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
統合された PDCA サイクル管理 — plan、design、do、analyze、iterate、report。PDCA は機能ごとに実行されます（9 フェーズ：pm→plan→design→do→check→act→qa→report→archive）。複数機能のスコープ／予算のグルーピングには /sprint（v2.1.13、内部に PDCA サイクルを収容できる 8 フェーズのコンテナ）を使用します。トリガー：pdca、plan、design、analyze、report、status、next、iterate
スライスごとに 8 段階のパイプライン（分解、スライス準備度レビュー、TDD ペアによる実装、3 段階コードレビュー、フィードバック対応、ミューテーションテスト、push/CI、merge/flag）を実行する自律型ビルドフェーズオーケストレーター。スライスキューを管理し（ウォーキングスケルトンを最初に、依存関係順）、ケイパビリティ検出付きで TDD ペアを派遣し、5 つのバイナリ品質ゲートを 3 サイクルの手戻り予算と人的エスカレーション付きで強制し、監査証跡を維持し、厳格なコントローラー境界を守る（コードは決して書かず、創造的な作業はすべて委譲する）。3 つの自律レベル（保守的／標準／完全）をサポート。ファクトリーモードの実行、ビルドフェーズのオーケストレーション、スライスキューの管理、レビューゲート付き TDD ペアの調整に使用します。トリガー: "run the pipeline"、"factory mode"、"build phase"、"slice queue"、"quality gates"、"autonomous build"。非対象: 個別の TDD（tdd を使用）、単独のコードレビュー（code-review を使用）、CI のみのワークフロー（ci-integration を使用）。
オーケストレーションされた、アイデアから計画までの PM ワークフロー。コンテキストを一度確立し、その後 PM 生成ラダーを順番に構成する —— 問題 → ディスカバリー → ユーザー → 最もリスクの高い仮説のテスト → 優先順位付け → 仕様 → 指標 —— 各ステップにゲートを設け、仕様の前に証拠を必須とし、結果を product-review に引き渡す。ユーザーが生のアイデアから構築可能な計画へ進みたいときにトリガーする（「問題から計画まで導いて」「アプリのアイデアがあるがどこから始めるか」「このアイデアをプロダクト計画にする」「新しいプロダクトを端から端まで計画する」）—— ただし、特定の PM 成果物 1 つを求める場合（そのスキルを直接トリガーさせる）や、戦略/ローンチの一連（ビジョン、競合分析、ロードマップ、GTM —— これらは次に提案する）には使用しない。
「スクリーンショット + 座標グリッド」で任意のデスクトップソフトウェアを操作する：グリッド付きのスクリーンショットを撮り、任意のマルチモーダル LLM にターゲットの座標数値を読み取らせ、クリック／入力／キー押下などの API を呼び出して、人間の視覚的なソフトウェア操作を模倣する。1 回の操作を記録して再利用可能なシーンテンプレートとして保存し、次回そのまま再利用することもできる。対象ソフトウェアが API や CLI を提供しているかに依存しない。以下の場合に使用：- Windows デスクトップソフトウェア（WeChat、小红书／抖音など風控の厳しい Web ページ、スマホエミュレーター、ゲーム、任意の Windows プログラム）の自動操作。特に Playwright/CDP/CLI/アプリケーション API では対応できないソフトウェアや要素（隠れたボタン、ゲーム画面、CAPTCHA など）- ユーザーが「XX を操作／クリック／入力して」「XX を自動操作」「クリックをシミュレート」「デスクトップ自動化」「RPA」「操作を記録」「テンプレートとして保存」「次回自動で実行」などと言った場合 - デスクトップ要素やプロセス・ウィンドウをまたぐ操作（デスクトップアイコン、タスクバー、トレイ、スタートメニュー、ファイル選択ダイアログ、ウィンドウ間のドラッグ＆ドロップ）画面上で見えてマウスとキーボードでの操作が必要な Windows デスクトッププログラムであれば、API がなく専用スキルもなく自動化の方法が不明であっても、まずこのスキルを試すべきである。
Salesforce 上で Agentforce エージェントを構築、設定、テストします。エージェントの設定、トピック、アクション（Flow、Apex、PromptTemplate、External Service）、決定論的な FSM ベースのエージェント向け Agent Scripts、PromptTemplate の作成、GenAI Models API、メタデータ構造、Testing Center とコマンドラインによるエージェントテストを網羅します。Agentforce エージェント、.agent ファイル、.agent-meta.xml、.agentTopic-meta.xml、.agentAction-meta.xml、GenAiFunction、GenAiPlugin、PromptTemplate、Agent Script、またはエージェントテストワークフローで起動します。
duoduo のチャンネルセッション向けアイドル自動圧縮を管理する — 会話ごとの有効化/無効化、測定された圧縮統計の読み取り、オーナーがモデル/バックエンドを変更した場合やアイドルセッションのコストについて尋ねた場合に損益分岐式でしきい値を再調整する。オーナーが 自动压缩/smart compaction/压缩策略 に言及したとき、セッションが圧縮された理由（圧縮通知が表示された）を尋ねたとき、セッションを従量課金または短いキャッシュ TTL のバックエンドに切り替えたとき、または会話を圧縮から保護したいと依頼したときにトリガーする。また、あなたが管理するセッションの最初の自動圧縮の直後にも積極的に使用する — そのイベントにはキャリブレーション測定値が含まれる。
バグ、リファクタリング、機能開発タスクを体系的に解決するための 8 段階の PDCA ワークフロー：明確化 → 分析 → 解決策の探索 → レビュー → 計画 → 実行 → 検証 → 振り返り。手動モード（デフォルト）は各段階の終了時にユーザーの確認を待って一時停止する。自動モードはエンドツーエンドで実行する。ai-proxy オーバーレイ（薄くフリーズしてから占有）は独立して利用できる。トリガー — 「明确问题」「分析问题」「探索方案」「审查方案」「制定计划」「执行计划」「检查验证」「复盘改进」（別名「回顾总结」）；「继续分析」「深入分析」「修改方案」「完善方案」「优化方案」「更新计划」「修订计划」「修改计划」；「自动模式」「自动分析」「自动解决」；「ai-proxy 模式」「AI 代理模式」「切换 ai-proxy」 / clarify problem、analyze problem、explore solutions、review solution、make plan、execute plan、verify、retrospective、auto mode、ai-proxy mode、switch to ai-proxy。
コーディングエージェントが vit を使って ATProto 上でソフトウェア機能（caps）を発見、フォロー、スキム、シップできるようにする。ユーザーが vit、beacons、caps、shipping、skimming、following、vetting、ソーシャルコーディングに言及したときに有効化される。以下のコマンドリファレンスを提供：vit init、vit skim、vit ship、vit follow、vit following、vit learn、vit remix、vit doctor、vit config、vit beacon、vit login。
ミニプログラムプロジェクトのソースコード（圧縮／難読化を含む）を分析し、コアな業務ステップを識別し、ネットワークインターフェースと JSAPI 呼び出しを抽出し、wx.modelContext 仕様に準拠したスキルサブパッケージ（アトミックインターフェース＋アトミックコンポーネント）を生成し、app.json / project.config.json の構成統合を完了する。以下の場面でトリガー：ミニプログラムページの機能をミニプログラム AI のアトミックインターフェースに作り変える、skills/ サブパッケージコードを生成する、ソースプロジェクトから MCP ツールを派生させる、ミニプログラム AI の開発モード向けコード生成。静的生成のみを担当し、生成完了後は必ず wxa-skills-validate に引き継いで検証する。
Go アプリケーションを AI コーディングエージェントと効果的に連携できるようにする。新規 Go プロジェクトの立ち上げ時や既存プロジェクトの改修時に使用し、次を確保する：構造化 JSON ログ（slog/Zap/ZeroLog/Logrus）、機械可読なコマンド出力、充実した golangci-lint 設定、--yes フラグ付きの非対話型コマンドライン設計、意味のある終了コードを伴う構造化エラー処理、適切な context.Context の伝播、グレースフルシャットダウン、ヘルスチェックエンドポイント、標準化された Makefile。ユーザーが Go アプリを "agent-ready"、"AI-friendly" にしたいと依頼したとき、Go プロジェクトのエージェントツール／可観測性を改善したいとき、既存の Go プロジェクトをエージェント対応のベストプラクティスに照らして監査したいときに発動。
AI の作り話を止めます。AI がハルシネーションを起こす、事実を捏造する、実データに基づいていない、出典を示さない、根拠のない主張をする場合、または AI の回答を原資料と照合して検証する必要がある場合に使用します。LLM が事実をでっち上げる、回答が入力とつながっていない、出力が原資料に基づいていない場合にも使用します。引用の強制、忠実性の検証、検索によるグラウンディング、信頼度のしきい値、アンチハルシネーション品質の評価を扱います。用途：AI が引用をでっち上げる、LLM がデータを捏造する、AI を原資料に基づかせる、RAG なのに AI がまだハルシネーションを起こす、AI に出典を引用させる、AI の事実正確性、AI が事実を勝手に作るのを防ぐ、AI は自信満々だが間違っている、LLM の作話、ハルシネーション検出、文書に基づいて AI の主張を検証する。
BMAD Planning & Orchestrator プラグインのオーケストレーションの骨格であり、「次に何をすべきか？」のルーター。出力フォルダをスキャンしてどの成果物が存在するか（project-context.md、decision-log.md、product-brief、prd/tech-spec、architecture、ux、epics、stories）から現在の計画状態を検出し、現在のフェーズとトラックを推測して、次に実行すべき BMAD スキルを提案する — 任意フェーズはスキップする（Analysis は常に任意、UX は UI がある場合のみ）。ユーザーが「次は何」「次に何をすればいい」「今どこにいる」「自分の状態は」「続けて」「計画を再開」「どのスキルを実行すべき」「次の BMAD ステップは何」と尋ねたとき、または "/bmad-help" / "/status" と入力したときに使用。BMAD の計画セッションの開始時に方向づけのために自動呼び出しする。このスキルはルーティングのみを行う — 計画ドキュメント自体は決して書かない。
仕様、プログラム、メトリクス、ベースラインを通じて DSPy 3.2.x プログラムを構築する。要求があり、タスクの予算で正当化される場合は最適化とエクスポートまで拡張する。他の 4 つの DSPy スキル（dspy-fundamentals、dspy-evaluation-harness、dspy-gepa-optimizer、dspy-rlm-module）を正しい順序でオーケストレーションする。新規の DSPy 構築に使用。プロトタイプは検証済みのベースラインで停止してよい。
agent-browser を Chrome DevTools Protocol 経由で使用して、Electron デスクトップアプリ（VS Code、Slack、Discord、Figma、Notion、Spotify など）を自動化します。ユーザーが Electron アプリとやり取りする、デスクトップアプリを自動化する、実行中のアプリに接続する、ネイティブアプリを制御する、または Electron アプリケーションをテストする必要があるときに使用します。トリガーには "automate Slack app"、"control VS Code"、"interact with Discord app"、"test this Electron app"、"connect to desktop app"、またはネイティブ Electron アプリケーションの自動化を必要とするあらゆるタスクが含まれます。
BMAD の計画成果物と GitHub Projects v2 の双方向同期。ユーザーが「sync to github」「push stories」「pull status from github」「set up github project」「github sync」「onboard github project」「create github issues from stories」「update stories from github」「sync status」と言う場合、または GitHub Projects で BMAD 成果物を管理したい場合にこのスキルを使用する。ユーザーが BMAD 成果物の文脈で「gh project」「github board」「sprint board」「project roadmap」「relationship field」「blocked by」「parent issue」に言及した場合にもトリガーする。「I want to track stories in github」「let's set up a project board」「what's out of sync」「push the sprint to github」のような暗黙の手がかりでもトリガーする。
AI 支援開発のために Laravel Boost をセットアップ・設定するときに使用 — パッケージのインストール、MCP サーバー設定、ガイドラインのカスタマイズ、スキル作成、ドキュメント API 連携。トリガー条件：Laravel Boost をインストール、IDE 用に MCP を設定、カスタム AI ガイドラインを作成、プロジェクト固有のスキルを作成、MCP ツールの接続性を検証、依存関係の変更後に Boost を更新、カスタムエージェント向けに Boost を拡張。
会話から得られた教訓を抽出し、AI アシスタントの設定ファイル（CLAUDE.md、GEMINI.md、AGENTS.md、Cursor、Copilot、Windsurf、Continue）に保存する、または発見したワークフローから新しいスキルを作成する。次のような場合に必ずこのスキルを使う: コマンドが失敗した後に成功した（特にフラグや環境の変更による場合）、デバッグで回避策が判明した、仮説が誤りだと分かった、未記載の動作が発見された、その場で多段階のパターンを考案した、あるいはユーザーが "/learn"、"remember this"、"save this"、"add this to CLAUDE.md"、"don't forget this"、"make a skill for this" と言った場合。また、顕著な教訓が得られた複雑なトラブルシューティングの後には、ユーザーが明示的に求めていなくても能動的に呼び出す。
OpenAnt でタスクのアクティビティを監視し、通知を確認し、プラットフォームの統計を表示する。エージェントが更新を確認したい、通知数を確認したい、タスクの変化を監視したい、プラットフォームで何が起きているか確認したい、ダッシュボードの概要を取得したい場合に使用。"check notifications"、"any updates?"、"platform stats"、"what's new"、"status update"、"watch task" をカバー。個人のタスク履歴と一覧には、代わりに my-tasks スキルを使用。
分析、提案、設計レビュー、計画、実行、検証をチャットのコンテキストに留めず、OpenSpec の成果物（openspec/changes/<name>/、openspec/specs/ にアーカイブ）として永続化する 8 段階の PDCA 問題解決ワークフロー。長期的な振る舞い契約のトレーサビリティ、チームレビュー、監査可能性が必要な機能開発、バグ修正、リファクタリング、複雑なエンジニアリングタスクに使用する。トレーサビリティが不要な一度きりの簡単な編集には使用しない — 代わりに solve-workflow を使用する。トリガー：「opsx解决」「OpenSpec解决」「规范化解决」「创建OpenSpec变更」「创建opsx变更」「用OpenSpec分析」「用OpenSpec修复」「opsx自动解决」「OpenSpec自动解决」「opsx-solve」「opsx-solve-workflow」；「ai-proxy 模式」「AI 代理模式」「切换 ai-proxy」 / opsx solve、OpenSpec solve workflow、create an OpenSpec change、ai-proxy mode、switch to ai-proxy。
PostHog の AI 音声エージェント（「robo interviewer」）——自動音声エージェントインタビュー製品——が実施するユーザーインタビューのラウンドを計画する。UserInterviewTopic（対象者、質問内容、フレーミングの文脈、質問リスト）を記録し、user-interview-topics-create を呼び出す。ユーザーが AI 音声エージェントに実際にインタビュー通話を実行させたいと明確に望む場合にのみトリガーする（例：「set up robo user interviews」、「have the voice agent interview these users」）。音声エージェントを伴わない通常のユーザーリサーチにはトリガーしない — 話を聞くユーザーの発見や絞り込み（「who''d be a good fit to interview about Y」）、人間が実施するインタビューの質問の計画、フィードバックの分析はオーディエンスディスカバリーであり、通常のデータクエリで扱うもので、このスキルではない。録画したインタビュー音声ファイルのアップロードや user-interview-topics-list でのトピック閲覧にもトリガーしない。意図が曖昧な場合は、まずどのような種類のリサーチで、AI 音声エージェントに実施させたいのかを確認する（Step 0 を参照）。
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。