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 96,981 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
Vercel AI SDK v7 の開発と移行。AI SDK 7 アプリの構築やアップグレード時、特に ToolLoopAgent、WorkflowAgent、HarnessAgent、Claude Code/Codex/Pi harnesses、runtimeContext、toolsContext、toolApproval、telemetry、reasoning、ファイルまたはスキルのアップロード、realtime、動画生成、v6 から v7 への破壊的変更で使用します。AI SDK v6 のコードには ai-sdk-6 を、バージョン確認や一般的なドキュメント検索には ai-sdk を使用してください。
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。
ArchDev の中核ワークフロー。ArchDev に関するあらゆるタスクに使用します。CLI のセットアップ、アップグレード、ログイン、モデルアクセス；archdev.json の検証（check）；リポジトリのオンボーディングと準備状況（repo status）；アクティビティ分類のマッピング（repo map）；ハーネスフック（repo hook setup）；ビルドイベントの報告（log post、log post --event）；過去の教訓（log messages、log search、機能ゲート付き log knowledge）；成果物の検出事項（log finding）；ライフサイクル投稿（start、lesson、abandoned、done、handoff、question）（log --kind）；エージェントのアクティビティ（repo monitor）；ライブ Ask ダッシュボード（archdev ask）；ファイルの公開共有（archdev share）；必須の PR CI とリスク対応；公開済み PR のリスク/範囲（inspect metadata）；リポジトリルール（rules、rules add、rules edit、rules disable）を扱います。archdev CLI がインストールされている場合、リポジトリに archdev.json がある場合、またはタスクが計画、タスク、セッション、コミット、PR、ハーネスフックに関わる場合は、セッション開始時に読み込んでください。
CLI から Archon を操作します。リポジトリで AI ワークフローを実行し、判断が必要な実行を監視して応答し、SDLC パックのキュー（受付、ビルドキュー、マージキュー、発見事項）を管理し、Archon のセットアップや設定変更、ワークフローの作成と検証を行います。ユーザーが「use archon」「run archon」「archon workflow」「fix issue #N with archon」「have archon review this PR」「what's running / check run <id>」「approve/reject/answer/cancel/resume that run」「run the build queue」「drain discoveries」「set up archon」「configure archon」「change my archon config」「create a workflow」「author a workflow」と言う場合や、より良い Archon プロンプトの書き方を尋ねる場合に使用します。対象外：自分でコーディング作業を行うこと。Archon は作業を分離された実行に委任します。
新しい SecSkills スキルを最初から最後まで作成します。プラグインの分類とスキル階層の選択、同類のスキルの利用を奪わずに正しく起動する説明の作成、必須セクションの記述、ttp-index.json への登録、ネガティブトラップを含むルーティング評価ケースの追加、3つのバリデーターの実行を扱います。このリポジトリへのスキル追加、既存スキルの分割・統合、誤ったリクエストで起動するスキルの修正、新しいスキルが validate.py、sync_attack.py、run_evals.py に失敗した場合に使用します。
自動レビューパイプライン。4 つの plan-* レビュー（plan-deep-review、plan-design-review、plan-eng-review、plan-devex-review）を最大深度で連鎖させ、途中の AskUserQuestion 呼び出しは 6 つの原則で自動決定する。好みの判断とユーザーの異議は単一の最終承認ゲートで提示する。順序は Deep → Design → Eng → DX。各フェーズは任意で独立した Claude サブエージェントの声を取得し、クロスモデルの合意形成を行う。"autoplan"、"run all the plan reviews"、"auto-review this plan" と依頼された場合、またはユーザーが途中の各質問に付き合わずに包括的な計画審査を望む場合に使用する。
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。
このスキルは、LLM が用途に合った AxAgent のコンテキストツールを選ぶのを支援する。反復的に使うコーパスには contextMap、実行内の軌跡圧縮には contextPolicy プリセット、オフラインの GEPA による指示／デモのチューニングには agent.optimize、進化するコンテキスト playbook（オフラインの evolve + オンラインの update）には agent.playbook、ターンごとの検索には recall/memories + skills を使う。「どのコンテキスト機能を使うべきか」と尋ねられたとき、contextMap と contextPolicy や memory を混同しているとき、長コンテキストのエージェント向けの判断ガイドが必要なときに使用する。contextPolicy/contextMap のコード生成には ax-agent-rlm、recall/skills には ax-agent-memory-skills、agent.optimize または agent.playbook には ax-agent-optimize を使う。
Claude Code で Bash ツールを効果的に使うための包括的な知識。CLI ツールのオーケストレーション、hooks の設定、自動化ワークフローの構築、git 操作の管理、複数コマンドのパターンの処理、Bash ツールのエラーに遭遇したときに、このスキルを使用する。対象：PreToolUse hooks、コマンド連結パターン、git ワークフローの自動化、CLI ツールの統合、カスタムコマンド（.claude/commands/）、セキュリティ設定、許可リスト、セッションの永続化、出力の処理、エラー防止、よくある問題のトラブルシューティング。使用する場面：Claude Code hooks の設定、bash 権限の構成、カスタムコマンドの作成、git ワークフローの自動化、複数の CLI ツールのオーケストレーション、bash コマンド失敗のデバッグ、セキュリティガードの実装、コマンド実行のログ記録、危険な操作の防止。
ユーザーのクリップボード上の画像を会話に取り込み、実際に確認できるようにします。ローカルブリッジがユーザーごとの Unix ソケット（$HOME/.clipboard.sock、CLIPBOARD_SOCKET で上書き可能）としてクリップボードを公開します。このスキルはバイト列を取得して実際の画像ファイルとして保存し、そのファイルを読み込んでコンテキストに追加します。「クリップボードを見て」「スクリーンショットを撮った」「このエラーを見て」「なぜ変に見えるの」「デザインはこれ」「貼り付けたものを見て」など、見えない視覚情報をユーザーが示した場合に使用します。コピーしたことをほのめかすだけの場合や、ファイルパスを示さず画面上の内容を説明する場合も含みます。推測したり、画像の説明を求めたり、先に別の場所へファイルを保存するよう頼んだりせず、このスキルを使用してください。
信頼性が高く自己修復する検索システムのために Corrective RAG (CRAG) と Self-RAG を実装する。信頼性の高い RAG の構築、ハルシネーションの防止、検索評価の実装、RAG パイプラインへの自己修正の追加を行う際にこのスキルを使用。有効化の条件：corrective RAG、CRAG、self-RAG、hallucination prevention、retrieval evaluation、RAG reliability、self-healing RAG、document grading。
agent-browser を Chrome DevTools Protocol 経由で使用して、Electron デスクトップアプリ（VS Code、Slack、Discord、Figma、Notion、Spotify など）を自動化します。ユーザーが Electron アプリとやり取りする、デスクトップアプリを自動化する、実行中のアプリに接続する、ネイティブアプリを制御する、または Electron アプリケーションをテストする必要があるときに使用します。トリガーには "automate Slack app"、"control VS Code"、"interact with Discord app"、"test this Electron app"、"connect to desktop app"、またはネイティブ Electron アプリケーションの自動化を必要とするあらゆるタスクが含まれます。
Helixa — Base 上の AI エージェント向けのオンチェーンアイデンティティ、レピュテーション、Cred Score。エージェントがアイデンティティ NFT をミントする、Cred Score を確認する、ソーシャルアカウントを検証する、特性/ナラティブを更新する、エージェントのレピュテーションデータを照会する、ステーキング情報を確認する、エージェントディレクトリを検索する場合に使用する。SIWA（Sign-In With Agent）認証と x402 マイクロペイメントに対応。Helixa、AgentDNA、ERC-8004、Cred Score、$CRED トークン、エージェントアイデンティティについて尋ねられた場合にも使用する。
1 つの Duvo Agent をより良くするためのガイド付きエンドツーエンドループを実行する。ユーザーが "improve this Agent"、"make my Agent better"、"help me tune this Agent"、"this Agent isn't good enough"、"fix this Agent based on its Runs" を望むとき、または Agent を現状から具体的で適用済みの改善へと導くよう依頼したとき（単なる読み取り専用の監査ではなく）に使用する。会話はあなたが主導する：Agent を特定し、その設定全体（AOP、Connections、Skills、トリガー、memory、最近の Runs）を調査し、改善の根拠（ユーザーのフィードバックまたは Runs 内のエビデンス）について合意し、Run の範囲を提案して確認し、workflow-debugger / run-debugger skills から根拠ある発見を得て、具体的な変更を提案し、ユーザーの同意を得て適用する（AOP は aop-writer 経由で新しい Build として、設定はあなたのツールで）。workflow-debugger との境界：あの skill は読み取り専用の監査であり、この skill は適用済みの変更で終わる対話型ループで、分析のために workflow-debugger を呼び出す。
1 つの Duvo Queue — およびそれを取り巻く producer→consumer ワークフロー — をより良くするためのガイド付きエンドツーエンドループを実行する。ユーザーが "improve this Queue"、"this Queue keeps backing up, fix it" を望むとき、または Queue を具体的で適用済みの改善へと導くとき（単なる読み取り専用の監査ではなく）に使用する。会話はあなたが主導する：Queue を特定し、その全体像（producer と consumer、バックログと case の状態、接合部における両方の Agent の AOP、トリガーと並行性、流れる Runs）を調査し、改善の根拠（ユーザーのフィードバックまたは Runs/バックログ内のエビデンス）について合意し、Run/case の範囲を提案して確認し、workflow-debugger / run-debugger skills から根拠ある発見を得て、具体的な変更を提案し、ユーザーの同意を得て適用する（AOP は aop-writer 経由で新しい Build として、トポロジーとトリガーはあなたのツールで）。workflow-debugger との境界：あの skill は読み取り専用の監査であり、これは適用済みの変更で終わる対話型ループである。単一の独立した Agent の場合は、代わりに improve-agent を使用する。
指定されたレビュアーが出力を承認するまでサイクルで実行されるヘッドレスな `claude -p`、`codex exec`、`pi -p` worker 向けの、レビュアーによるゲート付き反復フリート。品質ゲートを伴う複数ラウンドの反復が必要な作業に使用する — レビュアー worker がすべての worker ログを読み、判定（lgtm | iterate | escalate）を書き、オーケストレーターが続行・一時停止・停止を判断する。worker を自動で終了・再起動することは決してない。終了・一時停止の判断はすべてオペレーターが行う。
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。