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 97,222 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
remindb MCP サーバー向けの設定優先セットアップウィザード — `/remindb-setup`（対話式）、`/remindb-setup automode`（自動）、`/remindb-setup only-config`（ブリッジホスト：`.remindb/` の作成のみで env 配線なし）として実行する。2 パス構成。初回（サーバー未接続）：ホストを検出し、コンパイルの前に `.remindb/` 設定（ignore/pinned/temperatures/config.json）を作成し、ソースをコンパイルし、隣接コンテキストをシードし、MCP プラグインをインストールし、その後 MCP env を配線する。検証（サーバー接続済み）：MemoryStats + `remindb://doctor`、再設定、既存ノードへの再シード。初回のワークスペースメモリ設定時、remindb ツールが欠落・誤設定のとき、"no results"/誤ったワークスペースの症状のとき、既存の brain を再設定するとき、または env 配線を外部で担うブリッジホスト（例：Hermes Agent）に使用する。
ロードマップに関するあらゆる用途に使用します（docs/<feature-slug>/ 以下で Markdown のチェックボックスを使って追跡する、複数のチェックポイントからなる段階的な計画）。単一の仕様書／計画では収まらないタスクのロードマップ作成（「roadmap」／「дорожная карта」、複数週にわたる移行、複数リリースにまたがる展開、段階的な書き換え）、文書化か実装かを明示しない「ロードマップを続けよう」という依頼、次の未完了チェックポイントへの着手（「возьми следующую задачу в роадмапе」、「take the next roadmap task」、「next roadmap checkpoint」）、複数ステップの仕様書／計画をまとめて起草・検証する場合（「напиши несколько планов」、「пройтись по роадмапу」、「на все задачи роадмапа」）に使います。これらすべての単一の入口となり、状況を読み取って適切な参照ファイルへ案内します。
要件からレビュー可能なブランチまで、あらゆるコード変更をオーケストレーションする——小規模な修正から完全な機能まで、スコープに応じて調整する。/spec、/implement、/research を組み合わせ、タスクに応じて深さを変える: バグ修正や設定変更には軽量な仕様と直接実装、機能には完全な厳密さ。テスト済みでローカルレビュー済み、ドキュメント化されたコードを機能ブランチ上に生成する。ブランチの push と PR の作成は開発者が行う。認識されるスコープに関わらず、すべての実装作業に使用する——ワークフローは深さを適応させるが、フェーズを決して飛ばさない。トリガー: ship、ship it、feature development、implement end to end、spec to PR、implement this、fix this、let's implement、let's go with that、build this、make the change、full stack implementation、autonomous development。
Agent Skills オープン標準に準拠した Agent Skills を作成、監査、統合し、起草または修正したスキルを、そのブランチ用のレビューチェックリストを適用した状態で返す。"create a skill"、"draft a SKILL.md"、"package this expertise as a skill"、"why does this skill never trigger"、"audit this SKILL.md"、"improve this skill"、または重複するスキルをより少なく深いモジュールに統合する場合に使用。frontmatter、トリガーする説明、段階的開示、完了基準、同梱スクリプトを扱う。
承認済みの実装計画を 2 つのモードのいずれかで作成する。明示的な Inline モードは、範囲の限定された作業向けの会話形式の計画を作成する。Spec-backed Plan は承認済みの design.md を plan.json に変換する。どちらのモードも計画の出力を生成した時点で停止する。atelier-orchestrator がモードを選択した後、ユーザーが作業の計画を依頼した場合、または spec-brainstorm が完了した後にトリガーする。モードを選択せずに直接呼び出した場合は Spec-backed Plan を使用する。調査や実行には使用しない。
マルチエージェントの TASK-PLAN v2 を、実装前の機能ゲート、タスクごとの逐次エージェントオーケストレーション、明示的なテスト/レビュー/ロールバックフィールド、wiki 同期ルール、派生した HTML ダッシュボード契約を備えた正規の Markdown 管理ドキュメントとして作成・リファクタリング・監査・保守する。Codex が、緩い計画やチェックリストを構造化された計画ドキュメントに変換する必要があるとき、エージェントの引き継ぎ契約を追加するとき、Codex、Claude Code、Gemini、Antigravity 向けの計画を準備するとき、または Markdown を信頼できる唯一の情報源とし HTML を生成されたダッシュボードとして保つときに使用する。
`.flow` / `.flow.ts` ファイル、および UiPath Flow / Maestro Flow / Maestro Automate に関する Flow の作成、編集、実行、デバッグ、修正、評価の依頼で起動します。TypeScript builder SDK（`@uipath/maestro-builder-sdk`）を使って、ノード、トリガー、スケジュール、コネクター、IXP ドキュメント抽出（IXP モデルの追加・一覧表示）、インラインエージェント、HITL、チャット／音声 Flow、バインディング、既存環境の編集、チェック／コンパイル／検証の反復を作成します。操作：アップロード、公開、デプロイ、実行のデバッグ、プロセスのトリガー、ジョブのステータス／トレース確認、インスタンスの一時停止／再開／キャンセル／再試行。診断：失敗した実行、インシデント、ランタイム変数、検証に合格したのに実行が失敗した理由。評価：評価セット、評価器、シミュレーション、評価実行。ケースプラン（`caseplan.case` / `caseplan.json`）→ uipath-maestro-case、BPMN（`.bpmn`、`.bpmn.ts`）→ uipath-maestro-bpmn。Flow 外の生の IXP ラベル付けやプロンプト調整では起動しないでください → uipath-ixp。単独のエージェント → uipath-agents、C#/XAML → uipath-rpa
生成的なマルチアプローチの設計・解決策パネル。異なる観点（MVP 優先、リスク優先、ユーザー優先、パフォーマンス優先など）から N 個の独立した候補案を生成し、並列の審査員が再読した証拠に基づいて複数次元で採点し、敗れた案から最良のアイデアを接ぎ木して勝者を合成する。"which approach?"、アーキテクチャの意思決定、設計上の問題、"best way to implement X" に使用する。可能な場合はパネルを招集する前に直接 oracle / 使い捨てプロトタイプで決着させる。/work-judge で呼び出す。
あるタスクを N 通りに並列実装し、最良のものを選ぶ——判断基準は成果であり、売り文句ではない。N 個のサブエージェントを隔離された git worktree にそれぞれ異なる観点から起動し、各候補を専用の oracle（build + typecheck + test + lint）でゲートし、実際の diff（自己申告は決して使わない）から生存者を採点し、勝者に完全性のスイープを実行して main に適用し、勝者と宣言する前に oracle がグリーンであることを再検証する。"best of n"、"try multiple approaches"、"parallel implementations"、"/work-tournament"、"/bon" を求められたときに使用する。
個人のソロ開発向けコーディングワークフロー。「workflow COMMAND」または「/workflow COMMAND」という明示的なメッセージがある場合のみ実行します。メッセージ内で brainstorm、plan、execute、review、learn に何気なく言及されても実行しません。コマンド：brainstorm、improve、plan、execute、review、park、wrap、status、next、learn、log、todo、bootstrap、realign。単独の「workflow」は next を意味します。
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です。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撮影、データ抽出、Webアプリのテストなど、ウェブサイトとのやり取りが必要な場合に使用します。「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取得する」「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」などの依頼や、プログラムによるウェブ操作が必要なタスクで起動します。
ビジネスシナリオやよくある課題の記述から、モデル駆動のアシスタント、社内ツール、自動化、評価器、ワークフローを構築、初期化、検証、最適化、またはリファクタリングしたい場合に使用する。モデル設定、プロンプト設定、オーケストレーションを分離する可能性のあるプロジェクト構造のリファクタリングやスタータースケルトンも含み、リクエストが UI、アプリシェル、Ollama などのローカルモデルサービスに言及していても、またソリューションを単一リクエストのままにするか、補助機能を追加するか、オーケストレーションにするかがまだ不明確な場合でも対象となる。ユーザーが Agently を明示的に言及する必要はない。
PDF の論文、GitHub リポジトリ、実験ログ、コードディレクトリ、メモなど、あらゆる研究入力を、認知レイヤー（主張、概念ヒューリスティック）、物理レイヤー（設定、コードスタブ）、探索グラフ、根拠となるエビデンスを備えた完全な Agent-Native Research Artifact（ARA）にコンパイルします。論文やコードベースを機械実行可能な知識パッケージとして取り込むとき、ARA をゼロから構築するとき、研究成果物を反証可能でエージェントが横断できる形式に変換するときに使用します。
Arbor 論文の Hypothesis Tree Refinement（HTR）を使用し、目標と評価器に照らして実際の成果物（コード、学習レシピ、エージェントハーネス、データパイプライン、プロンプト）を自律的に改善します。過学習を避けながら、多くの実験を通じて反復的に最適化したい場合に使用します。例：「モデルの評価スコアを上げる」「このエージェント／ハーネスを改善する」「このパイプラインを調整する」「このベンチマークでベースラインを超える」「複数のアプローチを探索して最良のものを残す」「MLE-bench／Kaggle 形式の最適化を行う」、または「開発セットを丸暗記せず成果物を改善する」といった長期的なタスクです。ユーザーが「Arbor」や「仮説ツリー」と言わなくても、実験と評価の反復、競合するアイデアの分岐探索、開発セットとテストセットの差への懸念を述べた場合も対象です。Claude 自身がコーディネーターとなり、分離された git worktree 内のサブエージェント実行器を動かします。単体の `arbor` CLI ツールについては references/arbor-upstream.md を参照してください。
screenpipe を介してユーザーの画面を観察し、繰り返される研究ワークフローを検出して既存の research-agent-skills と照合し、未対応のパターンに対する新しいスキル（または既存スキルを連結する組み合わせレシピ）を作成します。ユーザーが最近の作業の分析と、実際の行動に基づくスキルの提案を求めた場合に使用します。screenpipe デーモンがローカルのポート 3030 で実行されている必要があります（https://github.com/screenpipe/screenpipe）。このスキルに他のデータソースはなく、screenpipe に接続できない場合は実行を拒否します。検出はすべてローカルで行われ、匿名化されたクラスター概要のみが LLM に送信されます。
百度网盘(Baidu Drive)文件管理与正文能力 — 上传、下载、转存、分享、搜索文件、搜索正文片段、读取文件全文、移动、复制、重命名、创建文件夹；查询网盘容量、已用和剩余空间。 同时支持 Agent 记忆备份/恢复（kimiclaw/maxclaw/qclaw/openclaw）。 TRIGGER: 用户提及"百度网盘/bdpan/网盘/云盘/baidu drive/Baidu Drive"并涉及文件操作或查询网盘容量、剩余空间、使用率； 或用户提及"备份记忆"、"恢复记忆"、"查看记忆备份"等记忆相关操作。 DO NOT TRIGGER: 非文件存储操作，或使用其他云盘服务时；本地记忆整理/清理操作；PPT 生成操作（已独立为 baidu-wenku-aippt skill）。
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。