1,130 件 ・ 関連度順
概要と使いどころ
Analyze text and images for harmful content using Azure AI Content Safety (@azure-rest/ai-content-safety). Use when moderating user-generated content, detecting hate speech, violence, sexual conten...
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。
AI Safety Specialist IA — Expert en sécurité IA (alignment, guardrails, filtrage de contenu, test de biais, red teaming)
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。
Enforce null/undefined safety for changed TypeScript code and suggest safer 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。
Comprehensive AI prompt engineering safety review and improvement prompt. Analyzes prompts for safety, bias, security vulnerabilities, and effectiveness while providing detailed improvement recommendations with extensive frameworks, testing methodologies, and educational 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。
Comprehensive AI prompt engineering safety review and improvement prompt. Analyzes prompts for safety, bias, security vulnerabilities, and effectiveness while providing detailed improvement recommendations.
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。
Implements content safety filters with PII redaction, policy constraints, prompt injection detection, and safe refusal templates. Use when adding "content moderation", "safety filters", "PII protection", or "guardrails".
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。
Handle mental health crisis situations in AI coaching safely. Use when implementing crisis detection, safety protocols, emergency escalation, or suicide prevention features. Activates for crisis keywords, safety planning, hotline integration, and risk assessment.
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。
Prepare for Anthropic-specific technical interviews covering Constitutional AI, RLHF, interpretability, scaling laws, MCP, agentic systems, and AI safety. Activate on "anthropic interview", "constitutional AI prep", "alignment interview", "safety interview", "RLHF opinion", "interpretability prep", "anthropic technical". NOT for general ML interview prep, system design interviews, coding challenges, or behavioral interview practice.
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。
MyBatisを使うJavaのデータ保存・取得処理を設計、レビューします。SQLと結果の対応付け、動的SQLの安全性、トランザクションや検索性能を扱います。
Kotlinのコード作成・レビュー・改修を支援します。nullの扱い、不変データ、非同期処理、型安全な設定記述を見直し、読みやすく保守しやすい構成に整えます。
Laravelアプリの認証・権限管理から、データ操作、フォーム、API、本番設定まで安全性を点検します。よくある脆弱性を避ける実装例を参考にできます。
複数店舗の販売データや商品の特性をもとに、需要予測、安全在庫、発注量を検討するスキル。販促後の需要減少や季節商品の値下げ時期まで計画を支援します。
電子カルテに組み込む臨床判断支援を設計し、薬の相互作用や用量の検証、臨床スコアの計算、警告の重要度に応じた画面制御とテストを実装するスキル。
A hospital data-governance briefing: patient-data risk, the control framework, accountability, and the approval the board must give. Built as a decision-grade policy briefing deck for health-system board, regulators.
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。
Creates safety-bounded draft structures and runs local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.
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 content moderation applications using the Azure AI Content Safety SDK for Java.
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。
Azure AI Content Safety SDK for Python. Use for detecting harmful content in text and images with multi-severity classification.
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。
Python type safety with type hints, generics, protocols, and strict type checking. Use when adding type annotations, implementing generic classes, defining structural interfaces, or configuring mypy/pyright.
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。
Deploys Llama Guard 3 safety classification, NeMo Guardrails programmable dialogue rails, and LLM Guard input/output scanner pipelines as complementary runtime defenses that inspect and constrain LLM prompts and responses. Use when adding a production runtime safety layer to an LLM, RAG, or agent application to block jailbreaks, prompt injection (OWASP LLM01), toxic content, or sensitive-data leakage before it reaches or leaves the model.
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。
Configures best-practice alerting policies for AI agents using OpenTelemetry (OTel) metrics, generating output as Terraform (.tf) configuration files. Use when analyzing, writing, or deploying alerting policies to monitor agent latency, error rates, token usage, and quality metrics. Don't use for standard infrastructure monitoring unrelated to AI agents, or when the agent is not instrumented with OpenTelemetry (for Reliability, Cost, Safety, Security alerts). NOTE: Reliability, Cost, Safety, and Security alerts use generic OTel metrics and work across runtimes (such as Cloud Run, Vertex AI). Quality alerts rely on Vertex AI Online Monitors and are strictly bound to Vertex AI deployments.
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。
Implements advanced TypeScript type systems, creates custom type guards, utility types, and branded types, and configures tRPC for end-to-end type safety. Use when building TypeScript applications requiring advanced generics, conditional or mapped types, discriminated unions, monorepo setup, or full-stack type safety with tRPC.
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。
红琥珀警示色 + hazard 条纹 + L1/L2/L3 tier 卡片 + 删除线标题
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。