について
このClaude Skillは、Railway.comのデプロイでビルドが失敗した場合、サービスがクラッシュした場合、またはパフォーマンスが低下した場合に、開発者がトラブルシューティングを行うための支援を提供します。一般的なプラットフォームの問題に対して、体系的な意思決定ツリー、診断ワークフロー、および回復手順を提供します。デプロイ、ランタイム、ネットワーキングの問題を構造的にデバッグする際にご利用ください。
クイックインストール
Claude Code
推奨npx skills add adaptationio/Skrillz -a claude-code/plugin add https://github.com/adaptationio/Skrillzgit clone https://github.com/adaptationio/Skrillz.git ~/.claude/skills/railway-troubleshooting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 railway-troubleshooting skill?
railway-troubleshooting is a Claude Skill by adaptationio. Skills package instructions and resources that Claude loads on demand, so Claude can perform railway-troubleshooting-related tasks without extra prompting.
How do I install railway-troubleshooting?
Use the install commands on this page: add railway-troubleshooting 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 railway-troubleshooting belong to?
railway-troubleshooting is in the Meta category, tagged ai and design.
Is railway-troubleshooting free to use?
Yes. railway-troubleshooting 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。
