について
このスキルは、削除されていないイベントリスナー、循環参照、無制限キャッシュなどのパターンをコード分析することでメモリリークを検出します。メモリ分析をリクエストしたユーザーに対して詳細な修正推奨を提供し、開発者がアプリケーションのパフォーマンスと安定性を向上させるのに役立ちます。コードベースのメモリ関連問題を特定し解決するために、積極的にご活用ください。
クイックインストール
Claude Code
推奨npx skills add BbgnsurfTech/claude-skills-collection -a claude-code/plugin add https://github.com/BbgnsurfTech/claude-skills-collectiongit clone https://github.com/BbgnsurfTech/claude-skills-collection.git ~/.claude/skills/detecting-memory-leaksこのコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします
GitHub リポジトリ
Frequently asked questions
What is the detecting-memory-leaks skill?
detecting-memory-leaks is a Claude Skill by BbgnsurfTech. Skills package instructions and resources that Claude loads on demand, so Claude can perform detecting-memory-leaks-related tasks without extra prompting.
How do I install detecting-memory-leaks?
Use the install commands on this page: add detecting-memory-leaks to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does detecting-memory-leaks belong to?
detecting-memory-leaks is in the Meta category, tagged ai.
Is detecting-memory-leaks free to use?
Yes. detecting-memory-leaks is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
関連スキル
このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。
このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。
このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。
SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。
