convex-security-audit
について
このClaudeスキルは、Convexアプリケーション向けのセキュリティレビューパターンを提供し、認可、データアクセス、アクション分離に焦点を当てています。レート制限や機密操作の保護といった重要な領域の監査を開発者が行えるよう支援します。アクセス境界と関数ロジックの体系的なレビューに従うことで、セキュリティのベストプラクティスを実装するために本スキルをご活用ください。
クイックインストール
Claude Code
推奨npx skills add blocknavi/convex-batch-processor -a claude-code/plugin add https://github.com/blocknavi/convex-batch-processorgit clone https://github.com/blocknavi/convex-batch-processor.git ~/.claude/skills/convex-security-audit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 convex-security-audit skill?
convex-security-audit is a Claude Skill by blocknavi. Skills package instructions and resources that Claude loads on demand, so Claude can perform convex-security-audit-related tasks without extra prompting.
How do I install convex-security-audit?
Use the install commands on this page: add convex-security-audit 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 convex-security-audit belong to?
convex-security-audit is in the Other category, tagged convex, security, audit, authorization, rate-limiting and protection.
Is convex-security-audit free to use?
Yes. convex-security-audit 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
LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
このClaudeスキルは、スポーツベッティング市場（スプレッド、オーバー/アンダー、プロップベットなど）を分析し、過去の傾向や状況統計を検証することでバリューベットを特定します。教育目的のための実践的な提案を構造化されたマークダウン形式で出力します。開発者はスポーツベッティング分析ツールとして本機能を活用できますが、娯楽および教育目的に限定されている点に留意してください。
このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75％のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。