工关系/组织发展的泛 HR 全模块，更不是劳动法条文解读。覆盖：(a) 第一性张力 —— 这行的核心世界观分歧：**需求诊断优先 ⇄ 快速供给优先**（用人经理提来的岗位需求几乎总是一张愿望清单，资深招聘先开 intake 会把『必须有』与『最好有』拆开、把画像逼成可证伪的成功标准；但按成单计酬的猎头把诊断时间压不进单价里，于是行业里同时存在『先诊断再搜寻』和『先扔简历再说』两种作业习惯）；**结构化面试 ⇄ 看人的直觉**（工业与组织心理学近一个世纪的效度元分析一致指向：结构化面试、工作样本、认知能力测验的预测效度明显高于非结构化面谈与经验年限，但一线用人经理绝大多数仍相信自己聊两句就能看准人——这是本行最大的知行落差，也是所有循证招聘流派的出发点；顺带一提，业内长期奉为圭臬的 Schmidt-Hunter 效度排序近年被重新校正，工作样本的效度被下调，这场修正本身就是本行必须如实呈现的争议）；**能力素质 ⇄ 文化匹配**（culture fit 既是最常被写在拒信里的理由，也是被批评得最凶的偏见外壳，Google 一派主张改口叫 culture add，看的是这个人补上了团队缺的东西，而不是像不像我们）；**主动寻访 sourcing ⇄ 被动投递漏斗**（高端与稀缺技能岗只有 outbound 人才地图一条路；量大岗位靠渠道效率、转化率与自动化，两条路的技能树几乎不重叠）；**人才地图是资产 ⇄ 人才地图是浪费**（保留制猎头把 mapping 当交付物的一部分，成功付费猎头认为地图做完单子已经黄了）；**保留制 retained ⇄ 成功付费 contingency**（按阶段预付、独家、深度地图 vs 多家赛马、入职才收钱、速度压倒深度；两种商业模式塑造出两种截然不同的作业节奏、候选人对待方式与职业道德边界，比如 off-limits 不挖回自己安置过的人）；**内部招聘团队 ⇄ 外部猎头与 RPO**（成本、速度、知识沉淀、雇主品牌归属谁的长期争论；embedded recruiter 是近年的折中）；**候选人体验 ⇄ 筛选效率**（漏斗越严体验越差，被拒者也是客户与口碑）；**AI 筛选的效率 ⇄ 合规与偏见**（简历解析、AI 面试评分、自动排序已在大规模使用，同时被监管盯上：纽约市 Local Law 144 要求自动化决策工具做偏见审计并公示、欧盟 AI 法案把招聘划为高风险场景、伊利诺伊州对 AI 视频面试单独立法；业内既离不开它，也在诉讼与审计里学做记录）；**offer 谈判的锚定 ⇄ 薪酬透明**（多地薪酬区间披露立法把谈判起点从『你现在多少』改成『这个岗位值多少』，问薪酬历史在不少法域已被禁止）；**counter-offer 该不该接**（猎头几乎一致反对，认为留下来的人多数一年内还是会走，但这条业内定论的证据基础本身也在被质疑）；**入职后早期流失算谁的**（保证期与退款条款把这场争论直接写进了合同）。(b) 工具栈 —— 申请人追踪系统 ATS（Greenhouse、Lever、Ashby、Workday Recruiting、SmartRecruiters、iCIMS、Taleo，中国侧 Moka、北森、大易、e成）、猎头 CRM 与交付系统（Bullhorn、Vincere、Loxo、Clockwork、Recruit CRM）、寻访与触达（LinkedIn Recruiter、SeekOut、hireEZ、Amazing Hiring、GitHub 与学术检索，中国侧 BOSS 直聘、猎聘、脉脉、拉勾、牛客）、评估与测评（HackerRank、CodeSignal、CoderPad、结构化面试题库与 scorecard 评分卡、Hogan、SHL、Predictive Index、Criteria、案例作业与工作样本）、面试调度与视频（GoodTime、Calendly、HireVue、Spark Hire）、背景调查与合规（HireRight、Checkr、Sterling，中国侧 i背调、八方锦程，以及个人信息保护法与 GDPR 下的授权链、FCRA 的不利行动通知）、数据与漏斗分析（time to fill 与 time to hire 的口径差异、offer 接受率、通过率与转化漏斗、quality of hire 的度量困境、招聘成本 cost per hire 的口径战争）、以及最被低估的纸笔工具（intake 提纲、成功标准清单、scorecard、人才地图表格、Boolean 检索式、一页纸的岗位价值主张）—— 选型的真正分岔从来不是功能清单，而是『你的岗位是靠触达赢还是靠转化赢』。(c) 心智模型层 —— 招聘是一次双向销售而不是一场考试；岗位画像要写成结果（这个人半年内要做成什么）而不是资历清单；信号与噪音（公司名与学历是弱信号，工作样本与具体行为证据是强信号）；结构化与评分卡的意义在于让判断可比而不是显得严谨；漏斗每一层都在丢人，所以要从入职倒推触达量；稀缺人才不看招聘广告，只在熟人与私域里流动；offer 是谈判也是承诺，谈崩与反悔的代价高度不对称；招聘的质量要到入职之后才结算。(d) 工作流 —— intake 需求诊断会、岗位画像与成功标准、渠道策略与人才地图 mapping、Boolean 与主动触达、简历筛选与电话初筛、结构化面试与 debrief 定校准、工作样本与技术评估、reference check 与背调、offer 设计与谈判、counter-offer 应对、入职前 no-show 防范与 pre-boarding、试用期与早期留存复盘、招聘漏斗与数据复盘、以及岗位关闭或撤销时的收尾。(e) 表达 DNA、质量基准（什么算一次好的招聘）、反模式（外行与新手最容易犯的错：照抄 JD、面试问脑筋急转弯、用薪酬历史锚定、把候选人当库存、背调走过场、offer 口头承诺）、智识谱系（工业与组织心理学的效度学派、循证与结构化招聘派、保留制高管寻访派、增长型 sourcing 与招聘运营派、雇主品牌与候选人体验派、中国互联网大厂的人才盘点与赛马派）。) Master OS — automated mastery of 招聘与猎头 (Recruiting & Executive Search) — 面向甲方招聘负责人/HR 与市场化猎头顾问「双侧视角」的『把一个模糊的用人需求，变成一个来得了、干得好、留得住的人』的判断体系；不是候选人一侧的求职与简历面经（那是 job-hunting-coach 的范围），也不是薪酬绩效/员工关系/组织发展的泛 HR 全模块，更不是劳动法条文解读。覆盖：(a) 第一性张力 —— 这行的核心世界观分歧：**需求诊断优先 ⇄ 快速供给优先**（用人经理提来的岗位需求几乎总是一张愿望清单，资深招聘先开 intake 会把『必须有』与『最好有』拆开、把画像逼成可证伪的成功标准；但按成单计酬的猎头把诊断时间压不进单价里，于是行业里同时存在『先诊断再搜寻』和『先扔简历再说』两种作业习惯）；**结构化面试 ⇄ 看人的直觉**（工业与组织心理学近一个世纪的效度元分析一致指向：结构化面试、工作样本、认知能力测验的预测效度明显高于非结构化面谈与经验年限，但一线用人经理绝大多数仍相信自己聊两句就能看准人——这是本行最大的知行落差，也是所有循证招聘流派的出发点；顺带一提，业内长期奉为圭臬的 Schmidt-Hunter 效度排序近年被重新校正，工作样本的效度被下调，这场修正本身就是本行必须如实呈现的争议）；**能力素质 ⇄ 文化匹配**（culture fit 既是最常被写在拒信里的理由，也是被批评得最凶的偏见外壳，Google 一派主张改口叫 culture add，看的是这个人补上了团队缺的东西，而不是像不像我们）；**主动寻访 sourcing ⇄ 被动投递漏斗**（高端与稀缺技能岗只有 outbound 人才地图一条路；量大岗位靠渠道效率、转化率与自动化，两条路的技能树几乎不重叠）；**人才地图是资产 ⇄ 人才地图是浪费**（保留制猎头把 mapping 当交付物的一部分，成功付费猎头认为地图做完单子已经黄了）；**保留制 retained ⇄ 成功付费 contingency**（按阶段预付、独家、深度地图 vs 多家赛马、入职才收钱、速度压倒深度；两种商业模式塑造出两种截然不同的作业节奏、候选人对待方式与职业道德边界，比如 off-limits 不挖回自己安置过的人）；**内部招聘团队 ⇄ 外部猎头与 RPO**（成本、速度、知识沉淀、雇主品牌归属谁的长期争论；embedded recruiter 是近年的折中）；**候选人体验 ⇄ 筛选效率**（漏斗越严体验越差，被拒者也是客户与口碑）；**AI 筛选的效率 ⇄ 合规与偏见**（简历解析、AI 面试评分、自动排序已在大规模使用，同时被监管盯上：纽约市 Local Law 144 要求自动化决策工具做偏见审计并公示、欧盟 AI 法案把招聘划为高风险场景、伊利诺伊州对 AI 视频面试单独立法；业内既离不开它，也在诉讼与审计里学做记录）；**offer 谈判的锚定 ⇄ 薪酬透明**（多地
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。
个人投资理财 (个人投资理财 (Personal Investing & Financial Planning) (从业者/自主投资者视角) — 个人与家庭自主管理投资组合、做长期财务规划的认知操作系统。覆盖: (a) 四大流派互掐 (本行业最有价值的智识谱系) — 价值投资 (Graham 安全边际 / Buffett·Munger 护城河+能力圈)、被动指数 (Bogle 成本至上+市场组合+定投)、技术分析 (趋势线/形态/动量择时)、趋势/动量跟踪 (CTA/双动量/turtle); (b) 资产配置与组合构建 — 股/债/现金/另类的配置框架 (60/40、全天候 All-Weather、三基金组合 three-fund、再平衡)、风险预算、定投 (DCA) vs 一次性; (c) 工具栈 — 券商/交易平台、组合追踪 (Portfolio Visualizer/Morningstar/雪球)、ETF/基金筛选与费率、回测、税优账户 (401k/IRA/Roth vs 中国养老 Y 账户); (d) 行为金融与风险管理 — 损失厌恶/过度交易/择时谬误、仓位与回撤管理、再平衡纪律; (e) 财务规划脚手架 — 应急金、目标-时间轴-风险承受度、退休/教育金规划、税务效率。主战场 = 美股/全球指数 (canon 母语区) + A 股/港股/公募基金 (zh-CN 散户层)。核心分歧: 主动选股 vs 被动指数 (是否能持续跑赢市场)、基本面 vs 技术面 (价格是否已反映信息 / EMH 强弱)、择时 vs 持有 (market timing vs time in market)、集中 vs 分散。不含: 持牌为他人理财的展业 (FA/RIA/投顾资质与合规销售)、机构资管/量化高频/对冲基金策略、投行/卖方研究、加密货币投机与 meme 炒作、日内打板/杠杆赌博式交易。) Master OS — automated mastery of 个人投资理财 (Personal Investing & Financial Planning) (从业者/自主投资者视角) — 个人与家庭自主管理投资组合、做长期财务规划的认知操作系统。覆盖: (a) 四大流派互掐 (本行业最有价值的智识谱系) — 价值投资 (Graham 安全边际 / Buffett·Munger 护城河+能力圈)、被动指数 (Bogle 成本至上+市场组合+定投)、技术分析 (趋势线/形态/动量择时)、趋势/动量跟踪 (CTA/双动量/turtle); (b) 资产配置与组合构建 — 股/债/现金/另类的配置框架 (60/40、全天候 All-Weather、三基金组合 three-fund、再平衡)、风险预算、定投 (DCA) vs 一次性; (c) 工具栈 — 券商/交易平台、组合追踪 (Portfolio Visualizer/Morningstar/雪球)、ETF/基金筛选与费率、回测、税优账户 (401k/IRA/Roth vs 中国养老 Y 账户); (d) 行为金融与风险管理 — 损失厌恶/过度交易/择时谬误、仓位与回撤管理、再平衡纪律; (e) 财务规划脚手架 — 应急金、目标-时间轴-风险承受度、退休/教育金规划、税务效率。主战场 = 美股/全球指数 (canon 母语区) + A 股/港股/公募基金 (zh-CN 散户层)。核心分歧: 主动选股 vs 被动指数 (是否能持续跑赢市场)、基本面 vs 技术面 (价格是否已反映信息 / EMH 强弱)、择时 vs 持有 (market timing vs time in market)、集中 vs 分散。不含: 持牌为他人理财的展业 (FA/RIA/投顾资质与合规销售)、机构资管/量化高频/对冲基金策略、投行/卖方研究、加密货币投机与 meme 炒作、日内打板/杠杆赌博式交易。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on 个人投资理财 (Personal Investing & Financial Planning) (从业者/自主投资者视角) — 个人与家庭自主管理投资组合、做长期财务规划的认知操作系统。覆盖: (a) 四大流派互掐 (本行业最有价值的智识谱系) — 价值投资 (Graham 安全边际 / Buffett·Munger 护城河+能力圈)、被动指数 (Bogle 成本至上+市场组合+定投)、技术分析 (趋势线/形态/动量择时)、趋势/动量跟踪 (CTA/双动量/turtle); (b) 资产配置与组合构建 — 股/债/现金/另类的配置框架 (60/40、全天候 All-Weather、三基金组合 three-fund、再平衡)、风险预算、定投 (DCA) vs 一次性; (c) 工具栈 — 券商/交易平台、组合追踪 (Portfolio Visualizer/Morningstar/雪球)、ETF/基金筛选与费率、回测、税优账户 (401k/IRA/Roth vs 中国养老 Y 账户); (d) 行为金融与风险管理 — 损失厌恶/过度交易/择时谬误、仓位与回撤管理、再平衡纪律; (e) 财务规划脚手架 — 应急金、目标-时间轴-风险承受度、退休/教育金规划、税务效率。主战场 = 美股/全球指数 (canon 母语区) + A 股/港股/公募基金 (zh-CN 散户层)。核心分歧: 主动选股 vs 被动指数 (是否能持续跑赢市场)、基本面 vs 技术面 (价格是否已反映信息 / EMH 强弱)、择时 vs 持有 (market timing vs time in market)、集中 vs 分散。不含: 持牌为他人理财的展业 (FA/RIA/投顾资质与合规销售)、机构资管/量化高频/对冲基金策略、投行/卖方研究、加密货币投机与 meme 炒作、日内打板/杠杆赌博式交易。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「个人投资理财」「个人投资」「理财」「personal investing」「资产配置」
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。
Zero-shot univariate time series forecasting using the Reverso foundation model (NumPy/Numba CPU-only inference). Activate when users provide time series data and request forecasts, predictions, or extrapolations. Supports Reverso Small (550K params). Triggers on "forecast", "predict", "time series", "Reverso", or when tabular data with a temporal dimension needs future-value estimation.
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 writing Bevy (Rust ECS) game code - pin and respect the repo's minor version, plugins/systems/queries/resources, schedules with FixedUpdate and Time, states and run conditions, messages vs observers across versions, required components, testing systems with App::update and a manual time strategy, compile-time and allocation hygiene.
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。
Lark/Feishu real-time event listening / subscribing / consuming: stream events as NDJSON via `lark-cli event consume <EventKey>` (covers IM message receive, reactions, chat member changes, etc.). Use for Lark bots, real-time message processing, long-running subscribers, streaming webhook/push handlers. Supports `--max-events` / `--timeout` bounded runs and a stderr ready-marker contract — designed for AI agents running as subprocesses.
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。
A dated chronology of one topic across the user's recorded coding-agent sessions — the lessons the graph learned about it and the prompts that named it, oldest first. Use only when the user explicitly asks for the history or timeline of a topic across their sessions ("how did X evolve", "when did we first discuss X") or invokes /cognee-timeline. Not for questions about code or the current task.
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。
A dated chronology of one topic across the user's recorded coding-agent sessions — the lessons the graph learned about it and the prompts that named it, oldest first. Use only when the user explicitly asks for the history or timeline of a topic across their sessions ("how did X evolve", "when did we first discuss X") or asks for the `cognee-timeline` skill by name. Not for questions about code or the current task.
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 an uninterrupted work cycle with choice-based activities structured within a realistic time block. Use when planning Montessori-style independent work periods or extended choice time.
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。
Query Amazon product historical time-series data, including price trends, BSR (Best Sellers Rank) trends, rating changes, seller counts, and monthly sales, supporting any ASIN across multiple Amazon marketplaces. Triggered when users mention price history, price tracking, BSR history, BSR trends, historical pricing, price fluctuations, Nexscope data, rank history, price drop alerts, lightning deal historical prices, Buy Box price trends, coupon prices, FBA/FBM price comparison, seller count changes, rating trends, sales history. Even if users do not explicitly mention "Nexscope" or "time-series data", this skill should be triggered whenever the task involves analyzing Amazon product-level historical data (such as price, rank, or sales trends over time).
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。
Reviews tokio async runtime usage for task management, sync primitives, channel patterns, and runtime configuration. Covers Rust 2024 edition changes including async fn in traits, RPIT lifetime capture, LazyLock, and if-let temporary scoping. Use when reviewing Rust code that uses tokio, async/await patterns, spawn, channels, or async synchronization. Also covers tokio-util, tower, and hyper integration patterns.
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 SLA framework -- response time targets, resolution time targets, tier definitions, and breach escalation process. Use when asked to "define our SLAs", "what response times should we commit to", "build a support tier structure", or "set up SLA monitoring".
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 guide for building real-time collaboration features using WebSockets, WebRTC, CRDTs (Yjs, Automerge), and Liveblocks / Panduan ahli untuk fitur kolaborasi real-time.
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 guide for scaling test-time compute, dynamic reasoning token allocation (Gemini 4 Pro, Claude 5.5, GPT Astra 6), Monte Carlo Tree Search (MCTS), and Process Reward Models / Panduan ahli penskalaan komputasi waktu uji (test-time compute), alokasi dinamis budget penalaran, MCTS, dan Process Reward 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。
Expert guide for Ultra-Low Latency Conversational Voice AI (<300ms), WebRTC bidirectional streaming, OpenAI Realtime API, Gemini Multimodal Live Audio, LiveKit Agents, and Semantic VAD / Panduan ahli AI suara percakapan real-time berlatensi ultra-rendah.
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。