「muse」の検索結果

Create 3D web experiences: scene setup, models, materials, lighting, animation, scroll-driven scenes, and performance budgets. Use when adding 3D to websites beyond basic demos.

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。

Manage fleets of local AI agents — spawn, supervise, route tasks, monitor progress, and shut down workers cleanly. Use when coordinating multiple agents on parallel workstreams.

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。

Manage fleets of local AI agents: lifecycle, monitoring, task assignment, and resource control. Use when running multiple CLI agents via an orchestrator like AI Maestro.

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。

Evaluate AI agents rigorously — task benchmarks, success criteria, failure taxonomy, cost/latency tracking, and regression testing. Use when you need to know whether an agent actually works, not whether it demos well.

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。

Scale Ray workloads and serve models on Anyscale — managed Ray clusters for training and inference.

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。

Ship AI features to production — model selection, evals, latency/cost optimization, guardrails, monitoring, and iteration loops. Use when turning an LLM prototype into a reliable product 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。

Generate UI with AI tools effectively: prompt structure, design-system grounding, iteration technique, and evaluating output quality. Use when using AI to create interfaces.

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。

Integrate third-party APIs reliably: auth, pagination, retries, webhooks, rate limits, and contract testing. Use when connecting to external REST/GraphQL APIs or building resilient API clients.

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 ABM programs — target account selection, personalized campaigns, sales orchestration, and account-level measurement.

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。

Craft effective AI image prompts with structured syntax, style control, and iterative refinement techniques.

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。

Application performance monitoring — transactions, profiling, and finding slow code — works with any APM platform.

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。

Label smarter, not more — pick the most informative examples for annotation to maximize model gains per label.

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 with Aleph Alpha's Luminous models — European AI with emphasis on explainability and sovereignty.

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。

Learn effectively from courses and academies: choosing programs, studying actively, and converting courses into skills. Use when investing time/money in structured 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。

Measuring emotion from behavior and physiology — facial expression, voice, EDA, and self-report integration.

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 and run affiliate programs — recruitment, commission structures, partner enablement, and fraud prevention.

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。

Idiomatic Astro: islands architecture, content collections, SSR/SSG choices, and performance-first builds. Use when writing, reviewing, or structuring Astro sites.

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。

Architect autonomous agent systems — perception/action loops, tool design, planning strategies, memory, and multi-agent orchestration patterns. Use when designing an agent from scratch or scaling a prototype to production.

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 agent guidance — agent architecture, tool design, planning loops, guardrails, evaluation, and production agents.

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 and build LLM agents: ReAct loops, tool schemas, planning, memory, guardrails, evals, and human-in-the-loop. Use when building autonomous multi-step AI systems.

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。

Audit designs for accessibility with WCAG checklists covering color, type, focus, motion, and content.

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 AI chatbots end to end — conversation design, persona, retrieval grounding, escalation, and deployment. Use when creating a chatbot for support, sales, or internal assistance.

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 data-centric LLM applications with indexing and retrieval frameworks — document ingestion, indices, query engines, and RAG pipelines. Use when the core problem is getting the right data in front of the 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。

Build LLM applications with chain-style orchestration frameworks — prompts, chains, tool-calling agents, memory, and retrieval pipelines. Use when structuring multi-step LLM programs, adding tools to a model, or composing RAG systems in code.

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。