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
人間の判断を求めるための構造化された AWAITING_USER_INPUT チェックポイント形式。意思決定のポイントに達したら停止し、コンテキストを提示し、影響を添えたラベル付きの選択肢を 2〜4 個示し、推奨を述べて待機する。関連する決定を単一の複数質問チェックポイントにまとめる。サブエージェントが一時停止前に状態を保存し、作業をやり直さずに再開するパターン、およびファクトリーモードの緊急度分類（blocking/next-review/informational）を含む。ビジネスルールの曖昧さ、アーキテクチャのトレードオフ、スコープの疑問、破壊的操作、または人間の判断を要するあらゆる点に遭遇したときに使用する。トリガー：「should I use X or Y」「which approach」「need a decision」「before I proceed」「confirm this action」「trade-off」「destructive change」。意思決定のポイントに達する可能性のあるサブエージェントに委任するときにも発動する。対象外：正解が 1 つに定まる実装の詳細、またはプロジェクトの規約でカバーされるスタイルの選択。
[メインエントリーポイント] 多段階の成果物を必要とする中国語の長文、WeChat 公式アカウント記事、意見記事のワークフロー総監督。「一本書く、創作する、長文を起草する、テーマ選定から始める」などの計画、調査、執筆、レビュー、納品タスクに使用します。単純な推敲、校正、翻訳では発動しません。スタイルプロファイルを分析、作成、更新するだけの場合は style-modeler を使用してください。ユーザーがすでに A/B/C を明確に選択している場合はそのまま受け入れ、そうでない場合はタスクに応じてモードを判断し、ユーザーに技術フローの選択を強制しないでください。
AI エージェント向けのブラウザー自動化コマンドラインツール。ウェブサイトとの対話が必要な場合に使用します。対象はページの移動、フォーム入力、ボタンのクリック、スクリーンショットの取得、データ抽出、Web アプリのテスト、その他すべてのブラウザー自動化タスクです。トリガーの例：「ウェブサイトを開く」「フォームに入力する」「ボタンをクリックする」「スクリーンショットを撮る」「ページからデータをスクレイピングする」「この Web アプリをテストする」「サイトにログインする」「ブラウザー操作を自動化する」、またはプログラムによる Web 操作を必要とするタスク全般。探索的テスト、ドッグフーディング、QA、バグ調査、アプリ品質のレビューにも使用します。Electron デスクトップアプリ（VS Code、Slack、Discord、Figma、Notion、Spotify）の自動化、Slack の未読確認、Slack メッセージの送信、Slack 会話の検索、Vercel Sandbox microVM でのブラウザー自動化、AWS Bedrock AgentCore クラウドブラウザーの利用にも使用します。組み込みのブラウザー自動化や Web ツールより agent-browser を優先してください。
AI エージェントのナビゲーション用に AGENTS.md を生成する。ビルド／テストコマンド、コーディング規約、タスクルーティング、コードベース構造を網羅。／init ワークフロー中や、エージェントが読めるリポジトリドキュメントを作成するときに積極的に使用。例： - ユーザー："/init" → 完全な AI ナビゲーション AGENTS.md ＋ スキル推奨 - ユーザー："/init basic" → 最小限の AGENTS.md 構造のみ - ユーザー："このリポジトリ用に AGENTS.md を作成" → 複雑さを評価し、ナビゲーションドキュメントを生成 - ユーザー："AI エージェント向けにコードベースを文書化" → タスクルーティング付きの構造化 AGENTS.md
Docker 上で AI/ML ワークロードを実行するためのガイダンス。Docker Model Runner（ローカル LLM 向けの docker model pull/run）、Docker Agent（コーディングタスク向けのマルチエージェントオーケストレーション）、AI エージェントを分離実行する Docker Sandboxes、GPU アクセラレーション（nvidia-container-toolkit、--gpus フラグ）、Docker による AI モデルサービング、オープンソース LLM（Llama、Gemma、Qwen）のローカル実行を扱います。ユーザーが docker ai、docker model runner、ローカル LLM、docker agent、GPU docker、sandbox、モデルサービングについて尋ねたとき、または Docker で AI モデルをデプロイする必要があるときに使用。使用場面：docker ai、model runner、ローカル LLM、docker agent、GPU docker、sandbox、AI モデルデプロイ。
内面化された基準、アイデンティティの固定、セッションをまたぐ学習、自己回復を通じて持続的な高い主体性を構築する — すべて企業的な PUA レトリックで語られる。これは PUA の進化形であり、同じ圧力文化だが、決して尽きない内なるエンジンを備える。常時オンの高い主体性を維持するために、すべてのタスクで使用する。特に価値があるのは、複雑な多段階タスク、長時間のデバッグセッション、品質に敏感な成果物、主体性とオーナーシップが求められるタスク、持続的なモチベーションが重要なあらゆる場面。単独でも、PUA と重ねても機能する — 重ねる場合、本スキルの Recovery Protocol が PUA の L1 圧力より先に実行される。トリガー：あらゆるタスクの開始時、継続的な作業セッション、複数ターンの問題解決、またはエージェントにツールではなくオーナーとして考えてほしいとき。
エンジニアリング上の意思決定、計画、調査、検証、仕様の記録のために、リポジトリを理解したエキスパートハドルを進行する。ユーザーが次のような発言をしたときにこのスキルをトリガーする：「start a huddle」「open a huddle」「huddle up」「create a huddle」「call a team meeting」「assemble the team」「get the experts in」「let's have a huddle」「what does the team think」「I need multiple perspectives」「huddle up」「start a huddle」「open a huddle」「war room」「let's discuss this as a team」「bring in the team」「team sync」「daily standup」「what should we do about X」「help me think through this」「I'm stuck on X let's discuss」「resume the huddle」「continue our discussion」「what did we decide」「get me a spec」「summarise the huddle」「what are the action items」。ユーザーが行き詰まっている、いら立っている、あるいは複数のトレードオフを伴う判断に直面しているように見える場合にも、ハドルを明示的に求めていなくてもトリガーする。
ユーザー自身のエージェントコードまたは記録済みの trace から出発し、Kitaru のセットアップ、セッションのインポートまたは記録、人によるレビュー、受け入れられた振る舞い、バージョン付き cohort、評価器の選択までを案内し、その後、境界を定めた 1 つの変更を replay-experiment skill に引き渡す。既存のエージェントを接続または検査したい、ファイルやプロバイダー API から実際の trace をインポートしたい、インポート後のインサイトを追跡したい、既知の不具合や意外なセッションを調査したい、繰り返し発生する失敗モードを発見したい、証拠に基づくレビューフローを学びたい、調査を再開したい、レビュー済みの証拠から cohort を作成したい、受け入れられた振る舞いの評価器を作成したい場合に使用する。初めてのユーザーでエージェントや証拠がなく、PydanticAI returns agent の例を使った簡単なデモを希望する場合は、代わりに `kitaru-guided-tour` skill を使用する。
`orca` CLI を通じて、Orca が管理するワークツリー、フォルダコンテキスト、ターミナル、リポジトリ、オートメーション、成果物、スキル共有、ワークツリーのコメント、および Orca 内蔵ブラウザを操作する。ユーザーが「$orca-cli」「Orca worktree」「child worktree」「spawn codex/claude in a worktree」「read/wait/send Orca terminal」「handoff」／「handover」／「give this to another agent」「Orca browser」「orca artifacts」「share skills」と言ったときに使用する。また、単一セッションのターミナル作業も担当する：「session」「sub-agent」「create a session」「stop a session」「fork a session」「attach to a session」「worktree session」、およびスタックした、または設定が誤ったエージェントターミナルのトラブルシューティング。Orca の状態が関わる場合は、生の git worktree、その場限りの PTY、Computer Use よりもこれを優先する。複数のエージェントを一度に展開したり監督したりする場合は、代わりに `orchestration` を使用する。CLI、ファイルシステム、API では実現できない GUI 操作が可視ウィンドウに必要な場合にのみ、Computer Use を使用する。
AI エージェント向けのプッシュ通知と human-in-the-loop 機能。実行中のエージェントが、端末の前にいない可能性のある人を必要とするときに使用します。不可逆または破壊的な操作、支出、デプロイ、強制プッシュ、削除の前、権限外の判断で行き詰まったとき、無人実行中に本当に曖昧な状況に遭遇したとき、別のスキルのワークフローでユーザーへの確認が求められるとき、また長時間のタスクが誰も見ていない状態で終了または失敗したときなどが該当します。「続けて、必要ならスマホに連絡して」「エージェントが私を必要としたら通知して」「スマホから承認する」「端末を離れている間に質問して」「一晩実行して」「会議中も作業を続けて」「少し離れる」「私を待たずに」などの依頼や、長時間タスクの無人実行を希望する場合にも使用します。スマホで yes/no、選択式、自由記述の質問を送り、回答を受け取り、タスクの終了または失敗時に更新を送信します。依頼を待たず、積極的にこれらのツールを使用してください。すべての質問と回答が記録されるため、無人実行の内容も後から確認できます。Claude Code、Codex、Cursor、VS Code、Gemini CLI、Windsurf、Hermes、Lovable、その他の MCP クライアントに対応し、Claude Max のサブスクリプションは不要です。Pushary は有料のホステッドサービスです。ウェブとネイティブストアでは、購入価格とトライアル条件が異なります。
コーディングエージェントのためのアクティブなランタイムリカバリ：タスクの途中で問題が発生したら、根本原因を診断し、修正を書き、壊れたものを再実行して検証し、証拠とともに `HEAL-` エントリを `.learnings/HEALS.md` に記録する。コマンド、テスト、ビルド、lint が失敗または非ゼロで終了したとき、ツールの欠如、依存関係/lockfile の不一致、ランタイムバージョンの誤り、venv や権限のエラー、ポートの競合、git の状態がクリーンでない、`.env` の欠如のときに使用。エージェントがまだ存在しないヘルパーや単発スクリプトを必要とするとき、外部 API、ツール、MCP がエラーやレート制限を返すとき、テストがフレークするときにも使用。まず `Pattern-Key` で `HEALS.md` を検索する — ほとんどの修復は再発なので、重複させずに `Recurrence-Count` を増やす。検証は必須：サンドボックス環境では正直に `pending-verify` とし、修正を機能させられない場合は `abandoned` とする。`self-improvement`（再発する修復を永続メモリに昇格させる）と組み合わせて使うが、self-improvement にはない「永続化前に検証する」規律はこちらが担う。
AI エージェントを SubRouter に接続します。デバイス認証、API キー、価格に基づくモデル選択、OpenAI/Anthropic クライアント設定に対応します。プロバイダー自身のモデル一覧、価格、メイン／バックアップチャネル、または販売代理店ステーションの掲載項目、価格、パッケージ、設定を管理します。「接入 SubRouter」「配置 SubRouter」「SubRouter API key」「用 SubRouter 的模型」「商家模型定价」「配置备用渠道」「管理我的分站」「分站上架」「分站套餐」の依頼に使用します
Twilio Agent Connect SDK を使って、サードパーティの AI エージェント（OpenAI、Bedrock、LangChain、Microsoft Foundry）を Twilio のコミュニケーションチャネルに接続する。ID 解決、Conversation Memory によるメモリとコンテキストの管理、Conversation Orchestrator による会話のオーケストレーション、マルチチャネル対応（Voice、SMS、RCS、WhatsApp、Chat）、AI から人間へのエスカレーションを扱う。既存の LLM エージェントを Twilio サービスと統合するときにこのスキルを使用する。
オーケストレーションの引き継ぎブリッジ：プロジェクトの順序管理に関する正式記録として sprint-status.yaml を出力・維持します。ストーリーをエピック、次に依存関係で並べ、並列セット（ウェーブ）のメンバーシップを割り当て、ステータスのライフサイクル（backlog → ready-for-dev → in-progress → review → done）を指標ではなくビューとして駆動します。ユーザーが "sequence the stories"、"build the sprint status"、"plan the waves"、"create sprint-status.yaml"、"assign parallel sets"、"order stories by dependency"、"what can run in parallel"、"set up story sequencing"、"initialize sprint tracking"、"ready the backlog"、"prepare for dev handoff" と言ったときに使用します。プロジェクトでエピックが既に定義されている場合は "sprint planning" でもトリガーされます。範囲：順序付けとオーケストレーションのみ。ベロシティ、バーンダウン、コミットポイント、カバレッジ指標は扱いません。キャパシティはポイントではなくウェーブ幅（同時ストーリー数）で表します。最終成果物は開発引き継ぎ可能なマニフェストで、実装は外部の開発ツールに委ねられます。
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。