データ分析、機械学習、LLMアプリ、プロンプト設計（8,563 件）
概要と使いどころ
Cost optimization patterns for LLM API usage — model routing by task complexity, budget tracking, retry logic, and prompt caching. Use when LLM spend needs to come down, or when routing tasks across model tiers and budgets.
日本語の概要は準備中です。原文の説明を表示しています。
Per-channel strict prompts, mention gating, silent observation, and a communication autonomy policy for agents that sit in shared channels with external counterparties. Use when an agent joins group chats, shared channels, or DMs where outsiders can read every message and you need it to speak only when addressed, never leak internal context, and route risky content to draft-only approval.
日本語の概要は準備中です。原文の説明を表示しています。
Eval-driven development (EDD) framework for AI coding sessions — define capability and regression evals before coding, grade with code-based, model-based, rule, or human graders, and track pass@k and pass^k reliability. Use when defining pass/fail criteria for agent tasks, measuring agent reliability, building regression suites for prompt or agent changes, or benchmarking across model versions.
日本語の概要は準備中です。原文の説明を表示しています。
Diagnose and accelerate large data movement — ingestion, backfill, export, ETL, warehouse loading, manifest catch-up, and table synchronization — by isolating the true bottleneck, benchmarking variants, and codifying the fastest path with a hard accounting block proving rows and timestamps cohere. Use when a pipeline or backfill is too slow and must get faster without losing data correctness.
日本語の概要は準備中です。原文の説明を表示しています。
Build a fully automated AI-powered data collection agent for any public source — job boards, prices, news, GitHub, sports, anything. Runs on a schedule, enriches data with a free LLM (Gemini Flash), stores results in Notion/Sheets/Supabase, and learns from user feedback. Runs 100% free on GitHub Actions. Use when the user wants to monitor, collect, or track any public data automatically.
日本語の概要は準備中です。原文の説明を表示しています。
Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.
日本語の概要は準備中です。原文の説明を表示しています。
ClickHouse database patterns, query optimization, analytics, and data engineering best practices for high-performance analytical workloads. Use when writing ClickHouse schemas or queries, or when an analytical query is too slow.
日本語の概要は準備中です。原文の説明を表示しています。
TRL: SFT, DPO, GRPO, RLOO reward modeling for LLM RLHF.
日本語の概要は準備中です。原文の説明を表示しています。
Outlines: structured JSON/regex/Pydantic LLM generation.
日本語の概要は準備中です。原文の説明を表示しています。
Axolotl: YAML LLM fine-tuning (LoRA, DPO, GRPO).
日本語の概要は準備中です。原文の説明を表示しています。
HuggingFace hf CLI: search/download/upload models, datasets.
日本語の概要は準備中です。原文の説明を表示しています。
vLLM: high-throughput LLM serving, OpenAI API, quantization.
日本語の概要は準備中です。原文の説明を表示しています。
High-throughput LLM inference on NVIDIA GPUs.
日本語の概要は準備中です。原文の説明を表示しています。
W&B: log ML experiments, sweeps, model registry, dashboards.
日本語の概要は準備中です。原文の説明を表示しています。
Draw code changes as animated architecture/data-flow SVGs.
日本語の概要は準備中です。原文の説明を表示しています。
Constrain LLM output with grammars; guarantee valid JSON.
日本語の概要は準備中です。原文の説明を表示しています。
OBLITERATUS: abliterate LLM refusals (diff-in-means).
日本語の概要は準備中です。原文の説明を表示しています。
Fully sharded data-parallel training for large models.
日本語の概要は準備中です。原文の説明を表示しています。
Embedding database for RAG and semantic search.
日本語の概要は準備中です。原文の説明を表示しています。
Curate LLM training data: dedupe, filter, PII redaction.
日本語の概要は準備中です。原文の説明を表示しています。
Managed vector DB for production RAG and search.
日本語の概要は準備中です。原文の説明を表示しています。
Vector search engine for production RAG systems.
日本語の概要は準備中です。原文の説明を表示しています。
Structured LLM outputs validated with Pydantic.
日本語の概要は準備中です。原文の説明を表示しています。
Iterative Python via live Jupyter kernel (hamelnb).
日本語の概要は準備中です。原文の説明を表示しています。