3.5万 件 ・ 関連度順
概要と使いどころ
Implement semantic vector search with AgentDB for intelligent document retrieval, similarity matching, and context-aware querying. Use when building RAG systems, semantic search engines, or intelligent knowledge bases.
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。
Optimize AgentDB performance with quantization (4-32x memory reduction), HNSW indexing (150x faster search), caching, and batch operations. Use when optimizing memory usage, improving search speed, or scaling to millions of vectors.
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。
Implement persistent memory patterns for AI agents using AgentDB. Includes session memory, long-term storage, pattern learning, and context management. Use when building stateful agents, chat systems, or intelligent 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。
Master advanced AgentDB features including QUIC synchronization, multi-database management, custom distance metrics, hybrid search, and distributed systems integration. Use when building distributed AI systems, multi-agent coordination, or advanced vector search 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。
Domain-Driven Design architecture for claude-flow v3. Implements modular, bounded context architecture with clean separation of concerns and microkernel 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。
Deep agentic-flow@alpha integration implementing ADR-001. Eliminates 10,000+ duplicate lines by building claude-flow as specialized extension rather than parallel implementation.
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。
MCP server optimization and transport layer enhancement for claude-flow v3. Implements connection pooling, load balancing, tool registry optimization, and performance monitoring for sub-100ms response times.
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。
Interact with DeerFlow AI agent platform via its HTTP API. Use this skill when the user wants to send messages or questions to DeerFlow for research/analysis, start a DeerFlow conversation thread, check DeerFlow status or health, list available models/skills/agents in DeerFlow, manage DeerFlow memory, upload files to DeerFlow threads, or delegate complex research tasks to DeerFlow. Also use when the user mentions deerflow, deer flow, or wants to run a deep research task that DeerFlow can handle.
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 new OpenCode skills with the standard scaffold.
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。
Reference OpenCode docs when implementing skills, plugins, MCPs, or config-driven behavior.
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 starting any conversation in a repository that uses PWDEV Power - establishes how to find and apply Power skills before any response, including clarifying questions
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 supported legacy PWDEV Code command intent to canonical PWDEV Flow skills. Use when the user mentions old /pwdev-code:* commands, asks for PWDEV Code compatibility, or wants to adopt an existing .planning workspace without losing history.
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, documenta e aplica a voz da marca — formalidade, personalidade, vocabulário preferido, palavras proibidas e tratamento do leitor. Use quando o usuário disser "voz da marca", "tom de voz", "brand voice", "guia de estilo", "padronizar o tom", "não parece nossa marca", "manual de redação", ou quando precisar auditar se um texto está aderente. Extrai a voz de amostras reais em vez de inventar adjetivos, e grava o resultado na seção 5 de .claude/pwdev-copy-context.md para todas as demais skills consumirem.
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。
Authoritative resource for building, auditing, and improving GNOME GTK4/libadwaita apps. Design tokens, 42-widget component library, 21 pattern skills, 47 mirrored HIG pages, 34 real-app audits, and lint scripts. Use when building a GNOME app, adding GNOME GUI features, auditing HIG compliance, packaging for Flatpak/Flathub, or when the user mentions GTK, libadwaita, Adw, Blueprint, or GNOME HIG.
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 multiple Reforge-guided section-refactor lanes in parallel, each in its own worktree/branch off origin/main, with a score-blind adversarial review panel gating every commit, one draft PR per section. Use when the user wants to reduce Reforge surface/internal score across several sections at once via architecturally-correct deletions (dead surface, entity-leak removal, cross-section read-splits) — not by relocation, parameter bags, or accessibility-dodging. Wraps the per-lane process in .codex/skills/humans-refactor. Triggers: 'refactor swarm', 'parallel section refactors', 'run reforge refactor on Users/Tickets/...', 'burn down surface score across sections'. Has an intensity dial (light|standard|deep) and a workflow|solo execution mode to trade token burn against autonomy per unit of output.
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。
天才会議v2フル版。重要な意思決定・事業判断・企画の深掘りを、事前分析→弁証法会議→自己批判→構造化議事録の4フェーズで実行する。「天才会議」「会議して」「多角的に検討」「議論して」「みんなで考えて」などのリクエストで使用。軽いブレストにはkaigi-liteを推奨。
天才会議の並列サブエージェント版。最重要の意思決定で、4人のペルソナを独立したサブエージェントとして並列実行し、互いの意見を見ずに独立思考させてから統合・レッドチーム検証する。「並列会議」「本気の会議」「独立に考えさせて」「エージェント会議」などのリクエストで使用。
既存の結論・計画・設計への攻撃専門会議。決まりかけている案に対して悪魔の代弁者と「5人目のキャラ」が全力で反証を試みる。「レッドチーム」「この結論を攻撃して」「反論して」「壊しにきて」「冷や水を浴びせて」などのリクエストで使用。
プレモータム(事前検死)会議。「このプロジェクトは失敗した」と仮定して未来から逆算し、失敗原因を先に洗い出して対策する。「プレモータム」「事前検死」「失敗前提で考えて」「このプロジェクトの死因を考えて」「リリース前の最終チェック会議」などのリクエストで使用。
命名決定会議。API・クラス・変数・機能・プロダクトの名前を多角的に検討して決める。「命名会議」「名前を考えて」「ネーミング」「この関数の名前どうしよう」「いい名前ない?」などのリクエストで使用。
見積もり会議。機能・プロジェクトの工数見積もりを、独立見積もり→乖離の議論→幅のある結論、というプランニングポーカー形式で行う。「見積もり会議」「工数見積もって」「どれくらいかかる」「見積もりして」などのリクエストで使用。
障害ふりかえり会議(blameless postmortem)。障害・トラブル・ミスの事後分析を、犯人探しではなく構造の改善につなげる会議として実行する。「ポストモーテム」「障害ふりかえり」「振り返り会議」「なぜ起きたか分析して」「再発防止を考えて」などのリクエストで使用。
アーキテクチャ決定会議。技術選定・設計方針・構成変更を多角的に検討し、ADR(Architecture Decision Record)として出力する。「アーキ会議」「技術選定して」「設計会議」「どっちの構成がいい」「ADR書いて」などのリクエストで使用。
コードレビュー会議。差分・ファイル・PRを4人の異なる視点(設計・可読性・攻め・守り)でレビュー会議にかける。「コード会議」「この差分をレビュー会議」「多角的にレビュー」「みんなでコードレビュー」などのリクエストで使用。