「fea」の検索結果

競合製品との比較や代替サービスの紹介ページを、調査から構成・本文作成まで支援します。料金や用途、移行の違いを整理し、SEOや営業で使う比較コンテンツを作ります。

• 自社と競合の比較ページを作りたいとき
• 代替サービスの紹介記事を作りたいとき
• 見込み客に乗り換え条件を伝えたいとき

ホームページやLP、料金ページの内容と導線を分析し、申込や購入につながる改善案を整理します。見出しやボタン文言の代案、A/Bテストの仮説も提案します。

• 申込が少ないLPを見直したいとき
• 料金ページのプラン選びを改善したいとき
• 記事から資料請求への導線を整えたいとき

ホームページやLP、料金ページの文章を、読者の課題と商品の価値が伝わる内容に作成・改善します。見出しや行動を促すボタン文言の候補、選定理由も示します。

• 商品LPの文章作成
• 顧客の利点が伝わるホームページへの改稿
• 見出しとボタン文言の案出し

Apple App StoreとGoogle Play Store向けに、検索キーワードや紹介文、画像の改善方針を整理し、レビュー分析と公開準備を支援するスキル。

• アプリのタイトル・説明文・検索語の見直し
• 競合アプリの掲載内容を比較したいとき
• レビューから不満や機能要望を探したいとき

コードレビューや文章作成、分析、アイデア出しに使うAIへの依頼文を、用途別のテンプレートから組み立て、役割・出力形式・条件を具体化するスキルです。

• コードレビューの依頼文を作りたいとき
• 分かりやすい技術文書を依頼したいとき
• 機能や名前のアイデアを求めたいとき

自然な言葉で伝えた要望から、アプリの種類や使用技術、構成を整理します。画面・API・データベースなどの作業を分け、担当エージェントを連携させて開発を進めるスキルです。

• 言葉で伝えた要望からアプリを作りたいとき
• 使用技術とプロジェクト構成の選定
• 画面・サーバー・DB開発の連携

AIが参照する文書や推薦用データをPineconeで管理し、意味やキーワードで検索する仕組みを作るスキル。データ登録から条件付き検索、利用者別の分離まで扱います。

• AIの回答用に文書を検索したいとき
• 意味とキーワードで検索したいとき
• 利用者別に検索データを分けたいとき

LLMアプリの入力と回答に安全性の確認を組み込むために、制約を回避させる指示の検出、個人情報のマスキング、回答の事実確認などの設定を支援します。

• 安全ルールの回避指示を検出したいとき
• 処理前に個人情報を伏せたいとき
• 生成した回答に事実確認を加えたいとき

LLMを用途に合わせて追加学習するために、Unslothの導入やAPIの利用、コードの問題解決を支援。LoRA・QLoRAによる学習の高速化と省メモリ化も扱います。

• Unslothで追加学習を始めたいとき
• LoRA・QLoRAの学習方法を確認したいとき
• UnslothのAPIを使って実装したいとき

LLMを用途に合わせて追加学習するために、LLaMA-Factoryの画面操作や省メモリ手法の利用、機能の確認、実装と不具合調査を支援するスキル。

• 画面操作でLLMの追加学習を試したいとき
• LoRAやQLoRAの設定を確認したいとき
• LLaMA-Factoryの不具合を調べたいとき

製品要件をもとにClaude Codeで複数の専門エージェントを連携させ、設計・実装・テスト・公開・運用の作業を分担し、進捗や中断状態を管理するスキル。

• 製品要件から開発タスクを作る
• 実装・テスト・レビューの連携
• 保存した進捗から再開したいとき

OpenAI製品やAPIの使い方を公式ドキュメントで調べ、出典付きで案内するスキル。関連ページの検索と必要な箇所の取得を通じ、実装方法や機能の制限を確認します。

• Responses APIの実装方法を確認
• Codexの使い方を調べたいとき
• Apps SDKでのアプリ開発を調査

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

LLMアプリの入出力や処理時間をLangSmithで記録し、不具合の調査、データセットによる回答評価、本番環境の監視や継続的な品質テストを支援するスキル。

• LLMアプリの不具合を調べたいとき
• テストデータで回答を評価したいとき
• 本番の応答時間や費用の監視

LLMの学習用データを整えるスキル。GPUを使った重複除去や品質フィルタリング、個人情報の除去を支援し、テキスト・画像・動画・音声の前処理を案内します。

• Webデータを学習用に整えたいとき
• 大量の文章から重複を除きたいとき
• 学習用文章の個人情報を除きたいとき

FigmaのデザインをReactとTypeScriptの画面に変換します。画像を参照しながら構造やデータを整理し、部品ごとのコード生成から組み込みまで進めるスキルです。

• Figmaの画面をReactで実装したいとき
• 部品構造と入力データの整理
• デザイン画像を確認しながら部品を生成

社内文書やWeb、データベースを取り込み、関連情報を検索して答えるLLMアプリの構築を支援します。文書への質問応答や会話型検索、回答の評価を扱います。

• 社内文書の質問応答を作りたいとき
• 会話を覚えるチャットボットの構築
• ファイル・Web・DBを横断した検索

Customize your own agent — add capabilities, install packages, add MCP servers, edit code or CLAUDE.md. Use when the user asks you to add a feature, install a tool, or modify how you work. For non-trivial code changes, delegate to a builder agent via create_agent.

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。

The meta skill. Turn any raw feature into a properly-skilled, tested, resolvable unit of agent capability. Idempotent: running on an existing skill improves it (bug fix, new input, quality pass) instead of starting from scratch. Every skill declares an EVAL CONTRACT (its goal + skill-specific dimensions + hard-fails) so the cross-modal eval judges THIS skill's real purpose, not generic slop. Cross-modal eval runs BEFORE tests: 3 frontier models from different providers critique the output against the contract, you iterate to quality, THEN write/update tests that lock in the proven-good behavior. NO-REGRESSION LAW: any edit to a skill must score >= the previous iteration's eval — forward only, never back. For skills that back a scheduled job, an edit MUST re-run a representative task and eval it before shipping.

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。

Fix defects in the Composio SDK repository with focused reproduction, root-cause analysis, regression tests, and narrow verification. Use when the user reports a bug, failing test, CI regression, runtime defect, or incorrect SDK behavior. Do not use for new feature design or broad refactors.

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 Python SDK release, build, bump, packaging metadata, PyPI client pin, uv.lock, nox/build workflow, and publish verification changes. Use for Python release process work or dependency pin bumps; do not use for ordinary Python feature implementation.

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。

Zoom Meeting SDK for Windows - Native C++ SDK for embedding Zoom meetings into Windows desktop applications. Supports custom UI architecture with raw video/audio data, headless bots, and deep integration with meeting features. Includes SDK architecture patterns and Windows message loop handling.

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。

Zoom Meeting SDK for macOS native apps. Use when embedding Zoom meetings in macOS with default/custom UI, PKCE + SDK auth, host start/join flows, and desktop meeting feature controllers.

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。

Surface what customers are actually saying - direct attributed quotes on a topic across call transcripts and email, across your accounts. Use when the user asks "what are customers saying about [topic]", "pull quotes on [objection/feature/competitor]", "voice of customer on [X]", or "what's coming up in calls".

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。