「json」の検索結果

Use when a task needs a small, throwaway multi-agent fan-out (a couple of parallel workers plus a review pass) in ANY project — trigger phrases "spawn a few parallel agents", "fan out", "quick worker team" — without the full /startcycle-graph contract, no .agents/graph.md bootstrap, no state.json schema, no persistent files. Roles run on the session model unless `.aos/pipeline.json` overrides one (an external CLI can take the worker step) and portable across machines that may not have Antigravity/OpenCode/Codex installed.

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。

Applicot ノベルプロジェクトの雛形を作成する。blueprints/directories.md に基づいたディレクトリ構造・ SOUL.md・CLAUDE.md・.mcp.json・初期データファイルを生成する。 使用タイミング: 新しい小説プロジェクトを始めるとき、「小説を作りたい」「ノベルプロジェクトを初期化したい」 「init novel」「scaffold」などと言われたとき。novels/ は .gitignore 済みでも問題なく作成する。

Minecraft のレッドストーン回路や構造物を設計するための、JSON データモデルの仕様と設計ガイドライン。

Minecraft のレッドストーン回路や構造物を設計するための、JSON データモデルの仕様と設計ガイドラインです。

Actorization converts existing software into reusable serverless applications compatible with the Apify platform. Actors are programs packaged as Docker images that accept well-defined JSON input, perform an action, and optionally produce structured JSON 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。

Implement API threat protection using Google Apigee policies including JSON/XML threat protection, OAuth 2.0, SpikeArrest, and Advanced API Security for OWASP Top 10 defense.

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 API schema validation using OpenAPI specifications and JSON Schema to enforce input/output contracts and prevent injection, data exposure, and mass assignment attacks.

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。

Call MCP (Model Context Protocol) server tools on the Unique AI Platform using the unique-cli mcp command. Use when the user asks to invoke, call, or execute an MCP tool, or when they need to send a JSON payload to an MCP server through the CLI. The JSON payload is forwarded 1:1 to the platform's MCP call-tool API.

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。

agy(Google Antigravity CLI)経由で Gemini(既定 gemini-3.8-flash-high)に文章を新しく書かせ、テキストだけを受け取る。ユーザーが「Gemini に書かせて」「agy で文章を作って」「別のモデルで下書きを」「Gemini 版の案も」「タイトル案を Gemini に何本か出させて」と言ったとき、および文章の下書き・メール文面・要約・翻訳・タイトルやキャッチコピーの複数案・FAQ・構造化 JSON を Gemini で生成したいときに使う。既存原稿の推敲・批評は agy-review、画像は agy-image を使う。ユーザーが Gemini や agy を指定していない普段の文章作成は Claude 自身が書くので、このスキルは使わない。

係数全開示型のOSS（オープンソース）AVM、「AVM界のLinux」を目指す土地査定エンジン。日本の土地（更地・所有権）の査定価格をMLIT取引事例から統計的に算定する白箱AVMスキル。媒介査定・売却価格の検討・お客様への査定書作成・相場確認・取引事例比較・比準価格算定・公示価格との比較など、土地の価格を客観的かつ説明可能な形で出したい時は、ユーザーが「ヘドニック」「回帰」「白箱」と言わなくても必ずこのSkillを使うこと。トリガー語例：「土地の査定」「土地査定して」「査定書を作って」「査定書がほしい」「いくらで売れる」「売却価格」「査定価格」「相場感」「相場を出して」「マーケット価格」「取引事例から」「事例比較で」「比準価格」「公示価格と比べて」「お客さんに渡す査定書」「顧客提示用の資料」「土地価格査定クン」「土地査定クン」「重調クンの土地版」「説明できる査定」「根拠付きで査定」「AVM」「自動査定」「鑑定書ではなく査定書として」など。MLIT取引価格情報CSV と地価公示GeoJSON（L01）を入力に（基準地価は不可）、ヘドニック係数を都度回帰で算定して個別格差補正を全開示する白箱AVM方式で、業者用シート（係数全開示）と顧客用シート（流推方式準拠）の2シート構成xlsxを出力する。マンション・戸建（建物含む）・借地権・地上権は対象外。

プロジェクト（特にこのテンプレートから始める新規プロジェクト）にClaude Code用の.claude/環境を対話形式で段階的にセットアップする。settings.jsonの権限・hooks設定、必要に応じたカスタムskill・command・subagentの雛形作成、CLAUDE.mdのビルド/実行/テストコマンド欄の穴埋めを行う。「セットアップして」「環境構築して」「init」「このプロジェクトでClaude Codeを使えるようにして」「開発を始めたいので準備して」といった依頼で積極的に使うこと。エンジニアが常駐しない・少ない組織で「事故らないようにしたい」「危険な操作を防ぎたい」「lint/testやセキュリティレビューが誰もチェックしないまま放置されるのを防ぎたい」といった要望がある場合も、権限・hook・レビュー体制を通じた安全網の構築としてこのスキルが対応する。既存の/initスキルはCLAUDE.mdのコードベースドキュメント生成に特化しているが、権限設定やskill/command/agentの追加が絡む場合は必ずこちらを使う。

プロジェクトを分析してCLAUDE.mdと.claude/settings.jsonを自動生成する。Triggers on: '/init-project', 'プロジェクト初期設定', 'CLAUDE.mdを作成'

調査(read-only)または雑務(workspace-write)をCodexへ委譲し、結論をJSONで受け取る。Triggers on: '/codex-task', 'Codexで調べて', 'Codexにやらせて', 'Codexへ委譲'

claude-org-runtime のリリース (release-* タスク / vX.Y.Z タグ発行) を、 同 PyPI 発行を受ける claude-org-ja 側の expectation 同期と ペアで設計・委譲・完了させるためのワークフロー。 DEFAULT_NOTIFY 値・classifier vocabulary・role_configs_schema (ja 側ミラー: org_extension_schema)・attention.example.json テンプレ等が 変わるリリースで発動する。 CI cascade を予測・予防し、ja-side の red を回避することを目的とする。

open Issue を triage して「次の仕事候補（N 件 + 推奨 1 件）」を窓口が人間へ提示する。 候補はオペレーターが書いたゴール台帳（registry/goals/）の条項に当たるものだけで、条項順に並ぶ。 tools/work_discovery_scan.py を 1 回実行し、その候補 JSON を 設計書 §5.2 / §12 の人間可読フォーマットでレンダリングするところで停止する（propose-only）。 起動主体は窓口に限定。手動 / イベント起動のみ（常駐 /loop なし）。 「次の仕事候補出して」「triage して」「次なにやる？」や PR マージ後の proactive next-dispatch で窓口が手動起動する。

`/org-attention-start` で起動した attention watcher ペインを停止する。 `.state/attention_pane.json` に記録された pane_id を `list_panes` の name/role で identity 確認し、いまも attention watcher を指している場合だけ `close_pane`（pane 破棄）で 破棄する（pane_id が別ペインへ再割当て済みなら close せず stale sidecar として削除）。 「attention 止めて」「通知監視を停止」「watcher 落として」等で発動。

Extracts the WACC, assumptions, and DCF projections from the markdown metadata file and converts them into a clean, structured JSON file for the frontend interactive viewer.

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 timeline.json exists and the user asks to review the rough cut, critique the edit, or generate review_report.yaml and review_patch.json.

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 training datasets for LLM specialization from production data, frontier model distillation, and synthetic bootstrapping. Use when formatting production logs into SFT data, distilling from frontier APIs, or preparing data for fine-tuning. Covers JSONL formatting, data quality validation, deduplication, and train/eval splitting.

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。

Control LLM output with regex and grammars, guarantee valid JSON/XML/code generation, enforce structured formats, and build multi-step workflows with Guidance - Microsoft Research's constrained generation framework

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。

Extract structured data from LLM responses with Pydantic validation, retry failed extractions automatically, parse complex JSON with type safety, and stream partial results with Instructor - battle-tested structured output library

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。

Guarantee valid JSON/XML/code structure during generation, use Pydantic models for type-safe outputs, support local models (Transformers, vLLM), and maximize inference speed with Outlines - dottxt.ai's structured generation library

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。

Fast structured generation and serving for LLMs with RadixAttention prefix caching. Use for JSON/regex outputs, constrained decoding, agentic workflows with tool calls, or when you need 5× faster inference than vLLM with prefix sharing. Powers 300,000+ GPUs at xAI, AMD, NVIDIA, and LinkedIn.

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。

Reads a CARLA Leaderboard results.json — per-route driving score, route completion, infraction penalty and the infraction lists — explains how the score was computed for that leaderboard version, and rescores an existing result under the other version's rules (2.0 multiplicative vs 2.1 additive) without re-running anything. Also diffs two runs and merges sharded result files. Use when the user asks "what did I score", "why is my score low", "did my agent pass", "why don't my scores match the leaderboard", or hands over a results.json.

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。