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
AI モデル向けのプロンプトエンジニアリングを習得します：LLM、画像生成器、動画モデル。技法：チェーンオブソート、少数ショット、システムプロンプト、ネガティブプロンプト。モデル：Claude、GPT-4、Gemini、FLUX、Veo、Stable Diffusion のプロンプト。用途：より良い AI 出力、一貫した結果、複雑なタスク、最適化。トリガー：prompt engineering、how to prompt、better prompts、prompt tips、prompting guide、llm prompting、image prompt、ai prompting、prompt optimization、prompt template、prompt structure、effective prompts、prompt techniques。
ユーザーが既にスコアリングできるシステムに与えるプロンプトを持ち、そのプロンプトを自分の評価コマンドに対してスコアが上がるよう自動的に改善したいときに使用。1 回の反復につき 1 つの的を絞った品質編集（明瞭さ、コンテキスト、具体性、構造、例、分解、ガードレール）を行い、ユーザーの評価を再実行して指標を測定し、指標が改善した場合にのみ編集を保持し、そうでなければ元に戻す。目標、プラトー、または予算までループする。指標はユーザーの評価コマンドが出力するもの（タスク精度、LLM ジャッジスコア、合格率、ツール呼び出し成功率）であり、ループは指標非依存で、評価を決して編集しない。ゼロからのプロンプト作成、モデルの重みやハイパーパラメータの調整、スコアなしの単発の手動プロンプト編集には適さない。
inference.sh の Python SDK — AI アプリの実行、エージェントの構築、すべてのモデルとの統合。パッケージ：inferencesh（pip install inferencesh）。同期/非同期、ストリーミング、ファイルアップロードに対応。テンプレートまたはアドホックなパターンでエージェントを構築でき、ツールビルダー API、スキル、人間による承認を備えます。用途：Python 統合、AI アプリ、エージェント開発、RAG パイプライン、自動化。トリガー：python sdk、inferencesh、pip install、python api、python client、async inference、python agent、tool builder python、programmatic ai、python integration、sdk python。
自己改善型の修正キャプチャシステム。ANY のユーザー修正の後、それを検出し、教訓を一般化し、再利用可能なルールとして MEMORY.md に保存します。修正を恒久的な知識として積み重ねることで、Claude のミス率が時間とともに低下することを保証します。ユーザーが Claude の出力を修正した場合、「これを覚えておいて」「二度とそれをしないで」「間違いから学んで」「メモリを更新して」と言及した場合、または新しいセッションを開始する場合（既存のルールを確認するため）にこのスキルを読み込んでください。
gh-aw（GitHub Agentic Workflows）を用いた CI 専用の自己修復ワークフローで、プルリクエストとスケジュール実行における実行時のアクティブな復旧を行います。CI チェック（テスト、ビルド、lint、デプロイ、スキャン）が失敗すると、このスキルは CI ログから失敗を診断し、検証済みのパッチを PR コメントまたは追加コミットとして提案し、HEAL エントリを `.learnings/HEALS.md` にコミットします。検証してから永続化する原則を維持します。HEAL が `verified` になるのは、同じワークフロー内で再実行チェックが通過した場合のみです。それ以外は `pending-verify` として出荷され、人によるフォローアップに委ねられます。PR をまたいで繰り返される heal パターンは `Recurrence-Count` を累積し、≥3 で `Handoff` ブロックを追記して self-improvement-ci による昇格をフラグします。このスキルを使用する場面: CI／スケジュールパイプラインでヘッドレスな heal ループ実行を行いたい、繰り返し発生する失敗パターンを自動的に記録したい、または人によるトリアージなしで自明でない 環境／ツール の修正を PR で提示したい場合。対話型／ローカルセッションでは、代わりに `self-healing` を使用してください。
プロジェクトに追加する新しい開発者ツール、SDK、API、またはホスト型サービスを選んだら、agent.reviews で他のコーディングエージェントがそれをセットアップしコーディングする際にどうだったか（インストール、ドキュメント、認証、SDK、エラー）を調べ、その摩擦を見込んで計画する。レビューはツールの良し悪し（結果の品質、正確性、速度、価格、エンドユーザー体験）を測るものではないため、ツールの選択やランキングに使ったり、ドキュメント、ウェブ検索、ベンチマークの代わりにしたりしてはならない。プロジェクトがすでに使用しているツールや、どのツールが最も優れているかという質問では省略する。
OpenAnt でタスクを承認または応募する。エージェントが仕事を引き受ける、バウンティを受け取る、求人に応募する、タスクを拾う、割り当てに立候補する場合に使用。OPEN モード（直接承認）と APPLICATION モード（応募して承認を待つ）の両方を処理する。承認後は files list/download/url を使ってタスクの参照ファイルを取得する。"accept task"、"take this task"、"apply for"、"pick up work"、"download task attachments"、"get task files" をカバーする。
Agent の重大なアクション（デプロイ、削除、支払い、アクセス権付与、モデル判断）に対して、改ざん検知可能なポスト量子署名付きレシートを発行し、後から証明書だけで検証できるようにします。自律エージェントが後に証明を要する副作用のあるアクションを実行する場合、または EU AI Act 第 12 条の記録保持を満たす場合に使用します。3 つの判断：アクションにレシートが必要か、レシートの発行、その検証。署名はオープンソースの OpenAgentOntology パッケージに委譲されます。事後のログ分析ではありません。ホスト型公証サービスではありません。法的意見ではありません。
inference.sh CLI で 250 以上の AI アプリを実行 - 画像生成、動画作成、LLM、検索、3D、Twitter 自動化。モデル：FLUX、Veo、Gemini、Grok、Claude、Seedance、OmniHuman、Tavily、Exa、OpenRouter など多数。AI アプリの実行、画像/動画の生成、LLM の呼び出し、Web 検索、Twitter の自動化を行うときに使用する。トリガー：inference.sh、infsh、ai model、run ai、serverless ai、ai api、flux、veo、claude api、image generation、video generation、openrouter、tavily、exa search、twitter api、grok
ui.inference.sh の React/Next.js 向けバッテリー同梱のエージェントコンポーネント。ランタイム、ツール、ストリーミング、承認、ウィジェットを 1 つのコンポーネントに内蔵。機能：ドロップインのエージェント、human-in-the-loop、クライアント側ツール、フォーム入力。用途：AI チャットインターフェース、Agentic UI、SaaS コパイロット、アシスタントの構築。トリガー：agent component、agent ui、chat agent、shadcn agent、react agent、agentic ui、ai assistant ui、copilot ui、inference ui、human in the loop。
複数のモデルとサービスを組み合わせた自動化 AI ワークフローを構築します。パターン：バッチ処理、スケジュールタスク、イベント駆動パイプライン、エージェントループ。ツール：inference.sh CLI、bash スクリプト、Python SDK、webhook 連携。用途：コンテンツ自動化、データ処理、監視、スケジュール生成。トリガー：ai automation、workflow automation、batch processing、ai pipeline、automated content、scheduled ai、ai cron、ai batch job、automated generation、ai workflow、content at scale、automation script、ai orchestration。
画像、動画、音声、テキストを組み合わせた多段階の AI コンテンツ制作パイプラインを構築する。ワークフロー例：画像生成 -> アニメーション化 -> ナレーション追加 -> 音楽と結合。ツール：FLUX、Veo、Kokoro TTS、OmniHuman、media merger、アップスケーリング。用途：YouTube 動画、ソーシャルメディアコンテンツ、マーケティング素材、自動化コンテンツ。トリガー：content pipeline、ai workflow、content creation、multi-step ai、content automation、ai video workflow、generate and edit、ai content factory、automated content creation、ai production pipeline、media pipeline、content at scale
Web 検索と LLM で RAG（検索拡張生成）パイプラインを構築する。ツール: Tavily Search、Exa Search、Exa Answer、Claude、GPT-4、OpenRouter 経由の Gemini。機能: リサーチ、ファクトチェック、根拠に基づく回答、ナレッジ検索。用途: AI エージェント、リサーチアシスタント、ファクトチェッカー、ナレッジベース。トリガー: rag、retrieval augmented generation、grounded ai、search and answer、research agent、fact checking、knowledge retrieval、ai research、search + llm、web grounded、perplexity alternative、ai with sources、citation、research pipeline
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。