ai-ml

AI/ML ワークフローバンドル

概要

LLM アプリケーションの構築、RAG システムの実装、AI エージェントの作成、機械学習パイプラインの開発を行うための包括的な AI/ML ワークフローです。このバンドルは、本番環境向けの AI 開発に必要なスキルを連携させます。

このワークフローを使用する場面

以下の場合にこのワークフローを使用します：

• LLM を活用したアプリケーションの構築
• RAG（検索拡張生成）の実装
• AI エージェントの作成
• ML パイプラインの開発
• アプリケーションへの AI 機能の追加
• AI のオブザーバビリティの設定

選択と完了

依頼されたプロダクトに必要なフェーズのみを選択してください。このワークフローは、委任、ホスト型サービスへの呼び出し、デプロイ、バックグラウンドジョブ、外部へのメッセージ送信を許可するものではありません。実際に使用するスキルと利用可能なツールのスキーマを確認してください。実装前に、タスクごとの品質基準、検索とソースのチェック、データ権限、レイテンシとデータの鮮度に関する制限、障害からの復旧方法を定めてください。使用する各機能が対象環境で動作することを検証してください。指示が存在するだけでは、未確認のチェック項目は完了したことになりません。

ワークフローのフェーズ

フェーズ 1：AI アプリケーションの設計

呼び出すスキル

• ai-product - AI プロダクト開発
• ai-engineer - AI エンジニアリング
• ai-agents-architect - エージェントアーキテクチャ
• llm-app-patterns - LLM のパターン

アクション

1. AI のユースケースを定義する
2. 適切なモデルを選択する
3. システムアーキテクチャを設計する
4. データフローを計画する
5. 成功指標を定義する

コピーして使用するプロンプト

Use @ai-product to design AI-powered features

Use @ai-agents-architect to design multi-agent system

フェーズ 2：LLM の統合

呼び出すスキル

• llm-application-dev-ai-assistant - AI アシスタントの開発
• llm-application-dev-langchain-agent - LangChain エージェント
• llm-application-dev-prompt-optimize - プロンプトエンジニアリング
• gemini-api-dev - Gemini API

アクション

1. LLM プロバイダーを選択する
2. API アクセスを設定する
3. プロンプトテンプレートを実装する
4. モデルパラメーターを設定する
5. ストリーミング対応を追加する
6. エラー処理を実装する

コピーして使用するプロンプト

Use @llm-application-dev-ai-assistant to build conversational AI

Use @llm-application-dev-langchain-agent to create LangChain agents

Use @llm-application-dev-prompt-optimize to optimize prompts

フェーズ 3：RAG の実装

呼び出すスキル

• rag-engineer - RAG エンジニアリング
• rag-implementation - RAG の実装
• embedding-strategies - 埋め込みモデルの選定
• vector-database-engineer - ベクトルデータベース
• similarity-search-patterns - 類似検索
• hybrid-search-implementation - ハイブリッド検索

アクション

1. データパイプラインを設計する
2. 埋め込みモデルを選択する
3. ベクトルデータベースを設定する
4. チャンク分割戦略を実装する
5. 検索を設定する
6. 再ランキングを追加する
7. キャッシュを実装する

コピーして使用するプロンプト

Use @rag-engineer to design RAG pipeline

Use @vector-database-engineer to set up vector search

Use @embedding-strategies to select optimal embeddings

フェーズ 4：AI エージェントの開発

呼び出すスキル

• autonomous-agents - 自律型エージェントのパターン
• autonomous-agent-patterns - エージェントのパターン
• crewai - CrewAI フレームワーク
• langgraph - LangGraph
• multi-agent-patterns - マルチエージェントシステム
• computer-use-agents - コンピューター操作エージェント

アクション

1. エージェントアーキテクチャを設計する
2. エージェントの役割を定義する
3. ツール連携を実装する
4. メモリーシステムを設定する
5. オーケストレーションを設定する
6. ヒューマン・イン・ザ・ループを追加する

コピーして使用するプロンプト

Use @crewai to build role-based multi-agent system

Use @langgraph to create stateful AI workflows

Use @autonomous-agents to design autonomous agent

フェーズ 5：ML パイプラインの開発

呼び出すスキル

• ml-engineer - ML エンジニアリング
• mlops-engineer - MLOps
• machine-learning-ops-ml-pipeline - ML パイプライン
• ml-pipeline-workflow - ML ワークフロー
• data-engineer - データエンジニアリング

アクション

1. ML パイプラインを設計する
2. データ処理を設定する
3. モデルのトレーニングを実装する
4. 評価を設定する
5. モデルレジストリを設定する
6. モデルをデプロイする

コピーして使用するプロンプト

Use @ml-engineer to build machine learning pipeline

Use @mlops-engineer to set up MLOps infrastructure

フェーズ 6：AI のオブザーバビリティ

呼び出すスキル

• langfuse - Langfuse のオブザーバビリティ
• manifest - Manifest のテレメトリ
• evaluation - AI の評価
• llm-evaluation - LLM の評価

アクション

1. トレーシングを設定する
2. ロギングを設定する
3. 評価を実装する
4. パフォーマンスを監視する
5. コストを追跡する
6. アラートを設定する

コピーして使用するプロンプト

Use @langfuse to set up LLM observability

Use @evaluation to create evaluation framework

フェーズ 7：AI セキュリティ

呼び出すスキル

• prompt-engineering - プロンプトのセキュリティ
• security-scanning-security-sast - セキュリティスキャン

アクション

1. 入力検証を実装する
2. 出力フィルタリングを追加する
3. レート制限を設定する
4. アクセス制御を設定する
5. 不正利用を監視する
6. 監査ログを実装する

AI 開発チェックリスト

LLM の統合

• API キーを保護する
• レート制限を設定する
• エラー処理を実装する
• ストリーミングを有効にする
• トークン使用量を追跡する

RAG システム

• データパイプラインが動作している
• 埋め込みを生成する
• ベクトル検索を最適化する
• 検索精度をテストする
• キャッシュを実装する

AI エージェント

• エージェントの役割を定義する
• ツールを統合する
• メモリが機能している
• オーケストレーションをテストする
• 堅牢なエラー処理を実装する

可観測性

• トレーシングを有効にする
• メトリクスを収集する
• 評価を実行する
• アラートを設定する
• ダッシュボードを作成する

品質ゲート

• すべての AI 機能をテストする
• パフォーマンスのベンチマークを満たす
• セキュリティ対策を実施する
• 可観測性を設定する
• ドキュメントを完成させる

関連するワークフローバンドル

• development - アプリケーション開発
• database - データ管理
• cloud-devops - インフラストラクチャ
• testing-qa - AI テスト

制限事項

• 上記の説明にある範囲にタスクが明確に該当する場合にのみ、このスキルを使用してください。
• 出力を、環境固有の検証、テスト、専門家によるレビューの代替として扱わないでください。
• 必要な入力、権限、安全性の境界、または成功基準が不足している場合は、作業を中断して確認してください。