スキルを探す

LLMアプリの処理経路や入出力をArize AXで追跡できるよう、既存コードの調査から計測の追加、実行確認、記録の到着確認まで進めるスキル。

• LLMアプリの追跡を始めたいとき
• ツール実行の入出力を記録
• 既存のOpenTelemetryに送信先を追加

Arizeに記録されたLLMアプリの処理履歴を取得し、入力・出力やエラー、遅延を調べます。会話や処理のIDで絞り込み、原因調査やオフライン分析に使うデータを書き出します。

• LLMアプリのエラー原因調査
• 会話の入力と応答を確認したいとき
• 時間のかかる処理を調べたいとき

外部ツールを使うAIエージェントに、操作の許可・拒否、人の承認、呼び出し回数の制限を組み込みます。危険な入力の検知や監査ログ、複数エージェントの信頼度管理も扱います。

• エージェントのツール権限を制限したいとき
• 実行前に危険な入力を検査したいとき
• 重要な操作に人の承認を設けたいとき

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

自然言語でAzureの構成を設計し、既存リソースも図で可視化します。対話で変更点を詰め、Bicepコードの生成・検証からデプロイまで進めるスキルです。

• Azureの新規構成を設計したいとき
• 既存のAzureリソースを可視化
• コストやセキュリティの変更検討

ArizeでAIモデルの評価実験を作成・実行し、同じデータに対する出力や評価指標を比較します。結果の書き出しや、変更後に成績が下がった事例の特定も支援します。

• 同じ評価データでモデルを比較したいとき
• モデル変更後に成績が下がった事例の特定
• 実験結果を書き出して分析したいとき

ChatGPT内で操作するウィジェット付きアプリの設計・実装を案内します。現在は非推奨で、後継のmcp-app-builderを使うよう案内されています。

• 操作画面付きのChatGPTアプリを企画
• MCPツールとReactウィジェットの実装
• 画面の状態をChatGPTと共有したいとき

SGLangのRust側でチャット入力を処理する実装を追加・検証し、Python側とプロンプト本文やトークンIDが一致するよう整えるスキル。

• sglang-processorへモデルを追加したいとき
• sgl-routerから描画処理を移したいとき
• Dynamo更新後の挙動を確認したいとき

LLM推論の実行記録を解析し、GPU処理の時間配分、並行実行の余地、処理統合の候補を3つの表に整理します。既存ファイルや対応サーバーの計測に使えます。

• 推論時間を占めるGPU処理の調査
• 入力処理とトークン生成の比較
• GPU処理とPythonコードの対応確認

株式や暗号資産の戦略を過去データで検証し、価格変動の要因分析やオプション評価を行います。取引履歴からルールを抽出し、実際の損益と比べるレポート作成にも対応します。

• 過去データで戦略を検証したいとき
• 定義済みの予測指標の比較
• 証券会社のCSVで取引習慣を振り返りたいとき

PDFやOffice文書、画像、表データから文字を取り出し、共通のJSON形式で返すスキル。資料の要約や契約条項の確認、表の下見に使えます。

• 論文や報告書を要約したいとき
• Word契約書の重要条項の確認
• Excelの全シートを下見したいとき

AI製品の信頼性や学習方法を、Andrej Karpathyの公開発言から整理した思考法で検討します。デモと実運用の差、LLMの得意不得意を具体的に掘り下げます。

• AI製品の実運用の信頼性を見極めたいとき
• ニューラルネットワークの実装学習計画
• LLMの得意分野と失敗傾向の検討

AIの技術動向や研究方針、安全対策を、Ilya Sutskeverの公開発言から整理した思考モデルで検討し、結論と身近な例えで説明するスキル。

• AI研究の方向性を検討したいとき
• 規模拡大とデータの限界の整理
• AIの安全戦略を議論したいとき

LLMへの入力と応答に検査を組み込み、不正な指示や有害な内容、機密情報の流出に備えます。３種のツールで会話の制約を設け、遮断率や誤検知率も検証します。

• LLM・RAG・エージェントの運用対策
• 不正な指示を含む入力の検査
• 機密情報や有害な応答のフィルタリング

LLMアプリへの攻撃テストをPromptfooとDeepTeamで自動化し、CI/CDに組み込みます。指示の乗っ取りや情報漏えいの再発を検出し、モデル変更前後も比較します。

• 変更ごとの攻撃テスト自動実行
• 安全性テスト失敗時のマージ停止
• モデルやプロンプトの安全性比較

TypeScript・JavaScript・React・Node.jsのコードを、読みやすく保守しやすい形に整えます。命名や型、API設計、テストの書き方まで共通の基準を示します。

• チームのコーディング規約をそろえたいとき
• 長い関数や深い条件分岐の整理
• Reactの部品や状態更新のレビュー

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

用途や残したい要素を整理し、OpenAI Image APIで商品写真やイラストの生成、背景の差し替え、部分修正、複数案の一括作成を進めるスキル。

• 商品写真やWeb用画像の作成
• 画像の背景を削除・変更したいとき
• 画像内の物や文字を部分修正

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

ローカルの言語モデルなどの出力形式をOutlinesで制御し、指定した項目や型に沿うJSONの生成、文章からの情報抽出、選択肢による分類を支援するスキル。

• 会社情報やプロフィールのJSON抽出
• 決まったラベルで文章を分類したいとき
• 指定した書式に沿う文字列の生成

AIへの入出力を定義して処理を組み合わせ、検索した資料を使う回答システムやエージェントを構築します。学習データと評価指標によるプロンプトの自動最適化も扱います。

• 資料を検索して答えるAIを作りたいとき
• 例と評価指標でプロンプトを改善したいとき
• AI処理を再利用できる部品に分けたいとき

Pythonで外部ツールを呼ぶAIエージェントを作り、応答を決めたデータ形式で検証する設計や、モデルの切り替え、実際のLLMを使わないテストを案内するスキル。

• 形式を検証するAI応答の実装
• 注文データと問い合わせ対応の連携
• 実際のLLMを呼ばないテスト

言語モデルの出力を正規表現や文法で制約し、JSONや日付などの形式を整えるほか、分類・情報抽出・複数段階の処理をPythonで組み立てるスキル。

• 決めた構造のJSONを生成したいとき
• 日付・メール・識別子の形式を指定
• 固定ラベルで文章を分類したいとき

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