Skills
エージェント向けにパッケージ化された専門スキルと手順を 96,981 件掲載。コマンド 1 行でインストールできます。
データ・データベース
未加工の企業リストを、根拠付きでスコア付けした見込み客リストにするよう依頼された場合に使用します。クライアントがすでに持っているリストを評価し、公開情報でエンリッチし、日付と根拠を添えた購買シグナルを付けて、そのまま送信できるファイルとして出力します。トリガー：「run the list」「score these companies」「build the prospect list」「who do we write to first」「enrich this base」。
DataLens でスタンドアロンの HTML ページやレポートを作成、修正、公開する際に使用します。DataLens は、表、グラフ、CSV／ダウンロードボタンを含むことの多い自己完結型の HTML ドキュメント全体を受け取り、サンドボックス化され CSP で制限された iframe 内でレンダリングするため、通常のウェブコードは気付かないうちに動作しなくなることがあります。このようなページをゼロから生成する場合や、DataLens 上のページで画像、フォント、スクリプト、CDN ライブラリがブロックされる／Content-Security-Policy エラーが発生する、fetch/XHR/localStorage が動作しない、グラフが空白になる、ダウンロードまたは Export ボタンが機能しない、サイズ超過や文字コードの誤りでアップロードが拒否される、ユーザーの DataLens テーマ（ライト／ダーク）や言語（ru/en）に合わせる必要がある、Yandex マップを埋め込む、といった問題に対応します。許可されている CDN とホスト、およびページを完全に自己完結させる方法も扱います。DataLens のチャートセルや HTML マークアップのテーブル列には使用しません。
HuggingFace Tokenizers ライブラリ（Rust コアと Python／Node.js バインディング）を提供し、BPE、WordPiece、Unigram トークナイザーの学習と利用を支援します。正規化器、事前トークナイザー、モデル、後処理器、デコーダーのパイプライン、パディングと切り詰め、バッチエンコード、アライメント追跡、transformers PreTrainedTokenizerFast への変換を扱います。新しいコーパスでカスタムトークナイザーや語彙を学習する場合、大規模なテキストコーパスを高速にトークン化する場合、NER や質問応答向けにトークンを文字オフセットへ対応付ける場合、正規化や特殊トークンを設定する場合に使用します。transformers 向けにカスタムトークナイザーをラップする場合にも使用します。SentencePiece モデルや tiktoken にはそれぞれのツールを使用してください。事前学習済みトークナイザーの読み込みだけなら AutoTokenizer で十分です。
Instructor Python ライブラリと Pydantic のレスポンスモデルを使って、LLM の応答から構造化され検証済みのデータを抽出します。ネストしたモデル、列挙型、カスタムバリデーター、検証エラーのフィードバックを用いた自動再試行、部分オブジェクトやイテラブルのストリーミングに対応します。Anthropic、OpenAI、ローカルの Ollama モデルで動作します。自由文から型付きフィールドやエンティティを抽出する場合、テキストを固定カテゴリに分類する場合、スキーマ検証を通過する JSON を LLM に返させる場合、抽出失敗時に自動再試行する場合、部分的な構造化結果をストリーミングする場合に使用します。プロンプト最適化には使用せず（DSPy を使用）、複数ステップのチェーン構築にも使用しません（LangChain を使用）。
マルチモーダル・ナレッジパイプライン・スキル — ドキュメント（PDF/画像/動画/Office）を永続的なナレッジウィキに取り込み、ナレッジ融合、ソース間の矛盾検出、マルチソース集約クエリ、ナレッジグラフ構築をサポートする。ユーザーがドキュメントの取り込み、ナレッジベースの構築、ウィキのクエリ、一貫性のチェック、ナレッジグラフの構築、ドキュメント分析、マルチモーダル理解、データパイプラインなどのニーズに言及したときにこのスキルをトリガーする。ユーザーが pipeline や knowledge-pipline と明示していなくても、ドキュメントを構造化ナレッジに変換する、ドキュメント間の分析・比較を行う、またはナレッジグラフを可視化する作業に関わる場合は、このスキルをトリガーすべきである。
一流のコンサルティングファーム（McKinsey、BCG、Gartner）のスタイルで、包括的な市場調査レポート（50 ページ以上）を生成します。プロフェッショナルな LaTeX 組版、scientific-schematics と generate-image による豊富なビジュアル生成、データ収集のための research-lookup との深い連携、Porter Five Forces、PESTLE、SWOT、TAM/SAM/SOM、BCG Matrix を含む複数フレームワークの戦略分析を備えています。
signalTimeFeatureExtractor、signalFrequencyFeatureExtractor、signalTimeFrequencyFeatureExtractor を使って 1 次元信号から特徴量を抽出する。フレーム単位で時間領域特徴量（振幅、エネルギー、形状因子）、周波数領域特徴量（スペクトル位置、パワー、帯域幅、PSD）、時間周波数特徴量（スペクトル形状、瞬時、リッジ、ウェーブレット、EMD 由来）を計算するときに使用する。ユーザーが「extract features」「compute spectral features」「build a feature table for a classifier」「get per-frame statistics」「run feature extraction on this signal」を求めたり、下流の ML や分析のために特徴量を必要とする振動 / 生体信号 / レーダー / センサー信号について述べたりするときに使用する。canUseGPU と gpuArray によるオプションの GPU 加速を含む。フィルター設計、音声専用の特徴量抽出（代わりに Audio Toolbox の audioFeatureExtractor を使用）、バッチデータセットのオーケストレーション、2 次元 / 画像特徴量は対象外。
ライブな Web データから Databricks データプロダクトをエンドツーエンドで構築する。適切な Nimble Web データエージェントを発見し、Delta テーブルにスクレイピングし、AI/BI ダッシュボードやデプロイ済みの Databricks App を生成する — テーブル → ダッシュボード → アプリのワークフローで、本番のデータプロダクトにも簡単なデモにも対応。ライブまたはスクレイピングした Web データを Databricks の保存先と組み合わせるリクエストには必ず使用する — 例:「Amazon/Walmart の価格を Delta テーブルにスクレイピングしてダッシュボードを構築する」「Zillow/Instagram/Maps/検索結果を Databricks に読み込んでダッシュボードやアプリを構築する」「見込み客に Nimble + Databricks をデモする」。データが Databricks に格納される場合は nimble-web-expert や competitor-intel より優先する。単発の Web 取得や Databricks の保存先がない CSV エクスポートには使用しない — 代わりに nimble-web-expert を使用。競合他社や企業の調査ブリーフィングには使用しない — 代わりに competitor-intel または company-deep-dive を使用。Nimble/Web データの要素がない一般的な Databricks 作業には使用しない — 代わりに公式の databricks-* スキルを使用。
ユーザーが NLP をサプライチェーンに適用したい、文書から情報を抽出したい、サプライヤーとのやり取りを分析したい、品目を分類したい、または非構造化テキストを処理したいときに使用する。ユーザーが "natural language processing"、"NLP"、"text mining"、"document extraction"、"supplier sentiment analysis"、"product classification from text"、"BERT"、"transformers for text"、"chatbots for supply chain" に言及したときにも使用する。一般的な機械学習については ml-supply-chain を参照。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。