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 97,501 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
Claude Code ユーザーと Anthropic API を直接呼び出す開発者向けに、トークン消費と AI コストを削減する実践ガイドです。ファイル整理、コンテキスト管理、戦略的なモデル選択、プロンプトキャッシュ、Batch API、作業量の調整、プロンプト設計を扱い、実験データに基づいています。「トークンを最適化」「コスト削減」「Claude が遅い」「トークンが多すぎる」「トークン予算」「コンテキストウィンドウがいっぱい」「AI 向けにコードベースを整理」「トークン消費を削減」「プロンプトキャッシュ」「cache_control」「batch API」「キャッシュの不具合」「API コスト」「思考予算」などに言及した場合に使用します。一般的なコーディングの質問、デバッグ、AI トークン使用に関係のないパフォーマンス最適化には使用しないでください。
ワークフロー状態を保存・変更する——ワークフローを初期化し、フィールドを更新し、フェーズを遷移させ、コンテキスト枯渇前に構造化されたハンドオフを記録する。ユーザーが「進捗を保存」「checkpoint」「中断したい」と言ったとき、または /checkpoint を実行したときに使用。現在のワークフローフェーズ、タスクの進捗、成果物をイベントストアに書き込み、後で再開できるようにする。セッション中断後の状態の復元・読み取り（それは /rehydrate）や、ideate/debug/refactor コマンドが扱うワークフロー初期化の枠組みには使用しない。
人間のような符号化、統合、減衰、想起を備えたインテリジェントなマルチストアメモリシステム。エージェントのメモリ設定、記憶／忘却トリガーの構成、スリープ中の振り返りの有効化、ナレッジグラフの構築、監査証跡の追加に使用します。基本的なフラットファイルメモリを、エピソード記憶、意味記憶、手続き記憶、コア記憶ストアを備えた認知アーキテクチャに置き換えます。共有読み取り・制限付き書き込みのアクセスモデルで、マルチエージェントシステムをサポートします。時間とともに理解を深める哲学的なメタリフレクションを含みます。MEMORY.md、エピソードの記録、エンティティグラフ、減衰スコア、振り返りサイクル、進化の追跡、システム全体の監査を扱います。
作業を垂直スライス、または明示的に選択したメカニズム削減プログラムとして、小さく確実な増分で計画します。独立したプルリクエストを使うか、順序付けた一つ以上のスライスにまたがるスタック型PR構成も選べます。重要な作業の開始、分割済みストーリーの実装計画化、PRの計画、複雑なタスクの順序付けに使用します。メカニズム削減プログラムでは、まずreduce-system-complexityを使って維持する契約、最終的なメカニズム削除状態、振る舞い／メカニズムのゲートを定義し、その後planningで順序を決めます。入力がプロダクトスライスを必要とする広範なストーリー、エピック、機能案、バックログ項目なら、先にstory-splittingを使用します。スライスにレビュー層が必要な場合や、下位PRのマージ前に後続スライスを進化中のベースライン上で開始する場合は、stack-pull-requestsも使用します。
入力がコンテキストウィンドウに収まる場合でも、Recursive Language Models (Zhang, Kraska, Khattab, 2025) に従い、コードベース全体、多数のドキュメント、PDF、集約を伴う複雑な作業を分解します。全ファイル、リポジトリ全体、全ドキュメント、大規模 PDF の分析、または分散した情報源を横断した集約やマルチホップ分析を求められた場合に使用します。単一ファイル、単一関数、単一の項目、1 ページの PDF 変換には使用しません。トリガー：長いコンテキスト、コンテキスト劣化、大規模コードベース、多数のファイル、全ファイル、大きなドキュメント、複数ドキュメント、PDF、集約、すべてを要約、コードベース全体、マルチホップ、再帰、サブエージェント、map-reduce。
`@metaharness/darwin evolve <repo>` を実行して、ハーネスの 7 つのポリシー領域（planner/contextBuilder/reviewer/retryPolicy/toolPolicy/memoryPolicy/scorePolicy）を変更し、各バリアントをサンドボックスでスコア評価して、測定で効果が確認されたものだけを昇格します。モデルは固定され、ハーネスが進化します。ADR-150 が開始したループを閉じます（score+genome は記述、evolve は変更）。@metaharness/darwin がない場合は適切に機能を縮退します（ADR-150 + ADR-153 のアーキテクチャ制約）。
ワークフローで実際に作成された git worktree を Paseo のワークスペースレジストリに登録します。Paseo は自動では何も検出しないためです。ユーザーが「paseokit」「sync my worktrees to paseo」「sync all my projects to paseo」「my paseo sidebar is missing worktrees」「paseo doesn't show my worktree」「where should paseo put new worktrees」と言った場合に使用します。完了した作業や不要なエントリーの整理にも対応します：「clean up the worktrees whose PRs merged」「clean up my paseo workspaces」「my paseo sidebar is full of dead entries」。
統合された docs/specs/ 成果物を並列化可能なタスクに分解する——同一ドキュメントの ## Decomposition セクションであり、その ## Design & Rationale セクションに DR-N の出典がある。トリガー：'plan implementation'、'create tasks from spec'、または /plan。検証ラダーを適用する：検証の深さは各タスクの影響範囲に合わせる——低リスクのタスクには静的解析、中リスクにはスコープ付きテストと kill-probe、高リスクの領域にはさらに統合テストスイート（テストファーストではなくテストアフターの順序と判断）。/ideate から自動的に連結されるか、直接実行して thin/standard の深さで統合仕様書全体を執筆する。ブレインストーミング、デバッグ、コードレビューには使用しない。
パイプラインから古い非終端ワークフローを対話的に整理する。ユーザーが 'prune workflows'、'clean stale workflows'、'pipeline cleanup' と言ったとき、または /prune を実行したときに使用する。dry-run プレビューを実行し、候補を陳腐度とセーフガードによるスキップとともに表示し、続行/中止/強制をユーザーに尋ね、承認されたワークフローを workflow.pruned 監査イベントとともに一括キャンセルする。セーフガードは、force が設定されていない限り、未クローズの PR や最近のコミットがあるワークフローをスキップする。
MCPの`skill-*`ツールでPostHog skillsを管理する際のベストプラクティスです。特に多数のファイルを含む大規模なskillについて、効率的な発見、読み取り、作成、更新、リファクタリングの方法を説明します。`skill-*`ツールを呼び出す前、共有skillの作成または編集を依頼された場合、skillの書き込みが拒否された原因を調査する場合に使用します。skillの用途や構成方法（プロジェクトハブ、ランブック、カタログ、引き継ぎ資料、日常業務用）について尋ねられた場合にも使用します。ツールの基本操作を扱う`skills-store`と連携し、意思決定ツリー、効率化、パターン、注意点に関する指針を提供します。
埋め込みテンプレートに厳密に従って、コマンド一覧を含むチェックリスト文書を作成し、プロジェクトのルートに INVENTORY-COMMANDS-JAVA.md を生成する場合に使用します。次のような依頼で起動します：埋め込みコマンド一覧チェックリストを作成、INVENTORY-COMMANDS-JAVA.md を生成、@001-commands-inventory を使用、埋め込み Java プロジェクトコマンドを一覧化、Java エージェント用に同梱されたコマンドファイルを一覧表示。Plinth Toolkit の一部です
Doctor Strange — 並行するユニバースのサブエージェントによる因果サンドテーブルシミュレーション。関係者、動機、制約、フィードバックループ、状態変化、障害モードをモデル化し、人が複数の未来を頭の中で予行演習するように、将来の出来事がどのように展開するかを段階的に描きます。シミュレーションを永続メモリに保存し、後で呼び出せます。次の場合に起動：ユーザーがシナリオのシミュレーション、リハーサル、展開の再現を明示的に求める場合、「推演」「模拟」「预演」「imagine」「what if」「run through」「play this out」「what could go wrong」と言う場合、重大な今後の決断を前に、展開が不確かである場合。次の場合は起動しません：事実確認や調査を求めている場合、過去の出来事の分析を求めている場合（通常のメモリを使用）、シミュレーションなしの簡単な提案を求めている場合、意思決定に関係のないコードのデバッグや技術作業をしている場合。3つのモード：SIMULATE（新たな将来シミュレーションを実行）、RECALL（過去のシミュレーションを参考情報として提示）、MANAGE（保存済みシミュレーションの一覧表示、無効化、再実行）。
`@metaharness/darwin security bench`（上流の「Darwin Shield」／ADR-155）を実行します。10件の脆弱性と9件のデコイを含むコーパスでチャンピオンのセキュリティ検出ハーネスを進化させ、4つのベースライン（B0 static、B1 LLM-single-pass、B2 fixed-agent、B3 Darwin-champion）に対してTPR/FPR/patch-pass/repro/unsafeを評価します。ruflo独自のADR-155夜間セルフラーニング型セキュリティハーネスに最も近い参照実装です（PR #2417）。@metaharness/darwinがない場合は適切に機能を縮退します。
AWS が厳選した、AI コーディングエージェント向けのコピー＆ペースト可能なプロンプト（MVP の雛形作成、Bedrock 上の Claude を使った RAG チャットボット、セキュリティベースライン評価、コスト異常検出、GPU クォータ申請、EKS デプロイ、Well-Architected レビューなど）と、ダウンロードしてインストールできるエージェント（Multi-Account Transition Advisor、Bill Shock Preventer、Service Quota Agent、Bedrock Model Availability Agent、AWS DB Advisor）を提供します。AWS で特定の作業を行うプロンプトを求める場合、複数アカウント、コスト監視、クォータ管理、Bedrock モデルの利用可能性、データベース選定向けのインストール可能なエージェントを希望する場合、または AWS プロンプトの使い方を尋ねる場合に使用します。移行（GCP から AWS、Azure から AWS、OpenAI/Gemini から Bedrock）の場合は、このプラグインの移行スキル（`gcp-to-aws`、`azure-to-aws`、`heroku-to-aws`、`llm-to-bedrock`）に振り分けます。AWS Activate、プログラム、クレジットに関する事実確認、学習記事、サンプルアーキテクチャ、同梱の `references/prompt-library/` ツリーにないプロンプトには使用しないでください。
埋め込み済みのプロジェクトコマンドをコマンドディレクトリ（.github/commands、.claude/commands、.cursor/command、.codex/commands）にインストールする際に使用します。対話形式でインストール先を選択し、プロジェクトのアセットからコマンド定義をコピーします。「Install embedded commands」「Bootstrap .cursor/command」「Bootstrap .claude/commands」「Copy project commands」「Install project command suite」などの依頼で起動します。Plinth Toolkit の一部です。
.github/agents、.claude/agents、.cursor/agents、または .codex/agents に組み込みロボットエージェントをインストールする際に使用。コピー先を対話形式で選択し、プロジェクトアセットから組み込みエージェント定義をコピーします。「Install embedded agents」「Bootstrap .github/agents」「Bootstrap .cursor/agents」「Bootstrap .claude/agents」「Bootstrap .codex/agents」「Copy robot agents」などの依頼で起動します。Plinth Toolkit の一部
/claudex-loop（旧称 /crucible。ドキュメント対応モードがこのバリエーションをカバー）に置き換えられました。明示的にこのスキルを希望する場合を除き、そちらを優先してください。継続的に更新されるドキュメントを使って、2幕構成で計画を強化します。第1幕（あなた ↔ Claude）— Claude が計画について一問ずつ徹底的に聞き、プロジェクト既存のドメインモデルと用語集（CONTEXT.md）に照らして検討し、曖昧な用語を明確にし、具体的なシナリオでストレステストを行い、コードを相互参照し、決定が固まるたびに CONTEXT.md と ADR をその場で更新します。第2幕（Claude ↔ Codex）— Claude が確定した計画を PLAN.md に記録し、OpenAI Codex が読み取り専用のサンドボックスで敵対的レビューを行います（VERDICT:APPROVED/REVISE）。Claude は承認されるか MAX_ROUNDS に達するまで、同じ Codex セッションで修正・再提出します。その後、コードを書く前にあなたが承認します。ユーザーが「/grill-with-docs-codex」「ドキュメントに照らして問い詰めた後、codex にレビューさせて」「ドメインモデルを基準にストレステストし、別のモデルにも確認させて」と言う場合や、確立された用語・ADR のあるプロジェクトで重大な機能を構築しようとしており、整合性、ドキュメント化、モデル間の妥当性確認を求めている場合に使用します。Matt Pocock の grill-with-docs（MIT）を基にしています。既に書かれたコードのレビューには使用しません（/codex:review を使用）。簡単な変更にも使用しません。
`@metaharness/darwin` のベンチスイートを管理します。`bench create <repo>` はリポジトリのテストコーパスから JSON スイートを生成し、`bench verify <suite.json>` はスイートの形式が正しいかを確認します。ベンチスイートは固定の評価コーパスであり、`harness-evolve --bench <suite.json>` はこれを基準に各バリアントを評価します。これにより、進化プロセスをリポジトリ本来のテストから切り離せます。@metaharness/darwin がない場合も適切に動作を縮退します。
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。