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 97,501 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
(NS) インタビューで 5 ブロックの参照アーキテクチャを整理し、ワークフローをサブタスクに分解し、サブタスクごとにエージェントかルールか承認ゲートかを決定し、コンポーネントごとにトレードオフの予算を割り当て、アーキテクチャ変更シグナルを固定したうえで、LangGraph か CrewAI か、トポロジー、ペルソナ、ツール、モデルを推奨します——agent vs RAG vs fine-tune がまだ確定していない場合は、`ns-agent-engineering` による概念的な適応設計を先に行います。マルチエージェントシステムの構築、LangGraph/CrewAI の選択、crews/graphs の設計、HITL ワークフロー、「agents working together」、公式のアーキテクチャ決定記録の作成、または既に存在するエージェントのリバースドキュメント化を行うときに使用します。概念的な Prompt/RAG/Agent/Fine-Tune のラダー（`ns-agent-engineering`）、一般的なアプリ要件（`/ns-spec-driven` Clarify）、アーキテクチャ意図のないコーディングには使用しないでください。
OpenServ Ideaboard のクイックスタートガイドと API の概要 - AI エージェントがアイデアを投稿し、作業を引き受け、複数のエージェントと協力し、x402 で支払い可能なサービスを提供できるプラットフォーム。Ideaboard を操作する場合、またはアイデアを見つけて実現するエージェントを構築する場合に使用。完全な API リファレンスは reference.md を参照。エージェントの構築と実行については openserv-agent-sdk と openserv-client を参照。
Pi コーディングエージェントのカスタマイズ — テーマ、キーバインド、プロンプトテンプレート、システムプロンプトの上書き、設定。pi ターミナルエージェントの外観、UI カラー、キーボードショートカット、プロンプトテンプレート、デフォルトのシステムプロンプト動作を設定・変更する場合に使用する。「カスタムテーマ pi」「キーバインドの変更」「システムプロンプトの変更」「SYSTEM.md」「APPEND_SYSTEM.md」「settings.json」「keybindings.json」「プロンプトテンプレート」に使用し、pi-cli-workspace がすでにアクティブな場合でも同様。
大規模言語モデル向けのプロンプトの設計、最適化、評価の専門家。Chain-of-Thought、ReAct、few-shot 学習、本番環境でのプロンプト管理を得意とします。プロンプトの作成、LLM 出力の最適化、プロンプトシステムの構築時に使用します。トリガーには「prompt engineering」「prompt optimization」「chain of thought」「few-shot」「prompt template」「LLM prompting」が含まれます。
推論トレース（チェーンオブソート、拡張思考、エージェント分解）から AI っぽい定型表現を除去する——最終的な文章ではなく。推論テキストには通常の unslop が対象としない独自の定型表現カタログがある。質問の過剰な説明、過度なヘッジ、些細な問題を 6 つの箇条書きのサブステップに過剰分解、無限ループ的な合理化など。トリガー: /unslop-reasoning、"clean up my reasoning"、"fix this chain of thought"、"this CoT sounds robotic"。推論出力に適用され、通常の /unslop モードを上書きしない。
AI エージェントのアーキテクチャにおけるセキュリティリスク（権限モデルの設計、最小権限の徹底、human-in-the-loop ゲートの配置、影響範囲の封じ込め、監査証跡の完全性、ロールバック能力、マルチエージェントの信頼境界）をレビューする。LLM がツールを呼び出したり、自律的に行動したり、マルチエージェント構成で動作する agentic AI システムをレビューする際に自動起動する。OWASP Agentic AI の脅威と NIST AI RMF 1.0 に対応付けた構造化されたアーキテクチャセキュリティ評価を生成する。
BMAD のプランニングワークスペースを初期化する：規模に適応する TRACK（Quick Flow / BMad Method / Enterprise）を対話的に選択し、出力フォルダ、設定ファイル、空の decision-log.md、および project-context.md の「憲章」をスキャフォールドする。ユーザーが「initialize BMAD」「set up BMAD」「start a new BMAD project」「scaffold the planning workspace」「bmad init」「create the bmad config」と言う場合、またはプランニングを開始し bmad-output/ フォルダがまだない場合に使用する。ユーザーが「which track should I use?」や「what scale is my project?」と尋ねるときにも使用する。これは他のあらゆるプランニングワークフロー（brief、PRD、architecture、stories）より前に実行する最初のスキルである。
ctf-sandbox-orchestrator の内部下流スキル。AI エージェント、プロンプトインジェクション、MCP やツールチェーン、クラウド、コンテナ、CI/CD、サプライチェーン系の課題に対する CTF サンドボックスワークフロー。ユーザーが、プロンプトからツールへの流れ、検索ポイズニング、マウントされたシークレット、デプロイのドリフト、ランタイムとマニフェストの不一致、レジストリの来歴、CI 生成物をサンドボックス前提で分析するよう求めた場合に使用する。`$ctf-sandbox-orchestrator` がすでにサンドボックス前提を確立してここへルーティングした後にのみ使用する。
ctf-sandbox-orchestrator の内部下流スキル。プロンプトインジェクション、検索ポイズニング、メモリ汚染、プランナードリフト、MCP またはツール境界の悪用、エージェントによる流出といったチャレンジ向けの CTF サンドボックスワークフロー。ユーザーがプロンプトインジェクション、検索ポイズニング、メモリ汚染、プランナードリフト、ツール引数の改ざん、またはエージェントチェーンに起因するシークレット漏えいの分析を求めたときに使用。`$ctf-sandbox-orchestrator` がサンドボックス前提を確立してここへルーティングした後にのみ使用すること。
WebSocket の長接続で Feishu（Lark）ボットを Clawdbot に接続する。公開サーバー、ドメイン、ngrok は不要。Feishu/Lark をメッセージングチャネルとして設定する場合、Feishu ブリッジのトラブルシューティングを行う場合、ブリッジサービス（起動/停止/ログ）を管理する場合に使用する。Feishu オープンプラットフォームでのボット作成、認証情報の設定、ブリッジの起動、macOS launchd による自動再起動、グループチャットの挙動調整を扱う。
プログラミング言語を問わず、あらゆるソフトウェアプロジェクトをブートストラップする汎用メタスキル。コードを書く前に、15〜30 以上の極めて詳細なプロジェクト固有のコーディングスキルを自動生成する。言語非依存：TypeScript、Python、Go、Rust、Java、C#、Swift、Kotlin、PHP、Ruby、および多言語プロジェクトで動作する。厳格なバージョン強制：すべての技術のすべてのバージョンはリアルタイム検索で検証必須 —— 記憶したバージョンは決して使わない。アーキテクチャ、セキュリティ、パフォーマンス、プライバシー、テスト、エラー処理、アクセシビリティ、可観測性、データモデリング、API 設計、DevOps のスキルを生成する。各スキルは具体的なコード例、アンチパターン、測定可能なバジェットによってゼロバグ基準を徹底する。トリガー："bootstrap"、"new project"、"start project"、"create project"、"set up"、"generate skills" —— コードが存在する前に使用。
複雑で曖昧、あるいは多層的な技術的問題のための構造化された根本原因調査プロトコル。次のいずれかに該当するたびにこのスキルを起動する：問題が 2 回以上の修正試行に耐えた；根本原因が不明または仮定に基づいている；すでに失敗したものの変種を試したくなる；システムに相互作用する複数の層（ハードウェア、OS、ランタイム、ミドルウェア、設定、ネットワーク）がある；ユーザーが "ultrathink"、"think deeper"、"figure out why"、"stop guessing"、"find the root cause"、"it's still broken after your fix" と言う。原因を検証する前に修正を書こうとしている自分に気づいたときも、積極的に起動する——その直感こそプロトコルが必要な信号である。このプロトコルは根本原因調査を試行錯誤と区別する 3 つの規律を強制する：(1) 明示的な THOUGHT/ACTION/OBSERVATION サイクル、(2) 原因が直接的な証拠で検証されるまで実装をブロックする厳格なゲート、(3) プロセス内診断ツールを使い果たしたときの構造化されたエスカレーション。
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。