「code mode」の検索結果

ユーザーや状況に合う上位候補を選ぶ推薦・ランキング処理を、候補取得から採点、選択、記録までの6段階で設計し、動くコードのひな形にするスキル。

• 個人向けコンテンツ配信の設計
• 検索やRAGの結果を並べ替えたいとき
• タスクの優先順位付け

LaravelのWebアプリやAPIを、役割の分かれた構成で実装・レビューします。データ取得、入力検証、API応答、キューやキャッシュを整理し、保守しやすい設計を支援します。

• コントローラーをサービスとActionsに分けたいとき
• Eloquentの関連付けと過剰なクエリの点検
• API応答・ページ分割・入力検証の統一

既存プロジェクトの設計に合わせて、外部APIとの連携機能を追加するスキル。設定、認証、エラー処理から登録、テストまで、既存の実装方式に沿って整えます。

• 既存プロジェクトへのJira連携追加
• 既存方式に沿ったSlack連携の実装
• 連携機能の登録とテストを整えたいとき

AIから外部の処理やデータを使うMCPサーバーを、mcp-useで設計・実装するためのガイド。認証、操作画面、エラー処理、公開までを案内します。

• MCPサーバーを新規作成したいとき
• 処理・データ・定型プロンプトの追加
• 一覧や選択用のReact画面を作りたいとき

ファイル削除やデータベース消去、Gitの履歴書き換えなどを実行前に検知し、警告します。本番環境や共同作業で危険なコマンドを確認してから進めるためのスキルです。

• 本番環境の危険な操作確認
• 共有環境での削除操作確認
• 変更を失うGit操作の検知

claude-flow v3のセキュリティ設計を見直し、依存パッケージ、パスワード保存、認証情報、入力検証、コマンド実行の対策とテストを整えるスキル。

• セキュリティ境界と脅威の整理
• 依存パッケージの更新と監査
• パスワード保存と認証情報生成の見直し

AIエージェントと外部サービスをつなぐMCPサーバーを、PythonやTypeScriptで設計・実装し、入力検証やエラー処理、動作評価まで進めるスキルです。

• 外部APIのMCPサーバーを作りたいとき
• エージェントの作業に合うツール設計
• 入力検証やエラー処理のレビュー

タスクを実行前に振り分け、LLMを呼ばずに処理できると判定された割合と、LLM利用が必要なタスクの推奨モデル・費用上限の見積もりを報告するスキル。

• 似たタスクを一括処理する前の確認
• 単純なコード変換のLLM費用を見直す
• Agent Booster対象割合の確認

claude-flow v3のセキュリティ設計を見直し、依存パッケージ、パスワード保存、認証情報、入力検証、コマンド実行の対策とテストを整えるスキル。

• セキュリティ境界と脅威の整理
• 依存パッケージの更新と監査
• パスワード保存と認証情報生成の見直し

ページの言語を示すlangとxml:langの不一致を点検します。XHTMLと通常のHTML5の違いを踏まえ、読み上げやXML処理で使われる言語指定の修正を支援します。

• XHTMLの言語属性を点検したいとき
• HTML5の不要なxml:langの整理
• 読み上げの発音がおかしいとき

Webサイトの画像を点検し、圧縮効率の高いAVIF形式の導入を支援します。画像サイズや読み込み方も確認し、非対応ブラウザ向けにWebPやJPEGを用意する構成を検討します。

• サイトの写真にAVIFを導入したいとき
• 非対応ブラウザ向けのWebP・JPEG配信
• 初期画面の画像サイズや読み込み方の点検

OpenSpecを使うプロジェクトで、既存コードや仕様を調べながらアイデア・問題・要件を対話で整理し、実装前や作業途中の判断を助けるスキル。

• 曖昧な機能案の範囲を整理したいとき
• 既存構成を踏まえて技術を比較
• 実装で詰まり設計を見直したいとき

Python・Rust・TypeScript・Goの実装や修正に、厳密な型付け、エラー処理、分岐の網羅、動作を確かめるテストの共通基準を適用するスキル。

• 厳密な型で機能を実装したいとき
• 不具合の共通原因を修正したいとき
• 動作を確かめるテストの見直し

ManimGLで数式やグラフ、立体のアニメーションをPythonで作る際の実装を支援します。対話的な試行、文字の配色、カメラ操作、動画出力を扱います。

• 数式や導出過程のアニメーション
• 関数やグラフの可視化
• カメラを動かす3Dシーンの作成

Runs the evals of a BMad skill through the agent harness the user works in and reports what they show: baseline against the bare model, variant against a stripped or prior version, quality against a rubric, and trigger accuracy of the description with an optional optimization loop. Use when the user asks to evaluate, benchmark, test the triggers of, grade, or compare versions of a skill, or when the bmad-toolsmith skill asks for an eval of a skill it built.

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。

Runs Hermes Agent in one-shot mode for bounded local tasks. Use when the user explicitly asks to delegate work to Hermes and accepts its automatic tool approval behavior.

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。

Protocol-driven study screening for systematic, scoping and rapid reviews. Turns a proposal or PROSPERO protocol into confirmed eligibility rules, then screens titles/abstracts and full texts with two blinded AI reviewers and a third-reviewer adjudicator: ordered exclusion codes, no silent defaults, resumable batch runs, QC (seed studies, near-miss rechecks, kappa and PABAK), PRISMA 2020 counts, EndNote/Zotero RIS groups, an Excel log, a methods draft and a literature_corpus handoff to academic-paper. Reads RIS, PubMed .nbib, Web of Science and CSV exports; removes duplicates. 8 modes: protocol, quick, pilot, ta-screen, ft-screen, adjudicate, audit, report. Use it to screen records against eligibility criteria, pilot screening, resolve screening conflicts, audit exclusions or report the selection process. Triggers on: screen these papers, title/abstract screening, full-text screening, screening conflicts, inclusion criteria, PRISMA flow, غربالگری مقالات, اسکرینینگ عنوان و چکیده, معیارهای ورود و خروج.

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。

Builds and troubleshoots TorchDrug 0.2.1 workflows for molecular graphs, property prediction, self-supervised pretraining, molecule generation, retrosynthesis, protein representation learning, and knowledge graph reasoning. Use when code imports torchdrug or needs its datasets, models, tasks, or Engine.

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。

Builds and validates PyHealth clinical machine-learning pipelines for EHR, signals, imaging, and medical codes. Use for PyHealth dataset loading, MIMIC-III/IV, eICU or OMOP prediction tasks, patient-level evaluation, mortality/readmission/length-of-stay modeling, medication recommendation, sleep staging, Trainer checkpoints, and ICD/ATC/NDC/RxNorm mapping.

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。

Supports local computational pathology research with PathML: slide loading and tiling, preprocessing and QC, h5path storage, multiplex quantification, spatial graphs, and bounded model inference. Use for whole-slide H&E, CODEX, Vectra, Mesmer, HoVer-Net, and HACTNet workflows.

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。

Modal is a serverless cloud platform for running Python on demand, including on-demand GPUs. Use when deploying or serving AI/ML models, running GPU-accelerated workloads (training, fine-tuning, inference), serving web endpoints, scheduling batch jobs, or scaling Python code to cloud containers with the Modal SDK.

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。

Use when you need a deep, implementation-ready engineering plan for a code change — built from GitNexus graph intelligence, statement-level PDG analysis, and targeted source verification, compact enough that an implementation agent can start without re-investigating. Also strengthens existing plans via Deepen mode. Examples: "/gitnexus-plan Add retry support to the ingestion pipeline", "/gitnexus-plan deepen docs/plans/<plan>.md", "plan this change using the knowledge graph".

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。

Use GitHub Copilot CLI in non-interactive mode to ask questions, review code, or generate snippets without manual interaction.

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。

Generates client SDK code, API wrapper libraries, request/response models, and language-specific usage patterns for any REST API.

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。