「framework」の検索結果

GKEのログ・メトリクス収集とアラートを設定し、Managed Service for Prometheusの欠測や収集・権限・ルール評価の問題を切り分けるスキル。

• GKEのログとメトリクス収集の設定
• Prometheusの欠測を調べたいとき
• クラスタ監視のダッシュボードとアラート設計

Android・iOS・UnityのアプリにGoogle Mobile Ads SDKを導入し、依存関係の追加からアプリ識別子の設定、初期化、組み込み確認まで進めるスキル。

• AndroidアプリにSDKを導入したいとき
• iOSアプリのSDKを設定したいとき
• Unityにモバイル広告を組み込みたいとき

新規顧客の導入進捗をHubSpotとPostgresで確認し、停滞や期限超過を検出。未完了の手順に合ったメール下書きと担当者向け通知を用意します。

• 新規顧客の導入進捗を毎日確認したいとき
• 設定が止まった顧客への案内文作成
• 期限超過の顧客を担当者に知らせたいとき

目的に合うAgent Zeroのプラグインを索引から探して比較し、必要条件の確認からセキュリティスキャン、導入・更新・有効化・削除まで管理するスキル。

• 目的に合うプラグインを探して比較
• 導入前に外部サービスや費用を確認
• プラグインのスキャン・導入・更新

AIエージェントの出力を文字列やJSONの検査とモデルによる採点で評価し、複数回の試行から信頼性を測り、プロンプトやモデルの比較、変更後の品質確認に使うスキル。

• 2つのプロンプトを比較したいとき
• エージェントの設定変更後の品質確認
• 実際の失敗を評価ケースにしたいとき

問題を根本的な事実まで分解し、変えられない制約・変更可能な方針・未検証の思い込みを整理します。前例に縛られず、目的に合う解決策を組み直します。

• 高コストの要因を分解したいとき
• 前例から引き継いだ要件の見直し
• 行き詰まった設計を考え直したいとき

ブログの挿絵や技術図解、比較図、マンガ、アイコンなどを用途別の手順で制作します。形式に合う構図や配色を組み立て、確認用の画像を出力します。

• ブログの見出し画像を作りたいとき
• システムの仕組みを図解したいとき
• 比較や時系列を可視化したいとき

製品の技術文書から顧客にとっての価値を読み取り、商談で伝えるストーリー、木炭スケッチ風の画像、説明の要点をまとめた営業用の素材一式を作成します。

• 製品資料から営業素材一式を作りたいとき
• 技術文書を提案台本にしたいとき
• 営業ストーリーに添える画像の作成

Export raw OpenTelemetry traces from an AI application to Confident AI's Observatory. TRIGGER when the user wants to send OpenTelemetry or OTLP traces/spans from an LLM app, agent, RAG pipeline, or chatbot to Confident AI; configure the Confident AI OTLP endpoint; set confident.span.* or confident.trace.* attributes; export AI-app traces without the deepeval Python package; wire an OTLPSpanExporter, OpenTelemetry Collector, or vendor-neutral OTel SDK to Confident AI; or pick the US vs EU OTLP endpoint. Language-agnostic: the mechanism is OTLP attribute keys plus an exporter endpoint. DO NOT TRIGGER for building DeepEval pytest eval suites, datasets, goldens, metrics, or deepeval test run (use the `deepeval` skill); for instrumenting with the DeepEval SDK's @observe decorator or framework integrations (use the `deepeval-tracing` skill); or for non-AI software such as web servers, CRUD backends, or infrastructure: the confident.* attributes describe AI components only.

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。

Instrument an AI application with DeepEval's native tracing so its behavior is visible in Confident AI. TRIGGER when the user wants to add DeepEval tracing or @observe to an LLM app, agent, RAG pipeline, or chatbot; wire a framework, model-provider, or vector-database integration (LangGraph, LangChain, OpenAI Agents, LlamaIndex, Pydantic AI, CrewAI, and others); choose between a native integration and manual instrumentation; set span types, tags, or metadata; or send DeepEval-SDK traces to Confident AI's Observatory. DO NOT TRIGGER for building DeepEval pytest eval suites, datasets, goldens, metrics, or deepeval test run (use the `deepeval` skill), or for raw OpenTelemetry / OTLP export without the deepeval package (use the `deepeval-otel` skill). This skill is purely DeepEval-SDK instrumentation — producing well-formed traces, not running evals.

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。

DeepEval evaluation workflow for AI agents and LLM applications. TRIGGER when the user wants to evaluate or improve an AI agent, tool-using workflow, multi-turn chatbot, RAG pipeline, or LLM app; add evals; generate datasets or goldens; use deepeval generate; use deepeval test run; send results to Confident AI; monitor production; run online evals; inspect traces; or iterate on prompts, tools, retrieval, or agent behavior from eval failures. AI agents are the primary use case. Covers Python SDK, pytest eval suites, CLI generation, traced evals, Confident AI reporting, and agent-driven improvement loops. DO NOT TRIGGER for unrelated generic pytest, non-AI test setup, or non-DeepEval observability work unless the user asks to compare or migrate to DeepEval; for instrumenting an app with DeepEval tracing, @observe, or framework integrations (use the `deepeval-tracing` skill); or for raw OpenTelemetry / OTLP export without the deepeval package (use the `deepeval-otel` skill).

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。

Compliance expert for SOC 2, GDPR, HIPAA, PCI-DSS, and security frameworks

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。

How to build desktop applications with GPUI Kit, the Rust framework published as the gpui-kit crate (GPUI plus gpui_kit::component, gpui_kit::base, gpui_kit::assets). Use when setting up a gpui-kit app, choosing or using a component (Button, Input, Select, Dialog, Sheet, Tabs, Sidebar, List, DataTable, Tree, Chart, etc.), handling component state, theming, or window overlays, and for GPUI mechanics: actions and keybindings, async tasks, contexts, custom elements, entities, events, focus, global state, layout and styling, ElementId, and tests including UI integration testing. Holds the normative Coding Guides: read them before any architecture, state-ownership, public API, naming, or testing decision. Pairs with the gpui-kit-design-guides skill for the Design Guides.

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。

Workflow 5: orchestrate a text-only resubmit of a polished paper to a different venue under hard constraints (no new experiments, no bib edits, no framework changes, never overwrite prior submissions). Use when user says "resubmit pipeline", "重投流程", "port paper to <new venue>", "resubmit to <venue>", "tighten paper for resubmission", or has a rejected/withdrawn paper to move to a different top venue under tight time budget.

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。

Perform language and framework specific security best-practice reviews and suggest improvements. Trigger only when the user explicitly requests security best practices guidance, a security review/report, or secure-by-default coding help. Trigger only for supported languages (python, javascript/typescript, go). Do not trigger for general code review, debugging, or non-security tasks.

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 crafted, highly detailed, interactive isometric SVG figures that explain a technical idea as a real physical object (a test rig, a dial gauge, a cabinet of drawers, a plotter, a lock), with many small precise solid parts, four-tone shading, correct painter's order, a framed card with title, hint and live readout, and calm eased motion. Use this whenever someone wants an isometric illustration, an explanatory diagram or figure for docs, a blog post, a landing page or an article, a "Linear-style" or "premium" technical drawing, an interactive explainer, or an SVG that shows how a system, algorithm or component works, even if they never say "isometric". Works framework-free (TypeScript/JS that writes SVG and HTML) and in React/Next.js, and can add realistic WebGL shaders (fire, exhaust, water, caustics, lamp light) that live inside the drawing in the same isometric perspective. Also publishes a finished figure to the Anatomy community gallery when asked.

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。

Track ML experiments, manage model registry with versioning, deploy models to production, and reproduce experiments with MLflow - framework-agnostic ML lifecycle 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。

Vision-language pre-training framework bridging frozen image encoders and LLMs. Use when you need image captioning, visual question answering, image-text retrieval, or multimodal chat with state-of-the-art zero-shot 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。

Framework for state-of-the-art sentence, text, and image embeddings. Provides 5000+ pre-trained models for semantic similarity, clustering, and retrieval. Supports multilingual, domain-specific, and multimodal models. Use for generating embeddings for RAG, semantic search, or similarity tasks. Best for production embedding generation.

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。

Multi-agent orchestration framework for autonomous AI collaboration. Use when building teams of specialized agents working together on complex tasks, when you need role-based agent collaboration with memory, or for production workflows requiring sequential/hierarchical execution. Built without LangChain dependencies for lean, fast execution.

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。

Applies cognitive science frameworks for creative thinking to CS and AI research ideation. Use when seeking genuinely novel research directions by leveraging combinatorial creativity, analogical reasoning, constraint manipulation, and other empirically grounded creative strategies.

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。

Guides researchers through structured ideation frameworks to discover high-impact research directions. Use when exploring new problem spaces, pivoting between projects, or seeking novel angles on existing work.

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 complex AI systems with declarative programming, optimize prompts automatically, create modular RAG systems and agents with DSPy - Stanford NLP's framework for systematic LM programming

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。