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
この Claude Code または Codex セッションを Telegram、Discord、Feishu/Lark、QQ、WeChat、DingTalk にブリッジし、ユーザーがスマートフォンから Claude とチャットできるようにする。用途:claude-to-im ブリッジデーモンのセットアップ、起動、停止、診断;Claude の返信をメッセージアプリに転送;"claude-to-im"、"bridge"、"消息推送"、"消息转发"、"桥接"、"连上飞书"、"手机上看claude"、"启动后台服务"、"诊断"、"查看日志"、"配置"、"切到微信继续聊" などのフレーズ。サブコマンド:setup、start、stop、status、logs、handoff、reconfigure、doctor。使用しない:単体の bot 構築、webhook 連携、IM プラットフォーム SDK でのコーディング——それらは通常のプログラミングタスクである。
React、Tailwind、Next.js、Vite、または素の HTML/CSS/JS などの独自コーディング Web スタック向けに書かれたプロンプトを、Framer エージェント用のコピー&ペースト可能なプロンプトに変換する。ユーザーが "convert prompt"(ハイフンの有無を問わない)と言った場合、またはコード指向のウェブサイト、ページ、セクション、コンポーネント、アニメーション、インタラクションのプロンプトを、元のデザイン意図、コピー、レイアウト、タイポグラフィ、色、モーション、インタラクション、レスポンシブ動作、制約を保ったまま Framer プラットフォームネイティブの指示に書き換え、適応、翻訳、変換するよう求められた場合にこの skill を呼び出す。
初めてのユーザーに、Kitaru リポジトリの PydanticAI returns agent の例を使った短く価値重視の Kitaru ツアーを提供します。自分のエージェントやトレースがない、Kitaru のオンボーディングから来た、デモ、チュートリアル、クイックスタート、ガイド付きの例を求めている、クイックスタートの例のクローンや準備が必要、コーディングエージェントにセッションを判断する前にトレース注釈を準備してほしい、完全な調査手法を学ぶ前に Kitaru の価値を体験したいといった場合に使用します。3 セッションのフロントエンドレビューを準備し、人間が判定を出し、承認された 1 件の発見を決定的な評価器に変え、承認された 1 件の有界リプレイ実験で締めくくります。実際のエージェント、自由な探索、本番の証拠は kitaru-investigation に回してください。
`orca` CLI を通じて、Orca 管理の worktree、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、成果物、スキル共有、worktree コメント、Orca 内蔵ブラウザーを操作します。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」と言った場合に使用します。Orca の状態が関係する場合は、通常の git worktree、臨時の PTY、Computer Use より優先します。CLI、ファイルシステム、API では操作できない可視ウィンドウの GUI 操作が必要な場合に限り、Computer Use を使用します。
タスクディレクトリを構成して revmux CLI を実行し、監督下でマルチエージェントのコードレビューを行い、結果を報告または対応します。revmux は claude と codex のサブプロセスを並列に起動・監視し、停滞検知、再試行、エージェントごとの進捗、実行全体のアーカイブに対応します。このスキルはレビューコンテキストを記述して実行を開始し、返された JSON を読み取り、修正後に再実行します。差分ではなく、提出済みの issue、提案、議論を4つの観点(根拠、賛成理由、反対理由、コスト)で検討し、保守担当者への6つの回答とその論拠を提示するトリアージも行います。過去のラウンドの結果を読み、レビュー自体について、どの段階で絞り込まれるか、どの観点が最も厳しく評価するか、ラウンドが収束するかを記録に基づいて説明するセルフモードもあります。その後、根拠となる数値とともに、ローカルのプロンプト文への変更を一度に1つ提案します。プルリクエストを一時的な worktree に取得してレビューし、後片付けも行います。プロファイル、観点、タスクディレクトリ、フラグ、JSON の形式、終了コード、実行アーカイブなど、revmux 自体についての質問にも回答します。「revmux」「run revmux」「multi-agent review」「supervised review」「review with revmux」「revmux this branch」「revmux the last commit」「revmux pr 123」「revmux this PR」「review PR 123 with revmux」「run a revmux round」「re-review after fixes」「revmux it and show me」「revmux this, I want to watch」「run it visible」「show me the review」「triage this」「triage issue 123」「is this worth doing」「should we accept this」「should I close this」「revmux self」「self-improve revmux」「tune revmux」「revmux profiles」「revmux lenses」「what does revmux return」「revmux exit codes」「revmux task directory」で起動します。
HKUDS UpSkill をラップすることで、弱い/安価な "Flash" モデルを "Pro" 級の実力に変える——エージェントセッションの失敗を捕捉し、強力な Teacher モデルに分析させてスキルの草稿を作成し、閉ループの Ralph Loop(最大 3 ラウンド)で弱い Student モデルに対して検証してから、自動再利用のために保存する。ユーザーが UpSkill をインストールしたい、`/upskill-init`、`/upskill-configure`、`/upskill-build`、`/upskill-run`、`/upskill-list`、`/upskill-status`、`/upskill-mode`、`/upskill-model`、`/upskill-remove`、`/upskill-uninstall` を実行したい、切り替えずに安価なモデルを Pro モデルに近い性能で動かしたい、または良いセッション(成功・失敗を問わず)を検証済みスキルとして蒸留したいときに使用。トリガー:upskill、up-skill、flash to pro、teacher student distillation、ralph loop skill validation、distill agent failures into skills。スキル品質の段階的引き上げは `skill-autoresearch` へ、スキャフォールディングは `write-a-skill` へ、仕様準拠のリライトは `skill-standardization` へルーティングする。
ADK Python リポジトリに新しいサンプルエージェントを作成する。サンプルディレクトリ、その `agent.py`、`README.md` を含み、既存のサンプルがすでに採用している規約に従う。ユーザーが機能やエージェントパターン(動的ノード、fan-out/fan-in、スタンドアロンのツール利用エージェント)を示すサンプルや例を追加したい場合、新しいサンプルが `contributing/samples/` のどこに属するかを尋ねた場合、または既存サンプルの README を標準構成に引き上げたい場合に使用する。ユーザー自身のプロジェクト用に実際に動作するエージェントを構築する場合(`adk-agent-builder` を使用)や、Markdown ファイル内の Python ブロックが実行できるかを確認する場合(`adk-verify-snippets` を使用)には使用しない。
本 Skill は、カスタム AI チャットボットのデプロイ向けに better-chatbot プロジェクトから抽出した再利用可能な実装パターンを提供します。server action バリデータ、ツール抽象化システム、ワークフロー実行、複数 AI プロバイダー統合を備えた AI チャットボットを自分のプロジェクトで構築する際に(better-chatbot 自体へのコントリビュートではなく)この Skill を使用してください。使用場面:AI チャットボット機能の構築、server action バリデータの実装、ツール抽象化レイヤーの作成、複数 AI プロバイダー対応の設定、ワークフロー実行システムの構築、better-chatbot パターンのカスタムプロジェクトへの適応。キーワード:AI チャットボットパターン、server action バリデータ、ツール抽象化、複数 AI プロバイダー、ワークフロー実行、MCP 統合、検証済みアクション、ツール型チェック、Vercel AI SDK パターン、チャットボットアーキテクチャ
フェーズ横断的な途中でのスコープ修正。計画開始後に要件、機能、アーキテクチャ、制約が変わった際に計画フェーズへ再突入する。影響を受ける epic/story を再分割し、sprint-status.yaml を再順序付けし、decision-log.md に根拠を追記する。必要に応じて bmad-epics-and-stories、bmad-sprint-planning、bmad-parallel-plan にルーティングする。変更するのは PLAN であり、コードは決して変えない。使用場面:"we need to change course"、"scope has changed"、"new requirement came in"、"we're dropping feature X"、"we need to pivot"、"re-plan after the change"、"requirements changed mid-sprint"、"correct course"、"architecture changed"、"re-scope the backlog"、"update epics after feedback"、"cancel story X"、"add epic for Y"、"change the plan"、"we got new constraints"、または当初の計画にない決定により story が分割/統合/並べ替えられたとき。成果物:更新された epics.md(影響範囲のみ)、改訂/新規の story ファイル、更新された sprint-status.yaml、新しい decision-log.md のエントリ。コードの記述やテストの実行は決して行わない。
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。
