「with」の検索結果

LinkedInで営業先や採用候補者、企業・求人・投稿を探すスキル。Curviate CLIでの条件指定や複数ページの取得、グループ情報の確認を案内します。

• 営業先や採用候補者を探したいとき
• 企業規模を絞って求人を探したいとき
• 関連投稿やサービス提供者の検索

手元の環境にWeb検索用サーバーを構築し、Bright Data SERP APIで複数の検索エンジンの結果を取得します。検索語の展開、順位の統合、重複除去も扱います。

• Claude CodeにWeb検索を追加
• 複数の関連検索語で調査したいとき
• 地域やドメインを絞った検索

ブランドや業界に合うWebサイトを、文字・配色・余白・動き・3D表現から設計し、参考サイトの調査に基づいてReactのコンポーネントとして制作するスキル。

• 個性のあるブランドサイト制作
• 商品を中心にしたLP制作
• 独自の構成で作品集を作りたいとき

LinkedInの求人をCurviate CLIで下書き・更新し、公開費用の確認から掲載終了、応募者情報や履歴書の取得まで扱うスキル。公開の契約条件や更新反映の遅れも説明します。

• LinkedIn求人の下書き・更新
• 公開費用と契約条件の確認
• 求人の掲載終了を準備したいとき

新しいUIの制作や既存画面の改修で、題材や利用者に合った配色・書体・レイアウトを設計します。画一的な見た目を見直し、操作文言や動きまで整えるスキルです。

• 新しいサイトのデザイン方針づくり
• 画一的なUIを見直したいとき
• 実装前に配色・書体・配置を決めたいとき

LinkedInの見出し・自己紹介・職歴を、採用担当者が探すキーワードや実績に沿って整え、履歴書との一貫性も確認しながらプロフィールの改善案をまとめるスキル。

• 転職に向けたプロフィールの更新
• 見出しとAboutを書き直したいとき
• 履歴書とプロフィールの整合確認

大量の文章をAIモデルが扱う単位に分割する処理や、独自の分割ルールの学習を支援し、元の文章との位置対応、入力長の調整、transformersとの連携も扱うスキル。

• 大量の文章をモデル用に前処理したいとき
• 専門分野の文章で分割方法を学習
• モデルの出力を原文の位置に対応づけ

音声で自然に会話するAIの構成を設計するスキル。音声を直接扱う方式と、文字起こし・応答生成・読み上げを分ける方式を比較し、遅延や割り込みへの対応を整理します。

• 音声AIの構成を比較したいとき
• 会話処理の遅延を見直したいとき
• 発話中の割り込み対応の設計

実装計画を独立したタスクに分け、同じセッションで担当エージェントを順に割り当てます。各実装を仕様への適合とコード品質の二段階で確認するスキル。

• 独立性の高いタスクの実装計画を実行
• 仕様適合を先に確認して品質レビュー
• タスクごとに修正と再レビューを実施

機能の要件からテスト計画、手動テストの手順、既存機能の再確認項目、不具合報告を作成します。Figmaのデザインと実装を比べる確認項目も整理します。

• 新機能のテスト計画を作りたいとき
• 購入手続きの手動テストを整えたいとき
• リリース前の回帰テストを整理したいとき

資料やスライドの配色と書体を、Anthropicのブランドに合わせて整えます。見出しと本文の階層を保ち、背景に応じた文字色や図形のアクセント色を適用します。

• Anthropicの配色でスライドを整えたいとき
• 見出しと本文の書体統一
• 図形とアクセント色の調整

LLMをGGUF形式に変換し、重みの数値精度を下げて軽量化する手順を案内します。CPUやApple Siliconでの実行、ローカルAIツールへの組み込みを扱います。

• CPUだけでLLMを動かしたいとき
• Apple Siliconでのローカル実行
• 量子化方式ごとの容量と品質の比較

AI APIを使う専用サービスの設計・実装を支援するスキル。用途に合うプロンプトやモデルの選定、出力の検証、利用量の記録と費用上限まで整理します。

• 用途を絞ったAIサービスの設計
• プロンプトと出力検証を整えたいとき
• API費用の記録と利用上限の設定

LLMへの入力と生成した回答を安全性の観点で分類し、問題のある内容を遮断する処理の実装を支援します。API化や一括処理、既存の安全対策への組み込みも扱います。

• LLMに渡す前の入力チェック
• 表示前の回答フィルタリング
• 安全性判定APIの構築

大量のデータから似たものを探す検索を、FAISSで実装するスキル。検索方式の選択からメモリ節約、GPU活用、索引の保存まで、速度と精度を考えて進めます。

• 大量データから類似候補を探したいとき
• 検索速度と精度に合う索引選び
• ベクトル検索のメモリ使用量削減

LLMを用途に合わせて追加学習するため、Axolotlの設定作成や不具合調査を支援します。YAML設定、LoRA・QLoRA、複数GPUでの学習を扱います。

• 追加学習のYAML設定を作りたいとき
• LoRA・QLoRAの学習を検討したいとき
• 複数GPUでの学習設定

機械学習モデルを本番サービスで動かすための設計・実装を支援します。学習や予測用データの整備から、モデル配信、性能比較、監視、再学習まで扱います。

• リアルタイム推薦サービスの設計
• A/Bテストでモデルを比較したいとき
• データの変化とモデル性能の監視

画像について質問に答えるAIや、会話を続けながら画像の内容を読み解くチャットを、LLaVAの導入、モデル選択、実装例に沿って構築するスキル。

• 画像に答えるチャットの構築
• 画像の説明文やキャプション作成
• 追加質問で場面を読み解きたいとき

文章からの画像生成や既存画像の画風変更、指定部分の描き直しをPythonで実装するためのガイドです。構図を指定する方法や、メモリ使用量の調整も扱います。

• 文章から画像を生成したいとき
• 既存画像の画風を変えたいとき
• 画像の一部分を描き直したいとき

長い文章を扱うTransformerの学習・推論で、Flash Attentionの導入から速度・精度の比較まで進め、GPUメモリ使用量と処理時間の削減を図るスキル。

• 長い入力でのTransformer学習の高速化
• AttentionのGPUメモリ使用量削減
• PyTorchモデルへの導入

長い文章を少ないメモリで扱うAIモデルの導入を支援します。RWKVによる逐次的な文章生成、状態の引き継ぎ、追加学習やTransformerとの比較を案内するスキルです。

• 文章を逐次生成したいとき
• 長い文書を分割処理したいとき
• Transformerとメモリ要件を比較

LLMの知識・数学・コード生成・安全性などを100以上のベンチマークで評価し、DockerやSlurm、クラウドでの実行からモデル比較、結果の出力まで支援します。

• 同じ評価課題でモデルを比較したいとき
• Slurmで大規模評価を実行したいとき
• 安全性や画像理解を評価したいとき

PyTorchモデルの内部で生じる数値を観察・変更し、出力への影響を調べる実験を支援します。nnsightを使い、小規模モデルのローカル実行からNDIFでの大規模モデル実験まで案内します。

• 各層の出力や注意パターンの観察
• 内部の値を置き換えて比較したいとき
• NDIFで大規模モデルを実験したいとき

PyTorchで大規模モデルを分散学習するため、モデルのパラメータを分割するFSDPの実装を支援。混合精度やCPUへの退避、通信設定や不具合の調査を案内します。

• FSDPで分散学習を実装したいとき
• 混合精度やCPU退避の設定を見直す
• 分散通信の方式を選びたいとき