Skills
エージェント向けにパッケージ化された専門スキルと手順を 97,725 件掲載。コマンド 1 行でインストールできます。
エージェントワークフロー
Используй для ЖИЗНИ вимарши и работы с ПОЛЕМ вопрошания — не постановка (это writing), а жизненный цикл: якорение, разрешение, закрытие, принятие как есть, вытеснение, кристаллизация, привязка к превращению. Триггеры: «разбери вимарши», «поле вопрошания», «закрой/оставь вимаршу», «разреши вопрошание», «триаж вимарш», work the field of inquiry, resolve the question, много висящих вимарш в orient, закрытие сессии. Не проход по всему графу (assembly). Нужны тулы iskron_*.
Используй для задач интеграции и целостности превращения. Триггеры: «интеграция», «интегрировать X с Y», «спецификация интеграции», integrate, integration spec — режим 0: сначала граф; «область интеграции изменения», integration scope, cold review — режим 1: холон + steward + узлы изменения; «проверь бяньхуа на целостность», «что затронет превращение», «кого заденет», integrity check — волновой фронт; «подкреплено ли графом», «не театр ли», claim audit — обратный аудит прозы. Distinct from assembly и design. Нужны iskron_*.
`AskUserQuestion` で選ばれる 3 つの入口のいずれかを通じて、ユーザーから次の ML 実験提案を取得する：(a) エージェントが読み取り統合すべき科学記事の URL、(b) リソースのリンクまたはパス（GitHub issue / 仕様ファイル / 参照リポジトリ）、(c) ユーザーが直接入力するフリーテキスト。どの分岐でも、エージェントはソースを読み、何を実装するかの理解を統合し、Proposal ブロックを返す*前に*ユーザーに確認する。確認済みの Proposal を `iterate-ml-experiment` に渡し、親はそれを `journal/NN_short_name.md` に書き込み、ユーザーの設計ノート承認を求める。「Proposal returned, user-confirmed」で停止する。設計ノートは決して書かず、受け入れ基準も決して作成しない。トリガー条件: `iterate-ml-experiment` が取材戦略を選んでいてユーザーがメニューから `user` を選んだとき; ユーザーが具体的なアイデアを申し出たとき（「I want to try X」）; ユーザーが科学記事、GitHub issue、仕様ファイル、参照リポジトリを貼り付けるかリンクし、読むよう求めたとき。スキップ条件: ユーザーが前のレポートを掘りたい（`iterate-from-skore` を使う）; ユーザーがシンボル検索やパイプラインの仕組みを求めている（`python-api` スキルを使う）; 作業が単一レポートの評価の仕組みである（`evaluate-ml-pipeline` に回す）。使い方: 入口について `AskUserQuestion` で始める — article-link / resource-link / free-text。各分岐で：適切なツール（`WebFetch`、`gh issue view`、`Read`）でソース資料を集め、理解した内容を 3 つの形成上の問いに統合し、Proposal を返す前に**プレーンテキストでユーザーに確認する**（1〜2 文：「you'd like to implement X by changing src/<pkg>/<file>.py — right?」）。設計ノートは一切書かない。受け入れ基準は作成しない。
この skill を使って AI エージェント（Claude Code、Cursor、任意の MCP クライアント）から Compose HotSwan を操作し、エージェントが Kotlin ファイルを編集し、ホットリロードをトリガーし、デバイスのスクリーンショットを取得し、結果を設計意図と照らして評価し、人手を介さずに反復できるようにする。7 つの HotSwan MCP ツール（hotswan_get_status、hotswan_reload、hotswan_take_screenshot、hotswan_start_snapshot、hotswan_stop_snapshot、hotswan_select_variant、hotswan_build_and_install）、標準的な編集-リロード-スクリーンショットのループ、スナップショットベースのロールバック、および schema 変更時に完全インストールにフォールバックすべき場面を扱う。開発者が「AI にこの画面を mock と一致するまで調整させたい」と言う場合、「AI は何が変わったか見えるのか？」「AI はデバイスのスクリーンショットを撮れるのか？」と尋ねる場合、MCP ツールへのアクセスが必要な Claude Code または Cursor のワークフローを構築する場合、または AI 駆動の UI 反復を望む場合に使用する。
カタログまたはコミュニティから OpenCode プラグインを検索、インストール、設定する。ユーザーがプラグインについて質問したり、新しい機能を求めたり、OpenCode の機能拡張に言及したときに積極的に使用する。例：- ユーザー：「Tailwind CSS のプラグインはありますか？」→ カタログを一覧表示し、tailwind プラグインの詳細を読み、利用可能ならインストールする - ユーザー：「カスタムスラッシュコマンドを追加するには？」→ command-creator スキルを提案するか、opencode.json の設定を案内する - ユーザー：「データベース作業に使えるプラグインは？」→ カタログを一覧表示し、データベース関連のプラグインで絞り込む - ユーザー：「playwright プラグインをインストールして」→ プラグインファイルを読み、opencode.json に追加し、インストールを検証する
承認された spec を 5 つ以上の独立した振る舞いの curd に並列化し、レビュー可能な PR にする。パイプライン全体を一度にファンアウトして実行する。ユーザーがそのような spec を持っている場合に使用する — "/cheese-factory .cheese/specs/<slug>.md"、"send through the factory"、"parallelize this spec"、"many curds"、"fan out the implementation"、"cheese-factory this" といったフレーズ。インラインで実行し、フェーズごとに完全に対等な汎用サブエージェント（decomposer、curd ごとの worker、wiring、マージ後のレビュー、PR planner）を生成し、最終的に `/pr-stack` 経由で 1〜N 個のレビュー可能な PR を出力する。ユーザーが `/fromagerie` に言及した場合でも使用する — `/cheese-factory` はポータブルで harness に依存しない同等の兄弟である。`--hard` の伝播と `--resume <slug>` によるクラッシュしたパイプラインの継続をサポートする。単一の一貫した spec（`/cook`、`/ultracook`）、曖昧な計画（`/mold`）、レビューのみの作業（`/age`）、または curd が 5 つ未満の spec（`/ultracook`）には使用しないこと。
ブラウザ自動化のガイダンスとパターン。ブラウザ操作（ページ遷移、ログイン、スクレイピング、フォーム入力、UI テスト）を始める前にこのスキルをトリガーし、正しいワークフローを学び、よくある落とし穴を避ける。ブラウザ MCP ツールが不具合を起こす場合にもトリガーする：要素が見つからない、クリックしても何も起きない、ページがクラッシュする、タイムアウト、「target closed」、スナップショットが空を返す、その他予期しないブラウザ動作。このスキルはブラウザ MCP ツールを効果的に使う方法を教える——これがなければ、古い UID、重いページのクラッシュ、無言のナビゲーション失敗といった回避可能な失敗に陥る。
swain-preflight が問題を検出したときにセッション開始時に自動的に呼び出される。オンデマンドのヘルスチェック用にユーザーが呼び出すこともできる。プロジェクトの健全性を検証する：ガバナンスルール、ツールの可用性、メモリディレクトリ、設定ファイル、スクリプトのパーミッション、.agents ディレクトリ、および .tickets/ の検証。古い .beads/ ディレクトリを .tickets/ に自動移行して削除する。すべての swain スキルにわたる問題を修正する。冪等 — いつでも安全に実行できる。
ui.inference.sh が提供する React/Next.js 向けツールライフサイクル UI コンポーネント。ツール呼び出しを表示：保留中、進行中、承認必要、結果。機能：ツールステータス、進捗インジケーター、承認フロー、結果表示。用途：エージェントのツール呼び出しの表示、ヒューマン・イン・ザ・ループの承認、ツール出力。トリガー：tool ui、tool calls、tool status、tool approval、tool results、agent tools、mcp tools ui、function calling ui、tool lifecycle、tool pending
volcengine-skills マーケットプレイスから Volcengine スキルを一覧表示、選択、インストールする。ユーザーがどの Volcengine スキルまたはプラグインがタスクを処理するかを尋ねたり、利用可能なすべてのスキルを閲覧したい場合、現在インストールされていないオプションのスキルを必要とする場合、または Volcengine スキルのインストールやインストール状況の確認を依頼する場合に使用する。このファインダーを含むあらゆるコアスキルの発見にも使用する。Volcengine の操作中に、現在読み込まれているまたはインストールされているスキルが必要な製品、ツール、ワークフローをカバーできない場合のフォールバックとして使用する；完全なカタログを確認し、不足している機能を選択してインストールする。
Web 検索と LLM で RAG（検索拡張生成）パイプラインを構築する。ツール: Tavily Search、Exa Search、Exa Answer、Claude、GPT-4、OpenRouter 経由の Gemini。機能: リサーチ、ファクトチェック、根拠に基づく回答、ナレッジ検索。用途: AI エージェント、リサーチアシスタント、ファクトチェッカー、ナレッジベース。トリガー: rag、retrieval augmented generation、grounded ai、search and answer、research agent、fact checking、knowledge retrieval、ai research、search + llm、web grounded、perplexity alternative、ai with sources、citation、research pipeline
Anthropic Claude Managed Agents（CMA）webhook を受信して検証する。Claude Managed Agents webhook ハンドラーの設定、署名検証のデバッグ、session.status_idled、session.status_terminated、session.thread_created、vault.created、vault_credential.refresh_failed などのエージェントセッションおよび vault イベントの処理に使用する。
適切な構造、frontmatter、ベストプラクティスを備えた Claude Code のカスタムスラッシュコマンドを作成する。ユーザーが新しいコマンドを作成したい、スラッシュコマンドを追加したい、カスタムコマンドを構築したい、または Claude Code 向けに "create-command"、"new command"、"add command"、"make a command" と言及したときはいつでもこのスキルを使用する。ワークフローを再利用可能なコマンドにしたいときにもトリガーする。
CHAT 部分に対して証拠チェーンルール evidence-chain（R19）を有効化する — すべての推論チェーンは観察可能な証拠（observed/tool-record/graph-edge/web/parametric/absence）で終端することを必須とし、fable5（一般的な推論規律で引用は必須ではない）とは異なる。ユーザーが 'graph-mode'、'bật graph mode'、'evidence mode' と言うか、/graph-mode を呼び出したときに使用。トークン消費が大きい（回答ごとにより多くの引用/ファイルオープンを強制）ため、セッションごとに自動注入はしない — 手動で呼び出したときのみ有効化。一度有効化するとそのセッションの残りは有効なまま（'tắt graph mode' / 'graph-mode off' / 'normal mode' で解除）。
Python の LangChain Deep Agents アプリケーションを Pydantic AI と Pydantic AI Harness に移行します。ソースが上流の `deepagents` パッケージを使用している場合、またはその middleware、backends、skills、memory、subagents、sandbox の契約を明確に再現している場合に使用します。通常の LangChain、LangGraph、LCEL の移行には `migrating-langchain-to-pydantic-ai` を、Harness の新規利用には `pydantic-ai-harness` を使用します。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。