「pydantic」の検索結果

Thorough verification of completed work before declaring done

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。

Building, compiling, and resolving dependency issues across languages

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。

Systematic code review for bugs, security, style, and performance

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。

Working with diverse data formats: binary, text, structured, and custom

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。

Review Python code for quality, security, and best practices

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 comprehensive test suites for existing 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。

Git operations: commits, branches, PRs, and conflict resolution

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。

Best practices for creating research diagrams with Excalidraw MCP tools

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。

Systematic approach to diagnosing and fixing errors

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。

Guidelines for writing well-structured, cited research reports

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 reusable skills from conversation context

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。

Finds secrets, tokens, passwords, and API keys that can leak through generated serialization: Python dataclass repr and asdict, attrs, pydantic model_dump, NamedTuple, JavaScript JSON.stringify and util.inspect, structured logs, tracing spans, and error reports. Use when asked to "check for secret serialization", "credential in repr", "repr=False audit", "secret in spans", "token in logs", or when a change adds a credential field to a dataclass, model, or config object, or adds code that stringifies whole objects or every kwarg into telemetry.

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。

Builds high-performance async Python APIs with FastAPI and Pydantic V2 including REST endpoints, authentication flows, async SQLAlchemy, and WebSocket endpoints.

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。

Server-specific best practices for FastAPI, Celery, and Pydantic. Extends python-skills with framework-specific 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。

Configuration module patterns for LlamaFarm. Covers Pydantic v2 models, JSONSchema generation, YAML processing, and validation.

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。

FastAPI web framework patterns. Triggers on: fastapi, api endpoint, dependency injection, pydantic model, openapi, swagger, starlette, async api, rest api, uvicorn.

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 DocArray for multimodal Pydantic-style documents, typed DocList and DocVec batches, serialization and local storage, FastAPI payloads, and vector retrieval indexes.

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。

Modern Python project architecture guide for 2025. Use when creating Python projects (APIs, CLI, data pipelines). Covers uv, Ruff, Pydantic, FastAPI, and async 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。

Use for writing, reviewing, debugging, or testing Pandera schemas and runtime validation for Polars DataFrame or LazyFrame pipelines installed with pandera[polars]. Trigger on pandera.polars DataFrameSchema, DataFrameModel, Column, Field, Check, PolarsData, decorators, coercion, strictness, lazy error collection, and validation-depth decisions. Do not use for pandas-backed Pandera, Pydantic object models, Polars transformations without Pandera, static dataframe typing alone, or generic data-quality platforms.

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。

Production-grade Python and AI engineering standards. Use for ANY Python work — FastAPI services, LangChain/LangGraph agents, RAG pipelines, LLM API integrations, document processing, or data scripts — whether writing new code, reviewing, refactoring, or debugging. Enforces typed Pydantic boundaries, structured errors and logging, LLM call timeouts/retries/output validation, secret management, async correctness, and tested 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。

AG-UI (Agent-User Interaction Protocol) is an open, event-based protocol that streams an AI agent's text, tool calls, state and lifecycle events to a frontend over HTTP and Server-Sent Events. Use when the user wants to build an AG-UI server, connect an agent or framework (LangGraph, Mastra, CrewAI, Pydantic AI) to a React or custom UI, stream agent progress and state, or use CopilotKit with AG-UI.

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 this skill for any Python backend work in this project: building FastAPI endpoints, writing service functions, defining Pydantic/SQLModel schemas, running Alembic migrations, or debugging 422 errors. Essential for authentication and authorization patterns — setting up get_current_user, is_superuser checks, admin-only guards, role-based access, and dependency injection chains like Depends(). Also covers middleware, background tasks, async SQLAlchemy sessions, ORM relationship loading, and request/response design. Activate whenever the question involves Python API code, FastAPI patterns, or backend architecture in this codebase. Not for frontend, Docker, CI/CD, or infrastructure.

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 reference for the neo4j-agent-memory Python package — a graph-native memory system for AI agents built on Neo4j — and for the hosted service (NAMS) at memory.neo4jlabs.com. Use this skill whenever the user mentions neo4j-agent-memory, agent memory with Neo4j, context graphs, the POLE+O model, MemoryClient/MemorySettings, the memory MCP server, or any of the framework integrations (LangChain, PydanticAI, CrewAI, AWS Strands, Google ADK, Microsoft Agent Framework, OpenAI Agents, LlamaIndex). Also use when the user mentions the hosted service at memory.neo4jlabs.com, NAMS, the Neo4j Agent Memory Service, the `nams_` API key prefix, or the hosted MCP endpoint. Also use when writing documentation, blog posts, tutorials, PRDs, or code samples for the project, when comparing agent memory approaches, or when positioning graph-native memory against vector-only approaches — even if the user doesn't explicitly name the package.

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 data crosses a boundary into your code (file, API, warehouse table, upload, model input or output), when a join or cleaning step can change row counts, or when adding pandera, Great Expectations, Pydantic or dbt checks

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。