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
AI エージェント フレンドリーなコードベース向けに Harness エンジニアリングを構築・改善する（AGENTS.md、docs/、Lint ルール、Eval システム、プロジェクトレベルの Prompt エンジニアリングを含む）。トリガーとなる場面：AI エージェント向けに新規/空のプロジェクトを設定する、AGENTS.md や CLAUDE.md を作成する、Harness エンジニアリングに関する質問、エージェントがコードベース上でより効率的に作業できるようにする。ユーザーが不満を感じたりエージェントの品質について不満を言ったりするときにもトリガーされる（例：'エージェントはいつも仕様を無視する'、'指示にまったく従わない'、'なぜいつも X を間違えるのか'、'エージェントが壊れている'）— エージェントの出力品質が低いことはほぼ常に Harness の欠如を意味し、モデルの問題ではないからである。対象：Context エンジニアリング、アーキテクチャ上の制約、マルチエージェント協調、評価、長時間実行タスクの Harness、エージェントループ（自律動作、検証器、停止条件）、エージェントメモリ（セッションをまたぐ記憶、メモリの管理）以及びエージェントの品質問題の診断。
Harness Engineering の第 1 段階：既存のプロジェクトをスキャンし、AGENTS.md（ディレクトリファイル）と完全な docs/ ナレッジベース構造を生成する。ユーザーが「プロジェクトに agent サポートを追加したい」「AI に自分のプロジェクトをよりよく理解させたい」「harness engineering を始めたい」「AGENTS.md を作成したい」「agent のドキュメント構造を整えたい」「Claude Code をより良く動かしたい」と考えたときは、すぐにこの skill を使用する。ユーザーが「プロジェクトのドキュメントを agent 用に整理して」「AI agent で開発を始めたい」「このプロジェクトが解決するビジネス課題を洗い出したい」と言った場合や、business-solution.md の作成を求めた場合にも適用する。
アイデアから論文発表までのライフサイクル全体を担う目標駆動の指揮役。研究アイデアと実験、そして目標（「NeurIPS 2026 に投稿する」、「会場選びを手伝って」）を受け取り、goal->plan->execute->verify->reflect のループを実行する。段階を計画し、適切なライフサイクルスキル（literature-review、write-abstract、preflight-check、simulate-reviewers など）を順番に呼び出し、各段階の前に著者とチェックポイントを取る。また、キャッシュされたプロファイルを信用せず、parse-cfp で最新の CFP を再確認する。研究者が「アイデアを投稿論文まで進めて」、「パイプライン全体を実行して」、「会場 X 向けに論文をオーケストレートして」、「ここからの計画は」、「何が終わって次は何か」と言った場合に使用。自律的な著者ではなく副操縦士。各段階のゲートで必ず停止して質問し、結果や引用を決して捏造せず、決して投稿しない。トリガーワード——orchestrate、pipeline、end to end、whole paper、idea to submission。
リフレクションエージェント。別の skill がアーティファクトを生成した直後に使用する。たとえば polish-prose による書き直し、反論、アブストラクト、プリフライト修正、カスタマイズした草稿などで、その出力を、明示された目標、論文の .paper-memory/profile.yml、関連するルーブリック、過去の .paper-memory/lessons.md に照らして批評し、実際に改善されたかを判断する。トリガーワードには reflect、self-critique、did this get better、did my edit help、regression check、review my own output、iterate、refine、second pass、sanity-check the rewrite、および「新しいバージョンは本当に良くなったか」が含まれる。境界のある self-refine / Reflexion ループを実行し、回帰を防ぎ、標準ライブラリのスクリプトで永続的・重複排除済み・日付付きのレッスンを .paper-memory/lessons.md に追記して、ツールキットが論文ごとに鋭くなるようにする。リフレクションにはコストがかかる；測定可能な目標があるときだけ元が取れる。
Salesforce スキルの品質を評価およびベンチマークする。スキルコンテキストあり／なしで AI が生成したコードを比較し、Salesforce 固有のルーブリック（セキュリティ、ガバナ制限、一括処理、パターン、完全性）で採点し、比較レポートを作成する。ベンチマークの実行、スキルの価値の検証、Apex コード品質のチェックに使用。"evaluate skills"、"benchmark"、"skill quality"、"run eval"、"compare with/without skills" に言及されたときに起動する。
Skill 作成の事前チェック、信頼性検収、フォーマットレビューのツール。ユーザーが Skill を作成、大幅に改修、またはレビューする際に、旧版 Skill の指示追従の不安定さ、出力のドリフト、検証モダリティの不一致、制約の見落としを特定する必要がある場合、または Harness 契約、候補バインディングのエビデンス、障害注入、ディレクトリ構造、業務フロー、セキュリティリスクを確認する場合にこのスキルを使用します。次には使用しないでください：ドメイン検証器の代替、コードレビュー、アプリの機能テスト、一般的なプログラミングタスク。
自動レトロスペクティブ — EPIC 完了時および手動呼び出し時に学びを記録する。EPIC スコープのレトロは EPIC 成果物に Retrospective セクションを埋め込む。EPIC 横断および時間ベースのレトロは独立したレトロドキュメントを生成する。トリガー：'retro'、'retrospective'、'post-mortem'、'lessons learned'、'debrief'、'what worked'、'what didn't work'、'what did we learn'、'reflect'、または EPIC の終端状態遷移後に自動実行。
定義された役割、タスクライフサイクル、ハンドオフプロトコル、レビューワークフローを備えたマルチエージェントチームをオーケストレーションする。次の場合に使用：(1) 異なる専門分野を持つ 2 以上のエージェントのチームを立ち上げる、(2) タスクのルーティングとライフサイクル（inbox → spec → build → review → done）を定義する、(3) エージェント間のハンドオフプロトコルを作成する、(4) レビューと品質ゲートを確立する、(5) エージェント間の非同期コミュニケーションと成果物共有を管理する。
`auth.md` ファイル — AI エージェント登録のオープンプロトコル — を生成、検証、解説する。アプリをエージェント対応にする場合、Protected Resource Metadata (RFC 9728) を生成する場合、auth.md ファイルを検証する場合、エージェント登録エンドポイントを実装する場合に使用する。トリガー：「auth.md」「agent registration」「agent auth」「make my app agent-ready」「ID-JAG」「identity_assertion」「service_auth」「protected resource metadata」「agentic registration」。
十分に特定された実装タスクをヘッドレスで実行される xAI の Grok Build CLI（grok）に委任してコーディング作業をオーケストレーションし、コーディングアシスタントが計画、タスク仕様の作成、すべての diff のレビュー、結果の責任を担う。ユーザーが次を言ったときに使う：「use grok」「grok build」「delegate to grok」「have grok implement」「have grok execute」「have grok build」「send to grok」「execute this plan with grok」。Markdown の実装計画をタスクごとに実行するか、インライン仕様付きのアドホックなタスクを実行する。
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。