すべてのSkill (6,483)

デザインレビューやUXチェック後、成果物を発表する前の最終段階として、間隔、階層、配置などを調整し、見た目を美しく整えることで、成果物の品質を向上させるSkill。

Webアニメーションのデザインと実装に関する質問に答え、UI要素のアニメーション方法、最適なイージング、アクセシビリティ、パフォーマンス向上など、自然で意図的な動きを実現するためのベストプラクティスを提案するSkill。

AIエージェントがウェブサイトやアプリをエンドユーザーとして利用できるよう、構造化されたデータやAPIを活用し、アクセシビリティにも配慮した設計を行うことで、エージェントが理解・操作しやすい環境を構築するSkill。

UIやコンポーネントなどのデザインに関する品質をチェックするSkillで、成果物を共有する前や開発中、デザインQAの際に自動的に起動し、視覚的な品質向上を支援するSkill。

SDKのパターンや構造、ベストプラクティスに沿って、新しい業務プロセス定義を構築し、調査から実装までの3段階ワークフローをガイドするSkill。

テスト駆動開発でビーズに関する課題を解決するコーディングを始める際に、「raise」コマンドの後に使用することで、未解決の課題を持つユーザーがスムーズに開発に着手できるよう支援するSkill。

Rustで記述された関数を、Joltという技術を用いてゼロ知識証明で保護し、関数の処理内容を秘匿したまま実行できるようにするSkill。

コードの潜在的なバグや設計上の欠陥、運用上のリスクを19の領域で詳細に監査し、インシデント後や大規模な変更前に、コード全体の健全性をチェックするSkill。

ドメイン駆動設計に基づき、共通言語、サブドメイン、境界づけられたコンテキスト、コンテキストマップなどを活用して、ビジネスの概要を可視化し、領域全体の設計・アーキテクチャを決定するSkill。

Java 25とSpring Boot 4で構築されたアプリケーションのコードを、移行リスク、セキュリティ脆弱性、パフォーマンスなどの観点から詳細にレビューし、改善点を提案するSkill。

Spring Data JPAを活用し、最新のベストプラクティスに沿ってリポジトリやエンティティを実装し、高度なクエリやパフォーマンス最適化まで実現することで、効率的なデータアクセス層を構築するSkill。

Flussonic Media Serverに関する設定、API、ライブ配信、トランスコード、録画、再配信、CDN、プロトコル、トラブルシューティングなど、幅広い知識を持ち、動画配信サーバー管理を支援するSkill。

Gitのコミットログやプロジェクト資料、議事録などから過去の業務や今後の計画を時系列でまとめ、ガントチャートやタイムラインで可視化されたMarkdown/HTML形式のレポートを作成するSkill。

機械学習の実験を、ローカル環境やクラウド環境など様々な計算環境で実行し、トレーニングの開始、ジョブの投入、実験スクリプトの実行などを効率的に行うことを支援するSkill。

論文の査読結果やレビューコメントに基づき、反論戦略を立て、実験計画を検討し、査読者の意図を推測しながら、ポイントごとの回答や議論の準備、表現改善など、効果的な反論を作成するSkill。

論文発表に合わせて研究コードを一般公開するために、GitHubリポジトリを作成したり、コードをパッケージ化したり、再現性を確保したりするなど、オープンソース化に必要な準備作業を支援するSkill。

新しい機械学習の研究プロジェクトを始める際に、論文執筆用のLaTeXとコード開発用のPythonのリポジトリを、共通のフォルダにまとめて効率的に立ち上げ、研究開発の環境構築をスムーズにするSkill。

機械学習・AI分野の論文投稿前に、NeurIPS、ICML、ICLRなどの会議の査読者、採点予測、却下理由、反論のリスク、メタレビュー、対立的な意見などをシミュレーションし、論文の質を高めるSkill。

新しい実験や機能開発のために、Gitブランチやワークツリーを簡単に作成し、UV環境との連携もサポートすることで、安全かつ効率的な開発環境を構築するSkill。

学術論文投稿前に、関連する古典的・最新の研究が適切に引用されているか、網羅性を監査するSkill。

機械学習論文の構成や表現を、NeurIPSやICMLなどの特定学会の採択基準に合わせて最適化し、レビューアに響く論文作成を支援するSkill。

有望なAI研究アイデアを、実装前の段階で具体的なアルゴリズムや手法として詳細に設計するSkill。

会議の成果物評価や再現性レビューに向け、インストール手順、再現コマンド、データ、環境設定など、研究成果物パッケージを準備するSkill。

機械学習やAI論文の実験で、比較対象となるベースラインが適切か、最新か、そして査読に耐えうるかを監査するSkill。