Langchain Aiスキル

OpenAPIドキュメントとREST APIデザインパターン

arXivでプレプリントや学術論文をトピック別に検索し、アブストラクトを取得します。物理学、数学、コンピュータサイエンス、生物学、統計学および関連分野をクエリベースで検索可能。結果件数は設定可能（デフォルト10件）で、関連性順にソートされます。各該当論文のタイトルとアブストラクトを返します。arxiv Pythonパッケージが必要で、未インストールの場合はpipでインストールしてください。

arXivプレプリントリポジトリで物理学、数学、コンピュータサイエンス、定量生物学、および関連分野の論文を検索します

調査委任、構造化コンテンツテンプレート、AI生成のカバー画像を用いた長文ブログ記事作成。執筆前にサブエージェントに調査を委任し、結果をマークダウンで保存して参照・文脈として活用。フック、背景、本文（3～5セクション）、実践応用、行動喚起付き結論の5部構成を適用。被写体、スタイル、構図、色彩、照明を詳細に指定したプロンプトでSEO最適化されたカバー画像を生成。記事を出力先は…

変更点に対して構造化されたコードレビューを実施し、正確性、スタイル、テスト、潜在的な問題を確認します。

ユーザーのコーディング設定を /memory/coding-prefs.md から読み取り、重要なスタイル判断を行う前に参照し、ユーザーが新しい設定を指定した場合はそれを追加します。

競合他社を分析するよう求められた場合：

GPUアクセラレーションによるデータセット、CSV、または表形式データの分析にNVIDIA cuDFを使用します。groupby集約や統計処理を含むタスクで起動します。

GPUアクセラレーションによる表形式データの機械学習に使用します。NVIDIA cuMLを利用します。分類、回帰、クラスタリング、次元削減を含むタスクで起動します。

出版品質のチャートやマルチパネル分析サマリーを作成するために使用します。データの可視化、結果のプロット、作成などを含むタスクで起動します。

データベースマイグレーションパターンとスキーマバージョニング

deep-agents-memory-&-filesystem — AIエージェント用のインストール可能なスキルで、langchain-ai/langchain-skillsから公開されています。

マルチステップエージェントを構築するための基盤フレームワークで、計画、記憶、スキル委譲を内蔵。タスク計画、ファイルシステムコンテキスト管理、サブエージェント委譲、永続記憶、人間承認ワークフロー、オンデマンドスキルローディングの6つのコアミドルウェアオプションを提供。タスク追跡用のwrite_todos、ファイルシステム操作（ls、read_file、write_file、edit_file、glob、grep）、特殊化サブエージェントを起動するtaskの3つの常時利用可能なビルトインツールを含む。対応...

Deep Agentsアプリケーションを構築する際は、このスキルを呼び出してください。create_deep_agent()、ハーネスアーキテクチャ、SKILL.md形式、設定オプションについて説明します。

Deep Agents向けのプラグイン可能なメモリおよびファイルバックエンド。エフェメラル、永続、ハイブリッドルーティングオプションを備えています。4種類のバックエンドタイプ：StateBackend（スレッドスコープ、エフェメラル）、StoreBackend（セッションをまたいだ永続）、FilesystemBackend（ローカル開発用の実際のディスクアクセス）、CompositeBackend（異なるパスを異なるバックエンドにルーティング）。FilesystemMiddlewareは6つのファイル操作ツールを提供：ls、read_file、write_file、edit_file、glob、grep。CompositeBackendは最長プレフィックス一致を使用してルーティングします...

Deep Agentがメモリ、永続性、またはファイルシステムアクセスを必要とする場合にこのスキルを呼び出します。StateBackend（エフェメラル）、StoreBackend（永続的）…をカバーします。

サブエージェントを調整し、複数ステップのタスクを計画し、機密操作には人間の承認を必要とします。タスクツールを介して専門サブエージェントに作業を委任します。カスタムサブエージェントは独立したツールセットとシステムプロンプトをサポートし、デフォルトの「汎用」サブエージェントはメインエージェント設定を継承します。write_todosを使用して複雑なワークフローを計画・追跡し、保留中、進行中、完了済みの状態でタスクを整理します。呼び出し間での永続性のためにthread_idが必要です。実装...

Deep Agentsでサブエージェント、タスク計画、または人間の承認を使用する際にこのスキルを呼び出します。SubAgentMiddleware、計画用のTodoList、HITL割り込みをカバーします。

Dockerコンテナ化とマルチステージビルドのベストプラクティス

deepagentsjsモノレポ用の新しい評価スイートを作成します。データセット設計、テストケースのスキャフォールディング、スコアリングロジック、vitest設定、LangSmith…を処理します。

コンピュータ全体のファイルやフォルダを、コンテキストを理解し、重複を検出し、より良い構造を提案し、自動化することで、インテリジェントに整理します。

LangChain、LangGraph、Deep Agentsの階層型アーキテクチャ向けフレームワーク選択ガイド。階層型フレームワークでは、LangChainが基本プリミティブを提供し、LangGraphがオーケストレーションと制御フローを追加し、Deep Agentsが計画、メモリ、ファイル管理、スキル委任を追加します。タスクの複雑さに基づいてフレームワークを選択するための決定表：LangChainは単一目的のエージェント、LangGraphはカスタム制御フローとループ、Deep Agentsはマルチステップ計画と永続セッション向け...

LangChain/LangGraph/Deep Agentsプロジェクトの開始時、エージェントコードを書く前にこのスキルを呼び出してください。適切なフレームワーク層を決定します…

大量のPDF、文書コレクション、またはGPUアクセラレーション処理が有効な一括テキスト抽出タスクを処理する際に使用します。ユーザーが…したときにトリガーされます。

あらゆるLangChain、Deep Agents、またはLangGraphのオープンソースエージェントプロジェクトは、必ずここから始めてください。これは、LangChainのオープンソースエージェントに必要な出発点です…

langchain-middleware-&-hitl — AIエージェント用のインストール可能なスキルで、langchain-ai/langchain-skillsから公開されています。

このスキルは、あらゆる検索拡張生成（RAG）システムを構築する際に呼び出してください。ドキュメントローダー、RecursiveCharacterTextSplitter、埋め込み（OpenAI）などをカバーします。

langchain-structured-output-&-hitl — AIエージェント用のインストール可能なスキルで、langchain-ai/langchain-skillsから公開されています。

このスキルは、LangChain製品（LangChain、LangGraph、LangSmith SDK）に関するあらゆるコーディングの質問に使用します。エージェント開発パターン、プリミティブなどをカバーします。

LangChainエコシステムのパッケージバージョン、依存関係、およびPythonとTypeScript向けのインストールガイダンス。新規プロジェクトはすべてLangChain 1.0 LTSで開始すること。バージョン0.3はレガシーメンテナンスのみ。langchain-coreは他のパッケージと一緒に明示的にインストールすること。オーケストレーションレイヤーは、詳細なグラフ制御にはLangGraph、バッテリー込みの計画とメモリにはDeep Agentsのいずれかを選択すること。langchain-communityは、保守的に正確なマイナーバージョンに固定すること（例：>=0.4.0,<0.5.0）。これは、...

このスキルは、新しいプロジェクトをセットアップするとき、またはLangChain、LangGraph、…のパッケージバージョン、インストール、依存関係管理について質問されたときに呼び出します。

create_agent()、ツール、ミドルウェアパターンを使用して、本番環境向けのLangChainエージェントを構築します。create_agent()をモデル、ツールリスト、システムプロンプトと共に使用し、チェックポインターとthread_idで状態の永続化を設定して、呼び出し間での会話メモリを実現します。@toolデコレーター（Python）またはtool()関数（TypeScript）を使用してツールを定義し、エージェントがいつ呼び出すべきかがわかるように明確な説明を記述します。HumanInTheLoopMiddlewareのようなミドルウェアを追加して、承認ワークフロー、カスタムエラーハンドリング、ヒューマンインザループを実現します...

create_agentを使用してLangChainエージェントを作成し、ツールを定義し、ヒューマンインザループやエラーハンドリングのためにミドルウェアを使用します。

Human-in-the-loop承認、カスタムミドルウェア、およびLangChainエージェント向けの構造化出力パターン。HumanInTheLoopMiddlewareは危険なツール呼び出しの前に実行を一時停止し、人間が承認、引数の編集、またはフィードバック付きで拒否できるようにします。ツールごとの割り込みポリシーにより、リスクレベルに基づいて異なる承認ルールを設定可能。状態の永続化にはチェックポインターとthread_idが必要です。コマンド再開パターンは人間の判断後に実行を継続し、ツール引数の編集をサポートします...

このスキルは、人間参加型の承認、カスタムミドルウェア、または構造化出力が必要なときに呼び出します。HumanInTheLoopMiddlewareによる人間の承認などをカバーします。

LangChain、Deep Agents、またはLangGraphエージェント構築プロジェクトでは、必ずここから始めてください。他のスキルを選択したり、何かを記述する前に必要な出発点です。

ドキュメントの取り込み、埋め込み、検索、LLMによる応答生成を備えた完全なRAGパイプライン。複数のドキュメントローダー（PDF、Webページ、ディレクトリ）と永続ベクトルストア（Chroma、FAISS、Pinecone）をサポートし、チャンクサイズとオーバーラップを設定可能で、最適なコンテキスト保持を実現。類似性検索、MMR（最大限界関連性）検索、メタデータフィルタリングにより、結果の関連性と多様性のバランスを調整。OpenAIの埋め込みと連携し、シームレスに統合。

langchain-rag — AIエージェント用のインストール可能なスキルで、langchain-ai/skills-benchmarks

LangGraphワークフロー、並列実行、割り込み、ストリーミングのためにこのスキルを呼び出してください。ファンアウト用のSend API、ヒューマンインザループ用のinterrupt()などをカバーします。

langgraph-persistence-&-memory — AIエージェント向けのインストール可能なスキルで、langchain-ai/langchain-skillsから公開されています。

LangGraphのドキュメントにアクセスして、ステートフルなエージェントやマルチエージェントワークフローを構築できます。公式のLangGraph Pythonドキュメントを取得し、ステートマシン、グラフベースのエージェント設計、ヒューマンインザループパターンをカバーします。クエリの種類に応じて関連ドキュメントを優先します：ハウツー質問には実装ガイド、理論にはコンセプトページ、エンドツーエンドの例にはチュートリアル、技術詳細にはAPIリファレンスを提供します。自動的に2～4個の最も関連性の高いドキュメントURLを選択し、その内容を取得して回答します。

LangGraphに関するリクエストには、このスキルを使用して関連ドキュメントを取得し、正確で最新のガイダンスを提供します。

状態を持つマルチステップのエージェントワークフローを構築するための有向グラフフレームワークで、細かい制御が可能。型付き状態スキーマを持つStateGraph、リストや値を蓄積するリデューサー、部分的な状態更新を返すノード。固定フロー用の静的エッジ、分岐用の条件付きエッジ、状態更新と動的ルーティングを組み合わせるCommand。Send APIによるワーカーノードへのファンアウト並列処理と、リデューサーによる結果集約。単一実行用のInvokeとストリームモード（値、更新、...）

このスキルは、LangGraphのコードを書く際に呼び出してください。StateGraph、状態スキーマ、ノード、エッジ、Command、Send、invoke、ストリーミング、エラーハンドリングをカバーします。

グラフの実行を一時停止し、人間によるレビュー、承認、検証を経て、その入力を反映させて再開します。これには3つのコンポーネントが必要です：チェックポインター（InMemorySaverまたはPostgresSaver）、設定内のスレッドID、そしてJSONシリアライズ可能なインタラプトペイロードです。interrupt(value)は一時停止してデータを表示し、Command(resume=value)は再開してその値を一時停止したノードに返します。interrupt()より前のすべてのコードは再開時に再実行されるため、副作用は冪等である必要があります（insertではなくupsertを使用）。承認ワークフローをサポートします。

LangGraphで人間参加型パターンを実装する際、承認のために一時停止する場合、またはエラーを処理する場合にこのスキルを呼び出してください。interrupt()、Command(resume=...)、…をカバーします。

LangGraphが状態を永続化したり、会話を記憶したり、履歴を遡ったり、サブグラフのチェックポインタースコープを設定する必要がある場合にこのスキルを呼び出してください。…

永続的なグラフ実行：スレッドスコープのチェックポイント、状態履歴、スレッド間の長期記憶。3つのチェックポインターオプション：テスト用のInMemorySaver、ローカル開発用のSqliteSaver、本番環境用のPostgresSaver。永続性を有効にするには、常にconfigにthread_idを渡します。get_state_history()を使用して過去のチェックポイントを参照・再生し、過去の時点で状態を更新して実行をフォークするか、再開前に手動で状態を変更します。Store APIはユーザーのスレッド間記憶を提供します...

このスキルは、トレースから評価データセットを作成する場合、データセットをLangSmithにアップロードする場合、またはデータセットをクエリする場合に呼び出します。データセットの種類（final_response、…）をカバーします。

LangSmithの評価パイプラインを構築する際にこのスキルを呼び出してください。以下の3つの主要コンポーネントをカバーします：(1) 評価器の作成 - LLM-as-Judge、カスタムコード；(2)…

LangSmithトレースを使用する際、またはトレースをクエリする際にこのスキルを呼び出してください。アプリケーションへのトレース追加やトレースデータのクエリ/エクスポートをカバーします。含まれる内容…

LangSmithでトレースされたエージェント向けのコードベース評価器を作成します。カスタム評価ロジックの構築、ツール使用パターンのテスト、エージェント出力のスコアリングなどに使用します…

このスキルは、トレースから評価データセットを作成する場合、データセットをLangSmithにアップロードする場合、またはデータセットをクエリする場合に呼び出します。データセットの種類（final_response、…）をカバーします。

評価データセットを作成、管理、アップロードしてLangSmithに送り、テストと検証を行います。対応するデータセットタイプは4種類：final_response（完全な会話）、single_step（個別ノードの動作）、trajectory（ツール呼び出しのシーケンス）、RAG（質問/チャンク/回答/引用）です。CLIコマンドでデータセットのライフサイクル管理（作成、一覧表示、取得、削除、エクスポート、ローカルJSONファイルからのアップロード）が可能。PythonとJavaScriptでのSDKベースのデータセット作成とプログラムによるサンプル追加に対応。サンプル管理...

このスキルは、評価データセットの作成、LangSmithへのデータセットのアップロード、または既存のデータセットの管理を行う際に呼び出します。データセットの種類（final_response、…）をカバーします。

LangSmithの評価パイプラインを構築する際にこのスキルを呼び出してください。以下の3つのコアコンポーネントをカバーします：(1) 評価器の作成 - LLM-as-Judge、カスタムコード；(2)…

LangSmith向けの評価パイプラインを、LLM-as-Judgeとカスタムコード評価器で構築します。3つの主要コンポーネント：評価器の作成（LLM-as-Judgeまたはカスタムコード）、エージェントの出力と軌跡を取得する実行関数の定義、ローカルでの評価実行またはアップロードされた評価器による自動実行。オフライン評価器（実行出力とデータセット例の比較）とオンライン評価器（本番実行のリアルタイム品質チェック）の両方をサポート。LangSmith APIキーとプロジェクトが必要です...

LangSmithの評価パイプラインを構築する際にこのスキルを呼び出してください。以下の3つのコアコンポーネントをカバーします：(1) 評価器の作成 - LLM-as-Judge、カスタムコード；(2)…

LangSmithのトレースを取得してエージェントの動作をデバッグします。エージェントの問題をトラブルシューティングするとき、会話履歴を確認するとき、またはツール呼び出しを調査するときに使用します。

LangSmithトレースを使用する際、またはトレースをクエリする際にこのスキルを呼び出してください。アプリケーションへのトレース追加やトレースデータのクエリ/エクスポートをカバーします。

LangSmithトレースを使用する際、またはトレースをクエリする際にこのスキルを呼び出してください。アプリケーションへのトレース追加やトレースデータのクエリ/エクスポートをカバーします。含まれる内容…

LangChain/LangGraphアプリにトレーシングを追加し、CLI経由でトレースデータをクエリしてデバッグやデータセット生成を行います。環境変数によるLangChain/LangGraphアプリの自動トレーシング、PythonおよびTypeScriptの他のフレームワーク向けに@traceableデコレータとwrap_openai()を使用した手動トレーシングを提供。langsmith CLIを使用して、時間、レイテンシ、エラー、タグ、カスタムメタデータでフィルタリングしながらトレース（完全な実行ツリー）または実行（個々のノード）をクエリ可能。階層を保持したままトレースをJSONLファイルにエクスポート...

LangSmithトレースを使用する際、またはトレースをクエリする際にこのスキルを呼び出してください。アプリケーションへのトレース追加やトレースデータのクエリ/エクスポートをカバーします。

コーディングタスクを、明確なステップ、ファイルの特定、リスク評価を含む構造化された実装計画に分解します。

単純なSELECTから複雑な複数テーブルのJOIN、集計、サブクエリに至るSQLクエリを作成・実行します。ユーザーがデータベースへのクエリを依頼した場合に使用してください。

モダンなReactコンポーネントパターン（フックとTypeScript使用）

現在の会話をレビューし、貴重な知識（ベストプラクティス、コーディング規約、アーキテクチャ上の決定、ワークフロー、ユーザーフィードバックなど）を収集します…

データベース内のテーブル一覧表示、カラムとデータ型の説明、外部キー関係の特定、エンティティ関係のマッピングを行います。ユーザーが～について質問した場合に使用します。

エージェントの機能を専門知識、ワークフロー、ツール連携で拡張する効果的なスキルを作成するためのガイド。このスキルは、ユーザーが…のときに使用します。

エージェントの機能を専門知識、ワークフロー、またはツール統合で拡張する効果的なスキルを作成するためのガイド。このスキルは、ユーザーが…のときに使用します。

プラットフォーム固有のソーシャルメディア投稿を、調査に基づいたコンテンツと生成された補完画像とともに下書きします。LinkedInの投稿（1,300文字、プロフェッショナルなトーン）とTwitter/Xのスレッド（1ツイートあたり280文字、1/🧵形式）に対応。執筆前にサブエージェントに調査を委任し、その後調査結果を読み、正確性と関連性を確認します。generate_social_imageツールを使用して、小さな画面向けに最適化された大胆でコントラストの高い構図の、目を引くソーシャル画像を自動生成します。

並行処理の上限を設けて、タスクのバッチをサブエージェントに並列でディスパッチします。{total, completed, failed, results[]} を含むサマリーオブジェクトを返します — 反復処理…

ユニットテストと統合テストのベストプラクティス

複数の情報源を対象としたウェブ調査を統括し、サブエージェントに委任して調査結果を統合し、引用付きのレポートを作成します。調査質問を2～5の明確なサブトピックに分割し、調査計画ファイルを作成して、最大3つのサブエージェントを並行して起動し効率的に調査を実施します。各サブエージェントはサブトピックごとに3～5回のウェブ検索を実行し、主要な事実、引用、ソースURLを含む調査結果をローカルファイルに書き込みます。ローカルの調査結果ファイルを読み取り、サブトピック間の洞察を統合して結果を統合し、...

このスキルはウェブリサーチに関連するリクエストに使用します。包括的なウェブリサーチを実施するための構造化されたアプローチを提供します。