「pe」の検索結果

予定と参加者を確認し、Screenpipeの過去の会議記録から約束や未決事項を整理。次の会議の目的と役立つ質問を、根拠リンク付きの短い資料にまとめます。

• 継続会議の前に約束を振り返りたいとき
• 未決事項から質問を準備したいとき
• 特定の参加者との過去の経緯確認

PEFTの既存手法を改修するとき、保存済みの学習結果を引き続き使えるか確認します。テストや出力比較、設定の互換性確認からPRへの結果報告までを案内するスキル。

• forward改修後の互換性確認
• 旧チェックポイントに対応した保存形式変更
• 新しい設定項目の既定値の確認

Stripeの取引と銀行明細を請求書に照合し、手数料や入金日のずれを既定の基準で判定して、説明できない差異を確認用の記録とともにシートへ残すスキル。

• 月次の請求書と入金を照合したいとき
• 手数料や入金日のずれを確認したいとき
• 前回指摘された取引の不一致を再確認したいとき

Slackのスレッドから顧客情報や請求状況を調べ、課題登録やPRレビューを進めるスキルです。接続先ごとの操作範囲と、人の承認が必要な変更を定めます。

• Slackから顧客情報や請求状況を調べたいとき
• 報告された不具合をLinearに登録したいとき
• PRをレビューし修正案を作りたいとき

同じ問題を関係者、失敗、時間など異なる視点から順に検討し、一度の分析では見落とす要件や例外を見つけ、重複のない検証可能な達成条件と避けるべき状態に整理するスキル。

• 着手前に要件の見落としを探したいとき
• 関係者ごとの視点で問題を点検したいとき
• 失敗や時間経過の影響を検討したいとき

SNSの投稿や店舗情報、商品レビューを収集し、期間・評価・反応数などの条件で絞り込みます。必要な情報だけをAIに渡して、競合調査や営業候補の抽出に使えます。

• 競合の人気投稿を調べたいとき
• 地域の店舗の営業候補リスト作成
• Amazonの最近の低評価レビュー抽出

個別の機能や部品の設計と、システム全体の目的を同じ問いで比較し、両者の食い違い、適切な実装範囲、全体との整合性を３段階で整理するスキルです。

• サービスやライブラリの分割判断
• 機能要求と製品方針を比較したいとき
• 新しい部品と既存システムの整合性確認

動画のURLやローカルファイルから映像と発話を確認し、内容の要約や時刻付きの質問回答に使えます。フレームと字幕を使う方式と、Geminiで動画全体を見る方式に対応します。

• 動画の映像と発話を要約したいとき
• 質問に関係する時刻を探したいとき
• 長い動画の一部分を確認したいとき

SolidJSのjson-renderアプリに開発用の検査パネルを組み込みます。画面仕様や状態の確認・編集、操作やストリームの履歴を調べるための設定を支援します。

• SolidJSに検査パネルを追加したいとき
• 画面仕様とアプリの状態を調べたいとき
• 操作やストリームの履歴を確認したいとき

Web・モバイルアプリやサービス間の認証・認可を設計し、OAuth 2.0とOpenID Connectの導入、トークンの検証・更新・失効を支援するスキル。

• Web・モバイルにログインを導入したいとき
• トークンの保存・更新を見直したいとき
• サービス間のアクセス権を設計したいとき

HubSpotやStripeなどのSaaSデータをDuckDBへ取り込み、Wren用のデータ定義と関係を生成して、SQLでの問い合わせまで検証するスキルです。

• HubSpotやStripeのデータをSQL分析
• 既存のdlt DuckDBファイルから環境構築
• テーブル定義と親子関係の生成

論文の構成案と研究資料から、章ごとにLaTeX原稿を作成します。図表や引用文献を組み込み、投稿先の書式、主張と証拠の対応、文章の明瞭さも確認します。

• 構成案からLaTeX論文を書きたいとき
• 投稿先に合わせた書式と引用の整備
• 主張・証拠・証明の整合性確認

研究テーマから文献調査、アイデア選定、実験の実装・実行、反復レビューをつなぎ、成果の整理と、任意で論文PDFの作成まで進めるスキル。

• 研究テーマから実験とレビューへの一貫実行
• 実験の実装と結果収集をまとめたいとき
• 根拠を整理して論文執筆へ引き継ぎたいとき

研究提案から、論文の主張を支える実験を設計します。比較手法や評価指標、構成要素を外す検証、実行順序、計算予算を整理し、計画書と進捗表にまとめます。

• 研究提案を具体的な実験に落としたいとき
• 比較実験と構成要素の検証を設計
• 計算予算に合わせて実験を優先順位付け

完成した論文から学会発表の構成、Beamer・PPTX、発表原稿を作成します。見た目の調整や書き出し確認に加え、指定に応じて主張・引用・匿名性も点検します。

• 完成論文から学会発表一式を準備
• Beamerと編集可能なPPTXの作成
• 発表者ノート・発表原稿・想定問答の準備

論文の内容と実際の図を使い、学会ポスターをHTML/CSSで作成します。会場指定の寸法や配置、主張の根拠を確認し、印刷用PDFに仕上げます。

• 論文から学会ポスターを作りたいとき
• 研究ポスターを作り直したいとき
• ポスターの主張を原論文と照合したいとき

公開学術論文を検索し、短い要約から章ごとの本文へ段階的に読み進めるスキル。DeepXivで注目論文も探せるため、必要な箇所に絞って文献を調べられます。

• 研究テーマに関する論文を探したいとき
• Introductionだけ読みたいとき
• 過去2週間の注目論文の確認

KubeSphereのログ・イベント・監査・通知履歴を保存・検索するOpenSearch拡張を導入し、保存容量やメモリ、可視化画面、古いデータの整理を設定するスキルです。

• ログやイベント履歴の保存先を用意したいとき
• OpenSearch Dashboardsの有効化
• 保存容量やメモリを調整したいとき

Run Lighthouse audits locally via CLI or Node API, parse and interpret reports, and set performance budgets. Use when measuring site performance, understanding Lighthouse scores, setting up budgets, or integrating audits into CI. Triggers on: lighthouse, run lighthouse, lighthouse score, performance audit, performance budget. Do NOT use for fixing specific performance issues (use perf-web-optimization or core-web-vitals) or Astro-specific optimization (use perf-astro).

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 helps users automatically extract detailed video metrics and channel information from YouTube based on keyword searches using the BrowserAct API. The Agent should proactively apply this skill when users express needs such as extract specific keyword YouTube video detailed data, monitor the latest video performance of competitor channels, collect comment and like counts for videos on a specific topic, find AI agent tutorials published this week and extract metrics, evaluate total views and subscriber info for specific videos, scrape detailed metrics of marketing campaign videos, track video trends for a tech topic periodically, get high quality video list data for specified keywords on YouTube, mine detailed information of the latest YouTube videos, collect video duration and engagement data for specific industries, or monitor YouTube content creator performance metrics.

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-crawl any website from start URLs, return per-page LLM-ready text/markdown/HTML plus metadata (title, description, author, language, canonical URL, OG) and in-scope outbound links. Use when user mentions deep crawl website, recursive crawl, crawl a whole site, scrape entire website, scrape docs site, scrape documentation, scrape knowledge base, scrape blog, build RAG corpus, build vector database from website, knowledge base for chatbot, GPT knowledge files, llms.txt, sitemap crawl, BFS crawl, scrape with depth or page limit, include exclude URL globs, remove boilerplate, strip navigation header footer, website to markdown, website to text, multi-page extraction, bulk page scraping, clean markdown from URL, docs site to markdown corpus, site to clean corpus. Also applies to building RAG pipelines, indexing a customer site, syncing docs into a vector store, generating training corpora from any docs hub, or expanding a single start URL into a clean corpus of every reachable in-scope page.

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 helps users extract YouTube video transcripts and perform deep competitive analysis on the content. Agent should proactively apply this skill when users express needs like analyze YouTube video content strategy, perform competitive video content analysis, extract and analyze YouTube subtitles for marketing insights, understand competitor value propositions from their videos, identify target audience from YouTube video content, analyze pain points and needs mentioned in YouTube videos, evaluate competitor CTA strategies in video content, find content gaps in competitor YouTube videos, analyze video narrative structure and hooks, extract key messaging and positioning from YouTube content, benchmark competitor video content quality, research competitor marketing angles through video analysis, identify audience signals and terminology level in videos, analyze emotional tone and persuasion techniques in YouTube 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。

Trustpilot customer reviews scraper for any company listed on trustpilot.com — given a company domain (e.g. shopify.com, apple.com, shopwagandtail.com) plus optional filters (page number, single star rating 1-5, single language ISO code, verified-only flag, has-company-reply flag, date period last30days/last3months/last6months/last12months, free-text keyword search, and reviewer countryCode client-side filter), extracts paginated reviews with 20+ fields per review: reviewId, reviewUrl, reviewTitle, reviewDescription, reviewRatingScore (1-5), reviewDate (ISO publishedDate), reviewDateOfExperience, reviewLabel, isReviewVerified, reviewer (display name), reviewerId, reviewersCountry (ISO Alpha-2), reviewLanguage, reviewCompanyResponse (the company reply text), plus pagination metadata (currentPage, totalPages, totalCount). Optional flags add reviewer profile metadata (reviewerNumberOfReviews, reviewerProfileIsVerified), reply analysis dates (companyReplyPublishedDate, companyReplyUpdatedDate), extended metadata (reviewSource, reviewVerificationSource, reviewLikes), and review photos. Use when user mentions Trustpilot reviews, scrape Trustpilot, get reviews from Trustpilot, Trustpilot review scraper, Trustpilot customer reviews, extract Trustpilot reviews, Trustpilot review data, download Trustpilot reviews, paginate Trustpilot, paginated Trustpilot reviews, filter Trustpilot reviews by star, filter Trustpilot by language, verified reviews Trustpilot, has reply Trustpilot, company response Trustpilot, Trustpilot reply analysis, brand monitoring Trustpilot, sentiment analysis Trustpilot, competitor reviews Trustpilot, bulk reviews from a Trustpilot page, batch download reviews, trustpilot.com reviews scraping, fake review research Trustpilot, Trustpilot dataset, persona research from Trustpilot reviews, Trustpilot keyword search reviews, Trustpilot date range reviews, review export Trustpilot. Also applies to comparing review trends across competitors, training data for LLM sentiment classifiers, monitoring competitor response time, exporting reviews for BI dashboards, lead generation from active reviewers, ML / fake-review detection, and aggregator sites that display third-party reviews.

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。

Amazon product detail page scraper: extract full product data from any open Amazon product detail URL (any /dp/{asin} or /gp/product/{asin} page across all Amazon regional TLDs) — returns asin, url, title, brand, price, listPrice, stars, reviewsCount, starsBreakdown (5/4/3/2/1 star percentages), answeredQuestions, inStock, inStockText, delivery, fastestDelivery, returnPolicy, breadCrumbs, features (bullet points), description, bookDescription, thumbnailImage, highResolutionImages, galleryThumbnails, productOverview (Brand/Model/etc.), attributes (tech spec table), attributesMapped (flat key-value), bestsellerRanks (rank + category + url), variantAttributes (currently selected color/size/style), variantAsins, seller (name + id + url), isAmazonChoice, amazonChoiceText, monthlyPurchaseVolume, hasAPlusContent, hasBrandStory, aiReviewsSummary, reviewsLink, productPageReviews (sample), videosCount, locationText, loadedCountryCode. Works on amazon.com, amazon.co.uk, amazon.de, amazon.co.jp, amazon.fr, amazon.it, amazon.es, amazon.ca, amazon.com.au, amazon.in, amazon.com.mx, amazon.com.br, amazon.nl, amazon.se, amazon.sg, amazon.ae, amazon.sa, amazon.pl, amazon.tr, amazon.eg. Use when user mentions Amazon product page, Amazon /dp/, Amazon dp URL, Amazon ASIN scraper, Amazon product detail, Amazon PDP, Amazon product data, Amazon product info, Amazon product fields, Amazon product attributes, Amazon full field extraction, Amazon per-ASIN enrichment, Amazon rating breakdown, Amazon stars breakdown, Amazon bestseller rank, Amazon BSR, Amazon variants, Amazon variant ASINs, Amazon color size options, Amazon feature bullets, Amazon A+ content, Amazon brand story, Amazon AI review summary, Amazon bought in past month, Amazon monthly sales volume, Amazon Amazon's Choice badge, Amazon seller info, scrape Amazon product, enrich Amazon ASIN, Amazon ASIN details, Amazon product review data. Also applies to bulk ASIN enrichment from a list of URLs, competitive product research, brand catalog audits, price and stock monitoring per ASIN, and building a normalized product dataset from a list of Amazon URLs.

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。