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
CLAUDE.md に `## Roblox Skills` ブロックを注入して、ゲームプロジェクトに Roblox スキルパックを導入する——ゲーム開発ライフサイクル全体のマップ、各スキルの目的・ユースケース・トリガーワード、そして次のスキルへのルーティングにより、各スキルが最後に次に実行すべきことをユーザーに伝えるようにする。あわせてプロジェクトのトラッカー（GitHub issues またはローカルロードマップ）、トリアージラベル、UI デザイン成果物のレイアウトを記録する。Roblox プロジェクトのセットアップ時に一度実行するか、スキルにライフサイクル、トラッカー、ラベル、ルーティングのコンテキストが欠けているように見える場合に実行する。
`cs`（claude-statusbar）を管理します。テーマ／スタイル／密度の切り替え、重大度カラーの上書き、組み合わせのプレビュー、doctor の実行、設定のリセット、ステータスバーのインストール／アップグレード（唯一サポートされるアップグレード方法は `cs upgrade`）／削除、高速／デーモンモードの切り替え、コストやプロンプトキャッシュの経過時間の表示、アクティビティ項目（TODO、アクティブなツール、実行中のサブエージェント、セッション時間、変更行数、git の先行／遅延）の切り替えに対応します。cs、claude-statusbar、status bar、status line、状態栏、主题、theme switching、style switching、color customization、余量颜色、警告颜色、severity color、/statusbar、cs preview、cs doctor、fast mode、daemon、refreshInterval、5h/7d window、context window display、prompt cache、todos / 待办、active tool、subagents / 子agent、session duration / 时长、lines changed / 行数、git ahead-behind / 领先落后、forecast / 预测 / 还能用多久、at-risk chip、show_forecast に言及した場合、または Claude Code の下部ステータス行のインストール／アップグレード／更新／設定／診断／カスタマイズを求めた場合に使用します。
会話の中で修正可能なユーザープロファイルを徐々に形成します。プロファイルの作成・確認・更新を求められたとき、回答をより自分に合ったものにしてほしいとき、または「自分らしくない」「堅すぎる」「理解が違う」と繰り返し訂正する場面で使用します。また「好みを覚えておいて」「今後はこれを既定に」「いつものやり方で」「もうそうしないで」「記録しないで」「プロファイルを削除して」「何を記録した？」「忘れてるよ」といった発言や、通常のタスクで既知の好みを引き継ぐ必要がある場面でも使用します。「覚えて」が長期的な好みを指す場合のみトリガーし、「このポート番号を覚えて」のようなタスク内の指示は該当しません。以降の回答に影響する好み、判断の傾向、表現上の境界、確認待ちの点だけを記録します。
このリポジトリ内の Confluent エージェントスキルを、Agent Skills 仕様（agentskills.io）、CLAUDE.md の Confluent 規約、PR テンプレートのゲート、eval を契約とするルールに照らしてレビューします。ユーザーがスキルのレビュー、監査、検証、lint を求めたとき、`skills/` 配下を追加・変更する PR を開いたり確認したりするとき、仕様準拠、遅延読み込み、frontmatter の形式、トリガーの重複、eval の網羅性について尋ねたとき、スキル変更のマージ前チェックを行いたいときに、このスキルを使用します。アプリケーションコードの一般的なコードレビュー、セキュリティレビュー、Schema Registry 向けのスキーマ、プロデューサー/コンシューマー設定、PII タグ付け、Terraform 生成の監査（`kafka-schema-registry` が担当）、スキル動作のランタイム/ログ分析（`tools/skill_review_dashboard.py` を使用）、`skills/` ツリーに触れない変更にはトリガーしません。
システム、コンポーネント、機能の設計を求められ、Iskron のツールが利用可能なときに使用する：「спроектируй」「давай продумаем」「архитектура」「нужен дизайн」、design、plan the system、「жц」「крия」「эстафета」「записать в Искрон」「положить в граф」。また意思決定の瞬間（「мы решили」、persist this design）やブレインストームの後にも — グラフが設計を記録に変える。すでに確定した具体的な spec の実装、定型的な修正、開かれた構造的選択のないコーディングには使わない。
ローカルの AGENT.md を Claude Code 向けに最適化されたエージェントへ変換する — まず AUDIT してから書き換え、すべての変更を好みではなく実際の Claude エージェントランタイムの挙動に結びつける。エージェントを棚卸しし、ランタイムリファレンスと照合して確認し(本文全体がシステムプロンプトになり、役割のアイデンティティは残り、手順は skills へ移る)、根拠に裏付けられたガードレールを備えたエージェントごとの DAG 書き換え計画を作成し、求められたときだけ frontmatter とプロンプト本文をより簡潔で役割に特化したものに書き換える。既定では PLAN モードで動作し、無作為な書き換えは行わず、エージェントネイティブな frontmatter のみを使用し、慣習をでっち上げるのではなく各判断をランタイムのソースに根拠づける。Claude のエージェントランタイム向けに AGENT.md を移行または簡素化するときに使用する。
開発者向けユーティリティとツール — CLI 生成、スキルの足場づくり、エージェント委譲、システムアップグレード、評価、ドキュメント、解析、音声編集、Fabric パターン、Cloudflare インフラストラクチャ、ブラウザ自動化、メタプロンプティング、箴言。使用場面：CLI の作成、CLI の構築、コマンドラインツール、API のラップ、コマンドの追加、ティアのアップグレード、TypeScript CLI、スキルの作成、新しいスキル、スキルの足場づくり、スキルの検証、スキルの更新、スキル構造の修正、スキルの正規化、並列実行、エージェントチーム、委譲、ワークストリーム、スウォーム、アップグレード、システムの改善、システムアップグレード、Anthropic の確認、アルゴリズムのアップグレード、振り返りの抽出、ソースの検索、研究のアップグレード、PAI アップグレード、eval、evaluate、エージェントのテスト、ベンチマーク、動作の検証、回帰テスト、能力テスト、eval の実行、モデルの比較、プロンプトの比較、ジャッジの作成、結果の表示、ドキュメント、ファイルの処理、ドキュメントの作成、形式の変換、テキストの抽出、PDF、DOCX、XLSX、PPTX、Word、Excel、スプレッドシート、PowerPoint、プレゼンテーション、スライド、コンサルティングレポート、大きな PDF、PDF の結合、フォームの入力、変更履歴、レッドライン、解析、抽出、URL、文字起こし、エンティティ、JSON、バッチ、YouTube、記事、ニュースレター、Twitter、ブラウザ拡張機能、衝突検出、コンテンツタイプの検出、記事の抽出、ニュースレターの抽出、YouTube の抽出、PDF の抽出、コンテンツの解析、音声のクリーンアップ、音声の編集、フィラーワードの削除、ポッドキャストのクリーンアップ、ウムの削除、無音のカット、音声の調整、文字起こし、音声の分析、音声パイプライン、fabric、fabric パターン、fabric の実行、パターンの更新、fabric の同期、要約、脅威モデルパターン、Cloudflare、worker、デプロイ、Pages、MCP サーバー、wrangler、DNS、KV、R2、D1、Vectorize、ブラウザ、スクリーンショット、ウェブのデバッグ、UI の検証、フロントエンドのトラブルシューティング、ブラウザの自動化、ウェブサイトの閲覧、ストーリーのレビュー、ストーリーの実行、ウェブ自動化、メタプロンプティング、テンプレート生成、プロンプト最適化、プログラムによるプロンプト、テンプレートのレンダリング、テンプレートの検証、プロンプトエンジニアリング、箴言、引用、格言、引用の検索、思想家の調査、ニュースレターの引用、箴言の追加、箴言の検索。
LLM がガードレール、人によるレビュー、監査証跡のもとで業務プロセス内で行動する場合に使用します。ツールや次の手順の選択、システムの呼び出し、人への引き継ぎが含まれます。Camunda が明示されていない場合も対象で、Agent ループを手書きする前に使用します。Camunda 8 AI Agent サブプロセスをモデル化し、BPMN タスクとしてのツール、fromAi() パラメーター、プロンプト、制限を扱います。v1/v2 要素テンプレートの選択と、v1 要素から v2 へのアップグレードも対象です。
誰か（ユーザーまたはエージェント）が何らかの構造化コンテンツを書こうとしているときに使用する — RFC、ADR、ランブック、spec、plan、PRD、README、振り返り、ブログ記事、PR 説明、issue 本文、チケット、複数段落のコミットメッセージ、アナウンス、その他の形態を問わず、出力先（ローカルファイル、GitHub、Jira、Linear、Slack、email、Confluence、Notion、Google Drive など）も問わない。本スキルは、あらゆるコンテンツ作成操作が通過するゲートである。(1) 調査を通じて意図からコンテンツ種別 + バリアントを特定し、(2) docs/templates/<content-type>/<variant>/ に既存のテンプレートがあるか確認し、(3) 存在すれば、そのテンプレートと、必ず従うべき強い拒否指令を返し、(4) 存在しなければ、調査を通じて新しいテンプレートを作成し、同じ指令のもとで返し、(5) "advise:" 意図の場合は、当てはまらないコンテンツの配置を支援する（セクションへのマッピングや新しいバリアントの提案）。モード：use-or-create（デフォルト）、force-regenerate、force-new-variant。自己完結型：調査可能なスキルがあれば優先し、なければ組み込みの WebSearch + WebFetch を使用する。
構造化された human-in-the-loop のディープリサーチワークフロー（Weizhena/Deep-Research-skills）へのルーティング入口 — トピックを拡張可能なアウトラインに変換し、並列のウェブ検索エージェントを展開して各項目を検証済み JSON に調査し、完全な markdown レポートをレンダリングする。1 つのスキル、4 つのリファレンスパイプライン：outline（research / add-items / add-fields）、deep（項目ごとの並列調査 + フィールドカバレッジ検証）、report（目次 + フィールドごとの markdown）、web-search（リサーチエージェント + 5 つのルーティングされたソースモジュール）。プラグイン：npx skills add https://github.com/akillness/jeo-skills --skill deep-research
高価なフロンティアモデル（Fable、Opus、GPT-5.x）向けのモデルルーティング編成 — メインモデルが判断と Q&A レビューを担い、機械的なサブエージェントのディスパッチには明示的に安価なモデルを割り当て、ax がルーティングが実際に機能したかを測定する。サブエージェントでコードベースの重い作業やトークンの重い作業を編成するとき、モデルを指定せずに Agent タスクをディスパッチするとき、ユーザーが "route to cheaper models"、"efficient dispatch"、"optimize model spend" と言ったとき、またはトークン消費の行き先を尋ねたときに使用する。route-dispatch フック（決定論的バックストップ）と `ax dispatches`（証拠）と組み合わせる。単発の質問やディスパッチを伴わない小さなタスクでは発動しない。
新しい/カスタムの AI モデルを opencode.json に追加する。最先端のリリース、非標準のプロバイダー、セルフホストモデル、カスタムエンドポイントに対して積極的に使用。例： - ユーザー：「新しい Claude 4.5 を追加して」 → API 仕様を Web 検索し、baseUrl 付きのプロバイダーエントリを追加し、モデル ID の形式を検証 - ユーザー：「ローカルの Ollama インスタンスを使う」 → カスタムプロバイダーを http://localhost:11434 で構成し、モデル ID の形式を設定 - ユーザー：「この OpenAI 互換プロキシを構成して」 → カスタム baseUrl 付きのプロバイダーを追加し、apikey 環境変数を設定し、互換性を検証 - ユーザー：「モデル X がリリースされたので追加して」 → プロバイダーのドキュメントを調査し、モデル ID と機能を特定して設定に追加
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。