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
複数のバグ報告を 1 件ずつ反復処理し、コードがディスクに書き込まれる前に厳格な確認ゲートを設ける。ユーザーが 2 件以上のバグ報告を持ち、順番に処理したい場合にこのスキルを使用する。トリガーフレーズ:「これらに取り組もう」「反復しよう」「1 つずつ進めよう」「指摘を順にループ処理する」「バグを順に片付ける」「バグ反復」、またはユーザーが番号付きのバグ一覧を示し、順番に解決したい意向を示したあらゆる場面。単一のバグではトリガーしない(調査して修正するだけでよい)。また、新たなデバッグ作業を望む場合もトリガーしない(それには専用のデバッグ/調査パスを使用する)。
兵力を集中する：複数の用事が時間、注意、予算を奪い合うとき、すべてのタスクを列挙し、唯一の主目標を選んで公に固定し、完全に解決して検証してから次に移ります。未処理の用事が多すぎる、取り組みが分散している、「どれも少し手を付けたが終わっていない」状態、何を先にするか決める必要がある場合に起動します。タスクが一つだけの場合、互いに独立して並行可能な場合、またはユーザーが同時進行を明確に求めている場合は起動しません。 English: Concentrate forces. When several tasks compete for time, attention, or budget, enumerate them, lock onto a single main target, finish and verify it completely, then move on. Trigger when priorities sprawl, effort is scattered, or you must decide what to do first; skip when there is one task, tasks are independent and parallel, or the user explicitly wants them advanced together.
公開されている`h0x` CLIを使って、h0x-ADE管理下のワークツリー、フォルダーコンテキスト、ターミナル、リポジトリ、自動化、アーティファクト、スキル共有、ワークツリーコメント、およびh0x-ADEアプリ内蔵ブラウザーを操作します。ユーザーが「$orca-cli」、「use h0x cli」、「h0x-ADE worktree」、「child worktree」、「cardStatus」、「spawn codex/claude in a worktree」、「read/wait/send h0x-ADE terminal」、「terminal send」、「full handoff」、「handover」、「give this to another agent」、「another worktree」、「h0x-ADE browser」、「h0x artifacts」、「share HTML/Markdown」、「public artifact link」、「share skills」、「control the browser inside h0x-ADE」と言った場合に使用します。タスクがh0x-ADE管理下の状態に関わる場合、直接の`git worktree`、場当たり的なPTY、Playwright、Computer Useより優先します。外部ブラウザーウィンドウ、WebView、デスクトップUIで、フォーカス、メニュー、ダイアログ、座標、スクリーンショットなどOS／ウィンドウレベルの操作が必要な場合に限り、Computer Useを使用します。h0x-ADEの埋め込みページには`orca-cli`を使用し、外部ページにはPlaywrightやCDPなどのページ自動化ツールを使用します。
ROUGH_DRAFT.mdの仕様に基づき、Vapiのランディングページ用音声エージェントの構築に使われるBun + TypeScriptフレームワークを、希望時に再現します。シナリオレジストリ、言語スタック、プロンプトコンポーザー、アシスタントビルダー、冪等なブートストラップスクリプトを含みます。ユーザーがvapi-bootstrap-frameworkを明示的に呼び出すか、ランディングページエージェントのアーキテクチャの再現または実験を明確に求めた場合のみ使用してください。通常のVapiアシスタント構築には使用せず、create-assistant、create-tool、create-squad、vapi-prompt-builderを使用してください。対象：Bun + TypeScript + @vapi-ai/server-sdk。
計画 → コード作成 → 評価 → 改善のサイクルでコードを反復的に洗練します。各サイクルでlintチェック（ruff）、テスト（pytest）、構造化された自己評価を実行し、失敗を診断して改善します。複雑なタスクを順次進めるフェーズに分解し、各フェーズで最大3回（合計10回）反復します。メインのエージェントが「MODE: MORE_EFFORT」を指定してコードタスクを委任する場合、ユーザーが「More Effort」コード生成モードを選択する場合、またはコード品質向上のための反復的な改善を明示的に求める場合に使用します。単発のコード生成（Liteモード）、実験パイプラインのオーケストレーション（experiment-pipelineを使用）、特定の実験の失敗診断（experiment-craftを使用）には使用しないでください。
read-codex-historyがrolloutの識別情報とfork/compactionの系譜を確認した後に限り、中断されたCodex作業を続行します。元の成果、未完了の依頼、次のアクションを復元します。Codex Session IDが提示された場合、以前のCodex実行の続行を依頼された場合、Codexが中断・統合・圧縮・停止したと伝えられた場合、または`codex resume`を使わずに引き継ぐよう求められた場合に使用します。Codexがすでにネイティブに再開した会話には使用しません。
Claude Codeの設定を使用して、レガシーなコードベースをAI対応プロジェクトに変換します。（1）古いプロジェクトを分析してAIコーディング設定を生成する、（2）既存プロジェクト向けにCLAUDE.md、スキル、サブエージェント、スラッシュコマンド、フック、ルールを作成する、（3）コードベースでバイブコーディングを可能にする、（4）AI支援開発を使って新しいチームメンバーをオンボーディングする、（5）「プロジェクトをAI対応にする」「Claude設定を生成する」「AI向けコーディング規約を作成する」といった依頼で使用します
マルチエージェントによる敵対的コードレビューです。単一のモデル上で 3 つのレビュアーサブエージェント（Auditor、Adversary、Pragmatist）を起動し、相互尋問を 1 ラウンド実施した後、決定的な方法で順位付けした単一のレポートにまとめます。複雑な PR、セキュリティ上重要な変更、多数のファイルに触れるリファクタリング、または単一の視点に明らかな盲点がある変更に使用します。トリガーフレーズ：「adverse review」「adversarial review」「multi-perspective review」「review my changes from multiple angles」「panel review」。軽微な差分（誤字、依存関係の更新、書式設定）には適しません。
リポジトリごとの Claude Code エージェントチームを自動生成して実行します。現在のリポジトリ（ビルド/CI/環境マニフェスト、エージェントランチャー、スラッシュコマンド、仕様ディレクトリ）を調査し、ライブラリから関連する役割（coder、reviewer、auditor、tester、documenter、release、architect、researcher、spec-keeper、fact-checker、web-ux）のサブエージェント定義 `.claude/agents/{role}.md` と、ワークフロードキュメント `.claude/agent-team.md` を作成します。(1) `/agent-team init` で現在のリポジトリ用チームを作成する、(2) `/agent-team update` でプロジェクト構成の変更後に更新する、(3) `/agent-team {task}` でチームにタスクを実行させる（チームメイトを起動し、オーケストレーションを進め、ユーザー確認ポイントで停止する）、(4) `/agent-team reflect` でセッションのエージェントをレビューし、リファクタリングや新しい役割を提案する場合に使用します。各役割には古さを検出する frontmatter `version:` が含まれます。トリガー：「/agent-team」「チームを立ち上げる」「エージェントを自動作成」「このリポジトリ用のエージェントチーム」「team-on-task」「エージェントを振り返る」。
実践認識論：計画、仮説、判断を実践に戻して検証し、「実践→認識→再実践」の螺旋状に反復します。開始前に反復の終了条件を明記します。仮説の検証が必要なとき、試行が失敗して振り返りと再挑戦が必要なとき、考えるだけで実行していない、または考えずに実行していると気づいたときに適用します。単発の出力、すぐに調べられる質問、仮説がまだない段階（まず調査）では適用しません。英語：Practice-cognition loop. Test a hypothesis or plan in practice, learn from the result, and iterate in a rising spiral with an explicit stop condition. Trigger when a plan needs validation, an attempt failed and must be retried, or you notice thinking without doing (or doing without thinking); skip for one-shot outputs, lookup questions, or before any hypothesis exists
コンテキストエンジニアリングの基礎概念（コンテキストとは何か、コンテキストウィンドウの構造、注意の仕組み、U字型の注意曲線、コンテキストの質が量より重要な理由、他のコンテキストエンジニアリング上の判断を理解するためのメンタルモデル）を説明・検討する際に使用します。概念の説明、オンボーディング、背景知識の確認に使います。実務作業は専門スキルに振り分けます。注意の失敗のデバッグは context-degradation、トークン効率化は context-optimization、会話の要約は context-compression、プロジェクト構成の判断は project-development に振り分けます。
OpenCode スキルを設計・改善し、エージェントの機能を拡張します。ディレクトリのスキャフォールディング、SKILL.md の作成、frontmatter の最適化、リソース（scripts/references/assets）の整理を扱います。新しいスキルの作成、既存ワークフローの更新、スキル検出の問題修正に積極的に使用します。例：ユーザーが「データベース管理用の新しいスキルを作成して」と言った場合は、ディレクトリと初期 SKILL.md を作成。「スキルが正しく起動しない」と言った場合は、frontmatter の説明を分析・改善。「画像処理スキルに Python スクリプトを追加して」と言った場合は、scripts/ ディレクトリを構成。「API ドキュメント用のスキルはどう構成すればよい？」と聞かれた場合は、references/ の構成を設計します。
OpenAI Codex CLI のマルチエージェントオーケストレーションが必要なときに使用します。特に Claude の `/team`、`/autopilot`、`/ultrawork`、`/ultraqa` に相当する Codex 機能に対応します。トリガー：omx、$plan、$ralph、$team、$ulw、$ultraqa、$autopilot、$deep-interview、$prometheus-strict。v0.18.14 — 30 以上のエージェント、35 以上のワークフロースキル、tmux チームランタイム、sparkshell、explore、ralplan、prometheus-strict、best-practice-research、autoresearch-goal。
非推論型または軽量な LLM タスクで、プロンプト全体の繰り返しが有効な精度向上策となる場合と、プロンプト構成、検索、より強力なモデルが本当の解決策となる場合を判断します。Haiku、Flash、mini 系モデルでの長いコンテキストからの検索、選択肢を先に示す多肢選択、位置に敏感なプロンプトに使用します。モデルが末尾の指示を見落とす、長いコンテキストの後で質問を忘れる、在庫/インデックス検索に繰り返し失敗する、といったドメイン固有の表現で依頼された場合も対象です。推論やツールを多用する問題、RAG アーキテクチャの問題に対する汎用的なプロンプトエンジニアリングの既定策としては使用しないでください。
LLM 駆動システムに関するプロジェクトレベルの意思決定に使用します。LLM がタスクに適した基本要素かどうかの判断、複数段階のバッチ処理やエージェントパイプラインの設計、トークンとコストの見積もり、プロジェクトレベルでの単一エージェントとマルチエージェントの選択、後続処理向けの構造化出力設計、エージェントを活用した反復の構成が対象です。作業単位がプロジェクト全体または複数段階のパイプラインの場合に使用します。個別のツール設計は tool-design に、個別のスキル読み込みやコンテキスト予算の戦略は context-optimization に振り分けます。
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。