mcpField
A
ai-llm-skills-guide

ai-llm-skills-guide

github.com/gmh5225エージェントワークフロー9744 回インストール4 日前に更新
リポジトリ

ai-llm-skills-guide について

ai-llm-skills-guideは、AIやLLM開発のトピックを整理・参照するスキルです。エージェントフレームワーク、RAG、可観測性、メモリ、コンテキストエンジニアリング、マルチエージェントのパターンを扱います。

主な機能

  1. 01エージェントフレームワークの分類
  2. 02RAGの構成要素と手法の概要
  3. 03可観測性とトレースツールの一覧
  4. 04メモリシステムの種類の説明
  5. 05コンテキストエンジニアリングとエージェントパターンの整理

活用シーン

  1. 01AIプロジェクトに関連するスキル分類の検索
  2. 02READMEでのAIスキルの整理
  3. 03一般的なマルチエージェント構成の確認

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/gmh5225/awesome-skills --skill ai-llm-skills-guide

インストール後、Claude Code で/ai-llm-skills-guideを入力して読み込まれたか確認します。

詳細

AI エージェントと LLM 開発スキル

対象範囲

以下の場合にこのスキルを使用します。

  • AI／LLM 関連のスキルを探す、または追加する
  • エージェントのアーキテクチャパターンを理解する
  • RAG、埋め込み、ベクトルデータベースを扱う
  • マルチエージェントシステムを実装する

主なスキルカテゴリ

エージェントフレームワーク
フレームワーク説明
LangGraphステートフルなマルチアクター型 AI アプリケーション
CrewAIロールベースのマルチエージェントオーケストレーション
AutoGenMicrosoft のマルチエージェントフレームワーク
RAG（検索拡張生成）
コンポーネントスキル
埋め込みテキスト埋め込みモデル、チャンク分割戦略
ベクトル DBPinecone、Weaviate、Chroma、Qdrant
検索ハイブリッド検索、再ランキング、コンテキスト最適化
可観測性とトレーシング
ツール用途
Langfuseオープンソースの LLM 可観測性
LangSmithLangChain のトレーシングとデバッグ
Weights & BiasesML 実験のトラッキング
メモリシステム
種類説明
短期会話バッファー、スライディングウィンドウ
長期ベクトルストアの永続化、エンティティメモリ
エピソード記憶経験に基づくメモリの想起

コンテキストエンジニアリングのスキル

主な概念
  • コンテキストの基礎：コンテキストとは何か、なぜ重要なのか
  • コンテキストの劣化：中間部の情報の見落とし、ポイズニング、注意散漫のパターン
  • コンテキストの圧縮：要約、削減の戦略
  • コンテキストの最適化：キャッシュ、マスキング、コンパクション
マルチエージェントのパターン
  • オーケストレーターパターン
  • ピアツーピアの協調
  • 階層的な委任
  • ツールを使用するエージェント

README への追加先

  • エージェントフレームワーク：AI Agents & LLM Development
  • RAG ツール：AI Agents & LLM Development または Data & Analysis
  • 可観測性：AI Agents & LLM Development
  • コンテキストエンジニアリング：Context Engineering

主なリポジトリ

sickn33/antigravity-awesome-skills/skills/
├── langgraph/
├── crewai/
├── langfuse/
├── rag-engineer/
├── prompt-engineer/
├── voice-agents/
├── agent-memory-systems/
└── autonomous-agents/

muratcankoylan/Agent-Skills-for-Context-Engineering/skills/
├── context-fundamentals/
├── context-degradation/
├── context-compression/
├── multi-agent-patterns/
└── memory-systems/

ベストプラクティス

  1. モジュール設計：検索、生成、オーケストレーションを分離する
  2. 評価：ベンチマークとテストケースを含める
  3. コストの把握：トークン使用量と API コストを記載する
  4. フォールバック戦略：API の障害に適切に対処する
  5. ストリーミング：可能な場合はストリーミング応答をサポートする

リソース一覧

より詳細なスキルリソース、リンクの全一覧、または最新情報を確認するには、WebFetch を使用して完全な README.md を取得してください。

https://raw.githubusercontent.com/gmh5225/awesome-skills/refs/heads/main/README.md

README.md には、リンクをすべて含む、カテゴリ分けされたリソース一覧の完全版が記載されています。

コメント

Markdown 対応