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
ブランドの健全性、認知度、イメージ、ブランド資産を継続的に測定するための KPI、指標、トラッキングシステムを定義します。ユーザーが「brand measurement」「brand metrics」「how do we measure the brand」「brand KPIs」「brand health tracking」「brand awareness metrics」「brand equity measurement」「is our brand working」「brand ROI」「brand performance」「brand tracking」「brand health score」「prove brand value」「brand dashboard」と述べた場合や、ブランド投資の成果をステークホルダーに示す必要がある場合に使用します。
`docker run … gap_analysis vcn_aoi …` を使用して固定バージョンの TAO data-services コンテナを直接呼び出し、NVIDIA TAO VCN Classify（Visual Component Net）の実験をギャップ分析します。最適な判定しきい値を選び、サンプルごとの弱点を順位付けし、後続のデータ拡張用に照明条件別の top-K 最弱サンプル parquet を出力します。VCN の分類失敗の分析、SDA 拡張対象の選定、PASS/NO_PASS 境界ケースの監査に利用します。
Adanos Finance APIから、Reddit、X.com、金融ニュース、Polymarketにおける標準化された株式センチメントを取得します。話題性スコア、強気の割合、言及数または取引数、トレンドが含まれます。ある株がどれほど話題になっているか、ソーシャルプラットフォームでどれほど注目されているか、企業へのRedditでの言及数やPolymarketでの賭け数、Reddit、X、ニュースの見解が一致しているか、または銘柄間で話題性やセンチメントを比較したい場合に使用します。読み取り専用で、取引や変更は行いません。
NVIDIA TAO VisualChangeNet / ChangeNetのPCB検査モデル向けに、DEFT AOIの改善ループ全体を実行します。ベースライン評価、RCA、Cosmos AnomalyGen / AMPによる合成欠陥、k-NNマイニング、再トレーニング、顧客が定義した主要指標と任意の制約に基づくデプロイ判定を行います。依頼でAOI / 自動光学検査、PCB欠陥、VisualChangeNet、またはChangeNetのワークフローが明示されている場合に限り使用します。事前配置済みアセットを使ったエアギャップ環境／オフライン実行に対応します。一般的な反復改善の表現からAOIを推測してはいけません。CLIP / SigLIP画像検索、属性ラベル付き画像データ、単独のTAOトレーニング、単発推論、一般的な異常生成、RCAのみの分析には使用しないでください。
標準的なNVIDIA AOI 3段階トレーニングパイプラインを実行します。フェーズ1はAutoMLベースライン（HPO）、フェーズ2はDEFTループ（RCA → SDG → mining → plain-train retrain）、フェーズ3はDEFTで拡張したデータセット上でのAutoMLによる改善です。ユーザーが「run the AOI workflow」「fine-tune my PCB AOI model end-to-end」「improve my AOI ChangeNet model」「AOI workflow with AutoML」と依頼した場合に使用し、DEFTループのみを明示的に求めている場合（例：「run JUST the DEFT loop」「skip AutoML, only DEFT」）を除き、tao-run-deft-aoiではなくこのスキルに振り分けます。AOI以外のDEFTアプリケーションでも同じ3段階パターンを扱います。AutoMLベースラインの後、AutoMLで選ばれたHPをウォームスタートにしてDEFTループを実行し、反復で拡張したデータセット上でDEFT後のAutoML改善を行います。トリガーフレーズには「run the AOI workflow」「AOI end-to-end」「AutoML + DEFT」「AutoML then DEFT」「tune hyperparameters then DEFT」「DEFT with AutoML at both ends」「warm-start DEFT」「improve my AOI model」があります。
ベッティング分析——オッズ換算、控除率の除去、優位性の検出、ケリー基準、裁定取引の検出、パーレー分析、ライン変動を扱います。計算のみで、API呼び出しはありません。ESPN（アメリカンオッズ）、Polymarket（小数確率）、Kalshi（整数確率）など、あらゆる情報源のオッズに対応します。ユーザーが賭け金、期待値、優位性分析、ケリー基準、裁定取引、パーレー、ライン変動、オッズ換算、または情報源間のオッズ比較について尋ねた場合に使用します。ESPNのオッズと予測市場の価格をもとに、賭けに正の期待値があるか評価する場合にも使用します。ライブオッズや市場データを求めている場合は使用しないでください。まずpolymarket、kalshi、または競技別スキルでオッズを取得し、その後このスキルで分析します。
`SentenceTransformer`（バイエンコーダー。検索、類似度、クラスタリング、分類、言い換え表現のマイニング、重複排除、マルチモーダルに用いる密または静的な埋め込みモデル）、`CrossEncoder`（リランカー。2 段階検索／ペア分類用のペアスコアリング）、`SparseEncoder`（SPLADE。学習型スパース検索用のスパース埋め込みモデル）、`MultiVectorEncoder`（ColBERT／レイトインタラクション。トークンごとの埋め込みを MaxSim でスコアリング）を使った sentence-transformers モデルの学習またはファインチューニングを行います。損失関数の選択、ハードネガティブマイニング、評価器、蒸留、LoRA、Matryoshka、Hugging Face Hub への公開を扱います。sentence-transformers のあらゆる学習タスクに使用します。
Upstash Redis JavaScript/TypeScript SDK を使用してサーバーレス Redis 操作を行います。キャッシュ、セッションストレージ、レート制限、リーダーボード、全文検索（@upstash/redis search extension によるクエリ、フィルタリング、集計）、およびすべての Redis データ構造に使用します。JavaScript 型の自動シリアライズ／デシリアライズに対応します。TCP クライアントでは @upstash/search-redis および @upstash/search-ioredis アダプター経由の検索も利用できます
AI エージェント向け Wren CLI — 22 以上のデータベース（Postgres、MySQL、BigQuery、Snowflake、Spark、…）に対応するセマンティック SQL レイヤーです。実際のワークフローガイドは `wren` CLI 内にあり、これは検索用の説明のみです。データに関する質問（件数、表示、上位 N 件、比較、傾向、内訳、指標、収益、顧客、注文）、Wren Engine のインストールやセットアップ、新しいデータベースの接続、dlt による SaaS データ（HubSpot、Stripe、Salesforce、GitHub、Slack）の接続、データベーススキーマからの MDL プロジェクトの生成・再生成、ビジネスコンテキスト（列挙値の意味、単位、ARR / DAU / churn などのキューブ）によるプロジェクトの拡充、またはプロジェクトのコンテキストレイヤーを共有可能な GenBI Web アプリ / ダッシュボードに変換して Vercel や Cloudflare にデプロイしたい場合に使用します。起動語句：「install wren」「set up wren engine」「connect database to wren」「connect SaaS to wren」「load hubspot / stripe / salesforce data」「generate mdl」「scaffold wren project」「enrich wren context」「augment my project」「add cubes」「build a dashboard」「make a shareable analytics app」「deploy my context layer as a web app」「genbi app」「wren onboarding」「wren usage」「wren generate mdl」「wren dlt connector」「wren enrich context」「wren genbi」。
グラフ、ナレッジグラフ、関係性の多いワークロード向けに、Amazon Neptune Database と Neptune Analytics の信頼できるガイダンスを提供します。詐欺検出／詐欺ネットワーク、エージェントメモリ／セッションをまたぐチャットボットのコンテキスト、レコメンデーション、ID 解決、Gremlin／openCypher／SPARQL クエリ、スーパーノード／遅い走査、Neo4j から Neptune への移行／APOC 互換性、Neptune Database と Analytics エンジンの選択、PageRank／コミュニティ検出、GraphRAG、Lambda／EC2／アプリケーションからの接続を扱います。Neptune Database のクラスター／インスタンスと Neptune Analytics のグラフは、ユーザーの明示的な確認がある場合にのみ作成・変更します。破壊的な操作（削除、reset-graph、フェイルオーバー、メジャーアップグレード）をブロックし、変更管理へ誘導します。
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。