「text」の検索結果

コード変更の目的や設計判断、採用しなかった案の理由をコミット本文に残します。Conventional Commitsの件名に沿い、差分だけでは分からない背景を整理します。

• 機能追加の目的を記録したいとき
• 設計判断と見送った案の理由を保存
• 実装の制約や発見を引き継ぎたいとき

ローカルやGitHubのコードをAIが読みやすい単一ファイルにまとめ、構成の把握や関連処理の検索、推定トークン数の確認から分析用の資料作りまで進めるスキル。

• AI分析用にコードを一つにまとめたいとき
• プロジェクトのディレクトリ構成の確認
• 認証処理やデータベースモデルの探索

デスクトップアプリの画面を読み取り、クリックや文字入力、メニュー操作を進めます。専用の連携手段がないアプリで、表示内容の確認や編集を支援するスキルです。

• アプリの表示内容を確認したいとき
• アプリ内の文章を入力・編集したいとき
• メニューやダイアログの操作

Figmaファイル内でJavaScriptを実行し、図形やテキスト、部品、変数を作成・編集します。既存の構造を調べ、段階ごとに結果を確認して進めます。

• Figmaのページや既存部品の構造調査
• コンポーネントとバリエーションの作成
• 色や余白の変数を作って割り当てたいとき

PDFの読み取り・作成・レビューを、ページ画像による見た目の確認と組み合わせて進めます。文字の重なりや表の崩れ、余白まで点検して仕上げるスキルです。

• 体裁を揃えたPDFを作成したいとき
• 既存PDFから文章を抽出したいとき
• 表や文字のレイアウト確認

右から左へ読む言語に対応した画面の実装・レビューを支援します。CSSの配置や混在テキスト、メニュー、スクロール、サイズ変更を、左右両方向で確認するための指針です。

• RTL対応のCSSレイアウトを見直したいとき
• 混在テキスト・コード・パスの表示調整
• メニュー・スクロール・サイズ変更の確認

ゲームの多言語対応に必要な文字列の抽出、翻訳漏れや表示条件の検証を進めます。翻訳者向け資料、文化面の確認、音声収録や右から左の表示の点検も扱います。

• 翻訳対象の文字列を抽出したいとき
• 翻訳漏れや差し込み項目を確認したいとき
• 翻訳者向け資料や収録台本の作成

Weiboの通常投稿に文章・画像・動画を入力し、Markdownから長文記事も作成します。ブラウザ上に内容を用意し、利用者が確認して公開するスキルです。

• 文章と画像のWeibo投稿準備
• 動画付きのWeibo投稿準備
• Markdown記事を長文投稿にしたいとき

文章や参考画像から画像を生成し、縦横比や画質を指定できるスキル。複数の画像生成サービスを使い分け、保存済みのプロンプトからまとめて画像を作れます。

• 文章から挿絵を作りたいとき
• 参考画像を使って場面を変えたいとき
• 用途に合う縦横比で画像を作りたいとき

文章の不可視文字や、画像・文書に含まれるAI由来のメタデータを調べて除去します。文章の書き換えも扱い、処理内容と残る制約を報告するスキルです。

• 自分の文章の不可視文字を除去したいとき
• 画像や文書のAI来歴情報の整理
• 事実と意味を保った文章の言い換え

記事やメール、説明文の不可視文字と文体を点検し、必要に応じて自然な文章に整えます。事実や書き手の声を保ち、コードや引用を変更せずに仕上げるスキルです。

• 記事や原稿を公開前に点検したいとき
• メールや製品説明文の推敲
• MarkdownやHTMLの本文の校正

Handsontableの画面文言を多言語対応の仕組みに組み込みます。翻訳キーや言語ファイルの追加、右から左への表示、日本語入力や地域別の小文字変換も扱います。

• メニュー文言を多言語対応にしたいとき
• 言語ファイルや複数形表現の追加
• アラビア語・ペルシア語の表示確認

GitButlerのブランチやPRに関連する過去のエージェント作業を、保存された会話履歴から把握するスキル。議論や試行、変更の経緯を要約し、必要な箇所を詳しく確認します。

• 現在のブランチの作業を引き継ぎたいとき
• PRに関連する議論を振り返りたいとき
• 過去の変更理由を把握したいとき

BigQueryの機械学習・生成AI機能を使うSQL作成を支援します。時系列予測や異常検知、変動要因の分析、意味に基づく検索、文章の分類・要約を扱います。

• 時系列データの将来値を予測したいとき
• 異常値と数値変動の要因を調べたいとき
• 文書を意味に基づいて検索したいとき

This skill should be used for project-level decisions about LLM-powered systems: whether an LLM is the right primitive for the task at hand, the shape of a multi-stage batch or agent pipeline, token and cost estimation, choosing between single-agent and multi-agent at the project level, structured output design for downstream parsing, and structuring agent-assisted iteration. Use this when the unit of work is a whole project or a multi-stage pipeline. Route individual tool design to tool-design and individual skill-loading or context-budget tactics to context-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。

This skill should be used when long-running agent sessions need context compression, structured summarization, compaction, token-per-task optimization, or durable handoff summaries that preserve decisions, files, risks, and next actions.

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。

This skill should be used when the harness, scaffold, workflow, or optimizer itself is the optimization target: recursive self-improvement (RSI) loops, meta-harnesses, self-improving harnesses that mine their own failures and propose bounded edits, evolutionary or population-based search over agent scaffolds, acceptance gates for self-modifying systems, and agentic context evolution where the mechanism that produces context is versioned and evolved. Route governance of a single autonomous loop (locked surfaces, durable logs, rollback, novelty gates, approval boundaries) to harness-engineering, measurement and quality-gate design to evaluation, judge design to advanced-evaluation, and remote sandbox infrastructure to hosted-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。

Zero-context verification that every bibliographic entry in the paper is real, correctly attributed, and used in a context the cited paper actually supports — catching hallucinated authors, wrong years, fabricated venues, version mismatches, and wrong-context citations. Use when user says "审查引用", "check citations", "citation audit", "verify references", "引用核对", or before submission to ensure bibliography integrity.

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。

State-of-the-art text-to-image generation with Stable Diffusion models via HuggingFace Diffusers. Use when generating images from text prompts, performing image-to-image translation, inpainting, or building custom diffusion 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。

Plan and coordinate the deployment of a model to Amazon SageMaker AI. Use this skill whenever the user wants to deploy, host, serve, or expose a model on SageMaker or AWS — including phrases like "deploy a model", "host this LLM on AWS", "serve this embedding model", "deploy a reranker", "deploy a text-to-image / diffusion model", "host this for async inference", "create an endpoint", "serve my fine-tuned model", or any request that involves making a model available for inference on AWS. Use this even when the user is vague (e.g. "I just want to get this running on AWS, you figure it out"). Works for text-generation LLMs, embedding models, rerankers, classifiers, text-to-image / diffusion models — picks the right serving stack and chooses between real-time and async inference. This is the entry-point skill for SageMaker deployment work — it asks clarifying questions, picks a deployment pathway, and coordinates the other deployment skills.

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。

OCR text recognition expert. ALWAYS invoke this skill when you need to extract text from images or PDFs — including invoices, receipts, ID cards, bank cards, business licenses, tables, handwritten documents, or any visual text 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。

Recover PDF text extraction when read_file returns binary data by using pdftotext via shell

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 text from PDF files using pdftotext when read_file returns binary data

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 text from PDFs using pdftotext when read_file returns binary data

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。