「fix」の検索結果

指定時刻や一定間隔でリマインダーを送り、エージェントに定期作業を実行させて結果を受け取れます。一度だけの予定や、登録済みの予定の一覧確認・削除にも対応します。

• 定期的に休憩を知らせてほしいとき
• 会議前に一度だけ通知してほしいとき
• 定期確認の結果を受け取りたいとき

作業の前にOpenVikingから関連する過去の知識を探し、作業中や終了後に好み・決定・解決手順を保存します。MCPツールを通じて、次の作業でも使える長期記憶を扱います。

• 不具合調査で過去の修正を参照したいとき
• 継続的な好みや作業規約の保存
• 決定事項と理由の記録

表計算の数式エラーや参照漏れ、単位の不一致を調べるスキルです。選択範囲からブック全体まで対象を指定でき、財務モデルの整合性も確認して修正案を報告します。

• 選択範囲の数式を確認したいとき
• 貸借対照表の不一致を調べたいとき
• 顧客提出前の財務モデル点検

顧客に提出するプレゼン資料を読み、スライド間の数値の食い違い、データと説明の矛盾、表現やレイアウトの問題を確認し、重要度と該当スライドを添えて報告します。

• 顧客への送付前に資料を点検したいとき
• スライド間の数値照合
• グラフと説明の整合性確認

既存の投資銀行向けPowerPointテンプレートにExcelやCSVなどの資料から数値や内容を反映し、表・図形・書式とスライド間の整合性を確認します。

• 表計算データを提案資料へ反映
• 既存スライドの数値を更新したいとき
• 表や文字の書式を修正したいとき

Oracleを使う.NET/C#のデータアクセス処理をPostgreSQL向けに移行するスキル。接続設定、型、SQL、ストアドプロシージャ呼び出しを見直します。

• C#のDB接続処理を移行したいとき
• Oracleのパッケージと接続設定の置換
• パラメータ型とプロシージャ呼び出しの確認

指定した操作シナリオをPlaywright MCPで順に実行し、その履歴を基にTypeScriptのテストを生成・保存して、成功するまで実行と修正を繰り返します。

• 操作シナリオから自動テストを作りたいとき
• 実行した操作手順をテストコードにしたいとき
• 生成したPlaywrightテストの実行と修正

MinecraftのPaper・Spigot・Bukkit向けプラグインを開発・修正し、コマンド追加から対戦の進行管理、プレイヤーデータ保存までを支援します。

• サーバーコマンドやイベント処理の追加
• チーム戦やアリーナ型ミニゲームの実装
• クエストや成長データの保存

MCPサーバーの設定を読み、認証情報の直書き、不審なコマンド、バージョン未固定の依存関係などを点検します。重大度と修正案を添えた監査レポートにまとめます。

• .mcp.jsonのコミット前確認
• 新しいMCPサーバーの導入前点検
• 設定内の認証情報を探したいとき

外部サービスのAPI連携に向け、プロジェクトの言語に合う開発用ライブラリや認証方法を調べ、データ形式と呼び出し方法の確認から実装まで進めるスキル。

• アプリに外部APIを組み込みたいとき
• APIクライアントやSDKの導入
• 認証方法と呼び出し仕様の確認

AIチャットや文書画面に、生成途中のMarkdownを順次表示するMarkstreamを導入します。フレームワーク別の選定から依存関係、CSS、SSR設定まで支援します。

• AIチャットに逐次表示を加えたいとき
• CSSやSSRの不具合を直したいとき
• Markdown表示を置き換えたいとき

GitHub Actionsの設定と実行履歴から無駄な処理を調べ、必要な検証を保ちながら、実行時間やCIコストの削減につながる改善案を最大3件に絞るスキル。

• GitHub Actionsの遅延調査
• CI費用と不要な実行の見直し
• キャッシュと重複実行の改善

GitHub Actionsの設定を点検し、外部入力によるコマンド実行や過剰な権限、秘密情報の漏えいにつながる箇所を、重大度と修正例付きで報告するスキル。

• CIのセキュリティを点検したいとき
• 強い権限でのフォーク実行の確認
• GITHUB_TOKENの権限見直し

BlazorアプリにMicrosoft Fluent UIの画面部品を導入し、フォームやダイアログを実装します。初期設定、テーマ変更、表示されない問題の調査も支援します。

• BlazorへのFluent UI導入
• 選択欄や検索候補付きフォームの実装
• ダイアログと通知の追加

Python製AIアプリを実際のLLMにつないで評価し、基準づくりからテストデータの準備、採点、結果分析まで進め、優先順位付きの改善計画を作るスキル。

• Python製AIアプリの品質確認
• 既知の失敗に対応するテストデータ作成
• 実際のLLMを使ったアプリ全体の採点

Gitの変更差分から種類や対象範囲を判断し、関連ファイルをまとめてステージングしながら、Conventional Commits形式のメッセージでコミットするスキル。

• 統一書式で変更をコミットしたいとき
• 関連ファイルを一つのコミットに整理
• 差分から変更の種類と対象範囲を判断

AIを使った作業の流れを、プロンプト、文脈の使い方、ツール、構成、安全性の5観点で採点し、具体的な問題点と優先して直す項目をまとめるスキル。

• AIワークフローの本番導入前点検
• 既存エージェントの品質と信頼性の監査
• 問題の修正順序を決めたいとき

C#の単体テストをXUnitで書く際に、基本構成から複数データでの検証、例外の確認、依存先の切り離しまで、読みやすく独立したテスト作りを支援するスキル。

• C#のXUnitテスト環境の整備
• Theoryとデータ属性による複数入力の検証
• 例外の確認とモックによる依存先の分離

OracleからPostgreSQLへの移行で見つかった不具合を、再現手順・重大度・原因・修正方針・検証方法をそろえた報告書に整理し、対応に必要な情報を明確にします。

• 移行時の動作差を報告したいとき
• 再現手順とテストデータの整理
• 修正ファイルと検証方法の記録

Gitの変更内容を確認し、変更種別や対象範囲、短い要約をそろえたConventional Commits形式のメッセージ作成とコミット実行を支援します。

• チームのコミット表記を統一したいとき
• コミット前に変更内容を要約したいとき
• 互換性を壊す変更や関連課題の記録

Azureリソースの稼働状況とログ・性能指標を調べ、障害原因や影響を整理します。重要度に応じた修復手順と、検証・切り戻しを含む対応計画をまとめるスキル。

• Azureのサービス障害を調べたいとき
• 応答が遅い原因を調べたいとき
• 業務への影響で修正を優先付けしたいとき

コードの差分や変更の説明から、変更理由と解決する問題が伝わるコミットメッセージを作ります。Conventional Commits形式に整え、分割すべき変更も提案します。

• ステージ済み変更のメッセージ作成
• バグ修正が必要だった理由の記録
• 無関係な変更を別コミットに分けたいとき

PythonとBigQueryのデータ処理を点検し、課金の膨張、再実行時の重複、障害の見落としにつながる箇所と最小限の修正案を示すスキル。

• BigQuery処理の本番投入前点検
• ループ内のジョブ数と課金リスクを確認
• 失敗後の再実行による重複書き込みを点検

本番の実行記録や評価結果、人のフィードバックを手がかりに、LLMの指示文を改善。Arizeのデータで失敗傾向を調べ、修正前後を実験で比較するスキル。

• 本番の失敗記録から指示文を改善
• 出力形式を守らない回答の修正
• 検索資料に根拠のない回答の点検