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
常時有効な Linear セッション規律と、未追跡リポジトリ向けの一度きりのソフトな促し。CLAUDE.md、AGENTS.md、または .cursor/rules に Linear トラッキングプロトコルが既にあるリポジトリで重要な作業を行う場合、またはプロトコルも .linear-tracking-skip ファイルもないリポジトリを開く/作業する場合に使用する(linear-setup を実行するか一度だけ尋ねる)。作成前検索、ライフサイクル、クローズ・ザ・ループを徹底する。完全なブートストラップ、同期、モニタリングの実行には対象外。
プロジェクトの学びを管理します。これは、エージェントがすべてのスキルとセッションを通じて記憶すべき、小さく、原子的で、検証済みのパターンです。/money-save(セッション状態全体をキャプチャする)とは異なり、学びは個々の洞察であり、他のすべての money-* スキルのコンテキストに自動で読み込まれます。ユーザーが記憶に値する何かに気づいたばかりの場合に使用します。顧客パターン、価格設定の洞察、機能するチャネル、失敗モードなどです。トリガー:'remember this'、'log a learning'、'this is a pattern'、'show learnings'、'what have we learned'、'记住这个'、'存入经验'、'查看经验库'。
ビジネスプランに対して 4 つのレビュースキル(investor、customer、operator、skeptic)を順番に実行し、判定が一致する箇所は自動で決定し、不一致と好みの判断のみをユーザーに提示します。1 つのコマンド = 完全なレビュー試練を、インテリジェントにフィルタリングして実行します。プランがコミット前にストレステストの準備ができたときに使用します。トリガー:'panel review'、'review panel'、'run all reviews'、'review gauntlet'、'审议会'、'四方评审'。
現在のビジネス状態をディスクに保存し、今後の Claude Code セッションが中断した地点から再開できるようにする。確定した結論、除外した方向性、未検証の仮説、次に推奨する skill を記録する。/money-discover、/money-strategy、/money-diagnose、または任意のパイプライン段階でユーザーが結論に達し、その状態を確定したいときに使用。次の場合にもトリガーされる:'save this'、'checkpoint'、'remember this'、'lock it in'、'保存'、'存档'、'记下来'、'这个结论留着'。
現在の会話で成功したワークフローを恒久的なプロジェクトローカルの skill として codify する。例えばコンバージョンするコールドメールのシーケンス、ベースラインを超える広告クリエイティブの形式、複利的に伸びるコンテンツパイプラインのリズムを発見した後に、/money-skillify がそれをプロジェクトのローカル skills ディレクトリ配下の SKILL.md として書き出し、今後のセッションが再発見なしに呼び出せるようにする。ユーザーが次のように言うときに使用:'this worked, save it'、'codify this'、'turn this into a skill'、'把这个固化下来'、'存成 skill'。
NVIDIA NeMo Guardrails を使って LLM アプリケーションに実行時の安全対策を追加し、Colang 2.0 flows で設定します。ジェイルブレイクとプロンプトインジェクションの検出、セルフチェックによる入出力検証、検索ベースのファクトチェック、ハルシネーション検出、Presidio による PII フィルタリング、ActiveFence による有害性検出、LlamaGuard との統合に対応します。本番 LLM アプリへのプログラム可能な安全ルールの追加、ジェイルブレイクやプロンプトインジェクションのブロック、モデルの入出力からの PII の除去、検索ソースに基づく生成内容の検証、安全チェックの誤検知率やレイテンシの調整に使用します。単独のモデレーションのみが必要な場合は、LlamaGuard または OpenAI Moderation API を使用してください。
OpenAI Assistants API v2 でステートフルなチャットボットを構築する - Code Interpreter、File Search(1 万ファイル)、Function Calling。⚠️ 2026 年前半に提供終了。新規プロジェクトでは openai-responses を使用する。使用場面:ステートフルなチャットボットの構築、RAG の実装、または "thread has active run"、vector store の遅延、ポーリングのタイムアウト、ファイルアップロードエラーのトラブルシューティング。
Polylane の自動化を作成・設計・運用する — トリガー → 指示 → ツール → アクション → 送信先として配線された無人エージェント実行。ユーザーが自分を介さずに何かを起きることを望む場合 — "whenever X happens"、"on every deploy"、"every morning"、"auto-rollback if it breaks" — に使用し、アラート、インシデント、デプロイ、プッシュ、cron スケジュール、webhook への反応; 問題のあるデプロイの自動ロールバック; アラートの issue への自動トリアージ; 定期的なレポートと継続的な本番ヘルスチェック; インシデント対応の自動化; 結果の Slack、メール、webhook へのルーティングを含む。Polylane のドキュメントから取得すること — コマンドやスキーマを推測しない。
プロジェクトをセットアップまたは開始する際に、そのプロジェクトに最適なスキルスタックをインストールしたいときに使用する。次のような表現でトリガーする:「このプロジェクトにスキルを設定して」「プロジェクトのスキルをインストールして」「どのスキルを使うべきか」「power engineer setup」「スキルスタックを構成して」「power engineer frontend」「power engineer status」、または新規・既存プロジェクト向けに Claude Code スキルをセットアップするあらゆる依頼。次のような的を絞った依頼でもトリガーする:「power engineer backend」「power engineer devops」「power engineer ai」「power engineer data」「power engineer docs」「power engineer mobile」「power engineer quick」「power engineer catalog」「power engineer update」「power engineer configure」「power engineer drift」。ユーザーが「/power-engineer frontend」や同様の省略形だけを言った場合でも、このスキルが処理する。
他のすべての AI ツールを支えるメタスキル。クリエイティブ用途のプロンプトエンジニアリングは、イメージしたとおりの画像、動画、音声、テキストを AI モデルから引き出すための技術と科学である。これは単に「より良いプロンプトを書く」ことではない。異なるモデルが言語をどう解釈するか、モダリティごとにリクエストをどう構成するか、体系的にどう反復するか、そして自身のクリエイティブなビジョンを符号化したプロンプトライブラリをどう構築するかを理解することだ。優れたプロンプトエンジニアは、各モデルでどの語がどの応答を引き出すかについての直感を培っている。このスキルは基盤であり、他のあらゆる AI クリエイティブスキルの効果を増幅する。これを習得すれば、すべての AI 制作へのインターフェースを習得できる。「prompt, prompting, prompt engineering, better prompts, prompt optimization, how to prompt, prompt strategy, prompt library, prompt template, make AI understand, prompt-engineering, prompting, meta-skill, ai-creative, foundational, optimization, iteration」に言及されたときに使用。
エージェントのコードベースを調査し、Langfuse のトレーシング/可観測性(セッション/trace の境界、サブエージェントの受け渡し、ツールのラッピング、命名/タグ付けの語彙)を組み込む markdown プランと、Ratel 価値/エージェント健全性ダッシュボードの構築仕様を作成する。Langfuse の計装、トレーシングの接続、ダッシュボードの構築、Langfuse の配置やボードに載せる内容の判断、契約直後のパートナーのオンボーディング、または `/ratel-langfuse-integrate` に使用する。<repo>/.ratel/ に書き込む。コードは決して編集せず、Langfuse API も呼び出さない。/ratel-observability-assessment の Langfuse ブランチ。ベンダーが LangSmith の場合はリダイレクトし、trace が流れ始めたら /ratel-langfuse-analyze にルーティングする。
LangSmith MCP サーバー(または langsmith SDK のフォールバック)経由で顧客の実際の LangSmith の run、trace、thread、フィードバック スコアを読み取り、共有の指摘カタログとパターンマッチングし、Ratel 特有の改善項目と技術スタックに依存しない容易な改善項目に分けた指摘レポートを作成する。LangSmith ダッシュボードのスキャン、run ツリーや失敗した run の調査、今週の run の確認、可観測性の監査、エージェントの誤りの把握、または `/ratel-langsmith-analyze` に使用する。<repo>/.ratel/ に書き込む(蓄積される)。到達可能なサーバーまたは API key がない場合は早期に失敗し、クリーンなデータは正直にスキップし、コードは決して編集しない。/ratel-langsmith-integrate の後続ステップ。
エージェントのコードベースを調査し、LangSmith のトレーシング/可観測性(run ツリーの境界、サブエージェントの受け渡し、ツールのラッピング、run の命名/メタデータの語彙)を組み込む markdown プランと、Ratel 価値/エージェント健全性ダッシュボードの構築仕様を作成する。LangSmith の計装、@traceable/wrap_openai のカバレッジ追加、run の thread へのグルーピング、ダッシュボードや Monitor チャートの設計、LangSmith の配置判断、契約直後のパートナーのオンボーディング、または `/ratel-langsmith-integrate` に使用する。<repo>/.ratel/ に書き込む。コードは決して編集せず、LangSmith API も呼び出さない。/ratel-observability-assessment の LangSmith ブランチ。ベンダーが Langfuse の場合はリダイレクトし、trace が流れ始めたら /ratel-langsmith-analyze にルーティングする。
ユーザーが「プロジェクトのルールを整理する」「散在するドキュメントを整理する」「把规则迁移到 skills 目录」「优化 skill 路由」「提高 description 命中率」「减少薄壳重复维护」を求めた場合にこの skill を使用します。SKILL.md が大きすぎる場合、ルールが複数のエージェント入口ファイルで重複している場合、タスクルーティングや trigger_examples が自然なユーザー言語を捉えられない場合、またはテンプレート / 薄いシェル / 検証スクリプトにドリフト耐性のある保守が必要な場合に有効化します。
Skillshare CLI でスキル、エージェント、拡張機能、フック、プラグイン、MCP 接続設定を管理します。Skillshare の構成や実行、AI ツール間でのリソースのインストールや同期、共有メモリーノートの管理、セッションからの教訓の確認や保存済みメモリーを使った発想、MCP 設定のインポート、ターゲット管理、スキルの監査、バックアップの復元、Skillshare の構成や同期のトラブルシューティングをユーザーが求めた場合に使用します。グローバルモードとプロジェクトモード、非対話型自動化、ターミナル UI の使用ガイドを扱います。
仕様駆動の実装オーケストレーター —— spec-code、spec-review、spec-test を調整し、仕様から PR まで実装する。issue-to-pr-workflow.md をプレイブックとして読み、実装を spec-code に、レビューを spec-review に、テストを spec-test に委任する。修正ループ、タスクの進行、PR の作成を管理する。自身は実装コードを書いたりレビューを行ったりしない。英語トリガー:"Implement from spec"、"Start implementation"、"Execute spec tasks" 日本語トリガー:「仕様書から実装」「実装を開始」「specタスクを実行」
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。
