7つのプロジェクト文書（要件、アーキテクチャ、テックスタック、API仕様、データベーススキーマ、設計ガイドライン、ランブック）を作成および検証します。ln-110-documents-pipelineの4番目のワーカー。
あなたが手に入れるもの
これらのシナリオに最適
大規模モデルの場合、DDP、FSDP、または DeepSpeed を使用して複数のGPUにトレーニングを分散させます。
WWB/TensorBoardを統合して、メトリクスを追跡し、進捗を可視化し、実行を比較します。
PyTorchコードをLightningModuleに構造化し、よりクリーンで再利用可能な実装にします。
バッチ処理、シャーディング、前処理による最適化されたデータローダーを構築します。
測定された効果
実証済みのメリットと測定可能な影響
Lightning の抽象化により、インフラではなくモデルロジックに集中できます。
構築済みのトレーナー、コールバック、ログインテグレーションで、より高速な反復処理を実現。
混合精度や勾配累積のような高度な最適化を活用する。
装備内容
ファイル・タグ・3ステップのインストール
ヒント： 初回使用の前にドキュメントとコードを読み、機能と必要な権限を確認してください。
次のスクリプト
タグとカテゴリーに基づくおすすめ
OpenAPI、Swagger、GraphQLのスキーマがバックエンドの実装と一致することを検証します。破壊的な変更を検出し、TypeScriptクライアントを生成し、APIドキュメントが同期された状態を維持します。API仕様ファイル（.yaml、.json、.graphql）で作業する場合、APIの変更をレビューする場合、フロントエンドの型を生成する場合、またはエンドポイントの実装を検証する場合に使用します。
Node.js、Python、Go、Rust などの最新テクノロジー、NestJS、FastAPI、Django などのフレームワーク、PostgreSQL、MongoDB、Redis などのデータベース、REST、GraphQL、gRPC などの API、OAuth 2.1、JWT などの認証、テスト戦略、セキュリティのベストプラクティス（OWASP Top 10）、パフォーマンス最適化、スケーラビリティパターン（マイクロサービス、キャッシング、シャーディング）、DevOps のプラクティス（Docker、Kubernetes、CI/CD）、およびモニタリングを使用して、堅牢なバックエンドシステムを構築します。API の設計、認証の実装、データベースクエリの最適化、CI/CD パイプラインのセットアップ、セキュリティ脆弱性の処理、マイクロサービスの構築、またはプロダクション準備済みのバックエンドシステムの開発に使用します。
Claude Codeエージェント生成システムは、実績のあるプロダクションパターンに従い、強化されたYAMLフロントマター、ツールアクセスパターン、およびMCP統合サポートを備えたカスタムエージェントとサブエージェントを作成するシステムです。