バックエンドのクエリコードは、遅くなったり、安全でなくなったり、保守しにくくなったりしがちです。このスキルは、Claude、Codex、Claude Code が、より安全なパラメータ、eager loading、インデックス、キャッシュ、トランザクションを活用できるよう導きます。

バックエンドチームには、データベースとORMの標準に一致する一貫したモデル定義が必要です。このスキルは、AIアシスタントに対して、モデルの命名、リレーション、casts、バリデーション、ファクトリ、シーダーを案内します。

マイグレーションにロールバック計画や互換性チェックが欠けていると、データベーススキーマの変更によってデプロイが壊れる可能性があります。このスキルは、Claude、Codex、Claude Code が焦点を絞ったマイグレーションを行えるよう導きます。

バックエンド API の作業は、ルーティング、バージョニング、レスポンス標準で行き詰まりがちです。このスキルは、Claude、Codex、Claude Code に、一貫した REST エンドポイントの設計と実装を進めるための指針を提供します。

データベースチームでは、FlywayマイグレーションをOnline Schema Changeワークフロー向けに書き換える必要がよくあります。このスキルは、ALTER TABLEおよびCREATE INDEXステートメントをタブ区切りのOSC行に変換します。

ソフトウェアの問題報告には、明確な修正に十分な証拠が不足していることがよくあります。このスキルは、Claude、Codex、またはClaude Codeに段階的な根本原因分析を案内します。

フロントエンドのデバッグでは、コマンドをまたいで維持される実際のブラウザセッションが必要になることがよくあります。このスキルは、ナビゲーション、検査、スクリーンショット、ログのためのPlaywrightベースのブラウザ制御を提供します。

Goで一般的なコレクション変換を行うには、反復的なループやヘルパーコードが必要になることがあります。このスキルは、Go 1.18以降のプロジェクト向けに、簡潔なsamber/loパターンを提案します。

GitHubのレビュー作業やリリース作業では、複数のコマンドや繰り返しのコンテキスト収集が必要になることがあります。このスキルはPRコンテキストを収集し、構造化されたワークフローでIssueまたはPRの変更を支援します。

DBX Studioでは、ストリーミングプロバイダーとツールプロバイダー全体で一貫したアシスタント動作が必要です。このスキルは、トーン、ツール順序、応答形式、SQL安全性に関するプロンプト編集をガイドします。

複雑なインタラクティブアーティファクトには、単一の HTML スニペットよりも多くの構造が必要です。このスキルは React プロジェクトをスキャフォールディングし、共有可能な 1 つの HTML ファイルにバンドルします。

Transformerプロジェクトでは、モデル、トークナイザー、推論、生成、トレーニングを慎重に選択する必要があります。このスキルは、Hugging Faceワークフローを構築および最適化するための実践的なパターンを提供します。

代数、微積分、行列、物理学にわたる厳密な記号数学を正しく実装することは困難です。このスキルは、実践的なSymPyのガイダンス、例、ワークフローパターンを提供します。

強化学習プロジェクトは、アルゴリズムの選択、環境の契約、評価ワークフローに一貫性がないため、失敗することが少なくありません。このスキルは、実践的なStable Baselines3のガイダンスと再利用可能なトレーニングテンプレートを提供します。

フロントエンドチームには、プロジェクト間で一貫したReactおよびNext.jsのガイダンスが必要です。このスキルは、フロントエンド分析のためのリファレンスワークフロー、品質プラクティス、ヘルパースクリプトを提供します。

コンピュータビジョンチームには、モデル、データ、推論、デプロイに関する実践的なガイダンスが必要です。このスキルは、Claude、Codex、Claude Code が本番対応のビジョンワークフローを計画するのを支援します。

要件、トレードオフ、実装上の制約が分散していると、アーキテクチャ上の意思決定を比較するのは困難です。このスキルは、システム設計、技術選定、基本的なアーキテクチャレポート作成のための構造化されたリファレンスとヘルパースクリプトを提供します。

量子ワークフローには、回路、バックエンド、アルゴリズムに関する正確なガイダンスが必要です。このスキルは、シミュレーション、ハードウェア実行、可視化、アルゴリズムに向けた実用的なQiskitパターンを提供します。

PyTorchプロジェクトは、一貫してトレーニングしスケールさせることが難しくなる場合があります。このスキルは、LightningModules、trainers、data modules、callbacks、logging、distributed trainingをガイドします。

強化学習プロジェクトでは、学習速度、環境設計、ポリシー構造を慎重に設定する必要があります。このスキルは、実践的な実装のためのPufferLibワークフロー、テンプレート、リファレンスガイダンスを提供します。