spark-optimization

マーケティングチームには、チャネルを横断して一貫性を保つコンテンツが必要です。このスキルは、ブランドボイスとSEOに合わせてコンテンツを計画、執筆、分析、最適化するのに役立ちます。

一貫性のないプロンプトは時間を浪費し、AIの出力を信頼しにくくします。このスキルは、再利用可能なパターン、例、評価手順、最適化ワークフローを使ってプロンプト設計を支援します。

アーキテクチャ上の意思決定は、Web、モバイル、バックエンド、クラウドシステム全体で比較するのが困難です。このスキルは、レポート、依存関係レビュー、トレードオフ文書化のための構造化されたガイドとローカルのスキャフォールドスクリプトを提供します。

チームには、モダンなWebアプリケーション向けに一貫したセットアップ、アーキテクチャ、レビュー指針が必要です。このスキルは、React、Next.js、Node.js、GraphQL、PostgreSQLプロジェクト向けのスキャフォールダー、ワークフローのリファレンス、品質向上のためのプロンプトを提供します。

目標が曖昧だったり複雑だったりすると、明確なプロンプトを書くのは困難です。このスキルは、実績のあるプロンプトフレームワークを使って、粗い依頼を構造化されたプロンプトに変換します。

プロダクトチームには、機能の順位付け、インタビューの統合、意思決定の文書化をより速く行う方法が必要です。このスキルは、構造化された計画のために、RICEスコアリング、インタビュー分析、PRDテンプレートを提供します。

Data teams need dependable pipelines across fragmented platforms. This skill designs implementation-ready batch, streaming, modeling, orchestration, and quality workflows.

本番環境のデータチームには、パイプライン、品質チェック、オーケストレーションのための信頼性の高いパターンが必要です。このスキルは、モダンなデータスタックにおけるアーキテクチャ、スキャフォールディング、DataOpsプラクティスをガイドします。

デフォルト設定を使用すると、Parquetパイプラインはストレージとメモリを浪費する可能性があります。このスキルはRustのParquet読み書きをレビューし、圧縮、サイズ設定、projection、filteringの改善を提案します。

遅い DataFusion クエリはコンピューティングリソースを無駄にし、単純なプラン上の問題を見えにくくする可能性があります。このスキルは SQL と DataFrame のパターンをレビューし、具体的なパフォーマンス改善を提案します。

大規模なPythonデータセットは、メモリ容量を超えたり、単一プロセスでは実行が遅すぎたりすることがよくあります。このスキルは、Claude、Codex、Claude CodeがDaskワークフローを設計するのを支援します。

データチームがPolarsパイプラインを構築し、pandasから移行する際には、迅速なガイダンスが必要です。このスキルは、式、遅延クエリ、I/O、join、パフォーマンスチューニングのための簡潔なパターンを提供します。