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
書籍の内容（Markdown ファイル）から Claude スキルを作成します。長編の書籍知識を、細分化された参照ファイル、ワークフロー、ユースケースのガイドラインを含む、構造化されコンテキスト効率の高いスキルパッケージに変換します。次の場合に使用します： - 書籍（Markdown）を再利用可能な Claude スキルに変換する - 技術書、ガイド、ドキュメントからナレッジベースを作成する - 大量のコンテンツを段階的に開示するスキルを構築する - コンテキストを効率よく読み込めるよう書籍の知識を構成する
Everything In Its Right Place。あらゆる作業後に使える整理ツール。重要な作業セッションの後、EIIRP は7段階の監査を実行します。（1）すべての成果物を一覧化、（2）分類体系をたどって各項目の格納先を決定、（3）brain の実際の構造に照らして schema-pack の整合性を確認、（4）内容を充実させた brain ページを格納、（5）DRY+MECE の観点でスキルグラフを監査、（6）解決可能性を検証、（7）報告。Radiohead の曲にちなんだ名前です。重要な作業で生まれたものをチャットだけに残さず、知識を永続化し、パターンを再利用可能にします。また、常時有効な自動実行ゲートも備えています。ユーザー共有文書について500語以上の構造化分析をこれから提示する場合、先に brain ページを格納し、同じ返信内でリンクとともに分析を提示します。
AI SDK に関する質問に回答し、AI 搭載機能の構築を支援します。開発者が (1) generateText、streamText、ToolLoopAgent、embed、tools などの AI SDK 関数について質問する、(2) AI エージェント、チャットボット、RAG システム、テキスト生成機能を構築したい、(3) AI プロバイダー（OpenAI、Anthropic、Google など）、ストリーミング、ツール呼び出し、構造化出力、埋め込みについて質問する、(4) useChat や useCompletion などの React Hooks を使用する場合に使います。トリガー：「AI SDK」「Vercel AI SDK」「generateText」「streamText」「アプリに AI を追加」「エージェントを構築」「ツール呼び出し」「構造化出力」「useChat」。
単一アプリの永続的な AI コンテキストを更新します。発見した参照ドキュメントへの薄いルーターとして `CLAUDE.md` を使い、将来のセッションが古い推測に頼らずリポジトリを把握した状態で開始できるようにします。フレームワークの構成を特定し、コードから実際のルート、エクスポート、フロー、サブシステムを見つけ、取り込んだ参照情報を書き直したうえで、`CLAUDE.md` を簡潔に保ち常時読み込みます。永続的なプロジェクトメモリを変更するユーザー専用のメンテナンスワークフローです。すべての記述は実際のコードベースに基づき、捏造せず、人が書いたルールは上書きせずに保持します。重要な変更後に、単一アプリのコンテキストマップを初期化または更新する際に使用。
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。
skills-il 組織向けの新しいスキル作成ワークフロー。カテゴリ選択、ユースケース定義、フォルダーのひな形作成、バイリンガルメタデータを含む metadata.json の生成、手順の記述、ヘブライ語版の作成、検証を案内します。新しいスキルの作成、skills-il 用スキルのひな形作成、SKILL.md の記述、スキルの貢献、新しいスキルのテンプレート、または liztor skill chadash をユーザーが求めた場合に使用。skills-il の規約（kebab-case 命名、ヘブライ語の音訳、バイリンガル表示名、段階的開示、validate-skill.sh への準拠）を適用します。既存スキルの編集、skills-il 以外のプラットフォーム向けスキル作成、汎用 Markdown ファイルの作成には使用しないでください。
Lập bản đồ cho một chunk việc QUÁ LỚN với một phiên agent và còn MÙ MỜ — dựng một bản đồ các ticket QUYẾT ĐỊNH trên ledger issue, rồi giải từng ticket một cho tới khi đường tới đích hiện rõ. Gọi bằng tay khi có một ý tưởng lớn chưa rõ hình dạng, TRƯỚC cả /propose. Chỉ-gọi-tay.
テスト作業中に AI/コーディングエージェントが Allure agent モードを使用するためのプロジェクトガイダンスを構成する。ローカルのテストコマンド、Allure の機能、結果パス、エビデンスの規約を検出し、短いルート agent ルーターと docs/allure-agent-mode.md を作成する。目的がエージェントのワークフローガイダンス、エビデンスレビューのワークフロー、期待事項、プロジェクト固有のテスト作業手順であるときに使用する。主な目的が Allure アダプターのインストール、テストに結果を出力させること、レポートスクリプトの追加、CI 公開の構成であるときには使用しない。
コードを書く前に、計画が明確になるまでユーザーに質問します。新しい製品アイデアや機能が共有されたとき、または承認済みの IDEA_SCOPE.md やスコープ文書に対象者、課題、中心となるアクション、範囲が記載されていないものの構築を求められたときに使用します。「grill me」「poke holes」「stress-test this」「what am I missing」と言われた場合や、何を作るべきか迷っている様子の場合にも使用します。小さな修正、コピーの微調整、承認済みのスコープ文書で対応済みの作業には使用しません。
長時間稼働する自律エージェントや、難題に取り組む並列マルチエージェントオーケストレーションの起動プロンプトを作成、改善、評価する際に使用します。用語と厳密な成功判定基準を文章で定義する擬似形式的なタスク概要、カウント対象外の結果の列挙、明確な停止・返却条件と最低努力量を定めた継続ルール、アプローチ登録簿とブロックされた経路の記録による多様な並列アプローチの管理、敵対的監査による返却ゲートを扱います。エージェントのトポロジーと調整プロトコルはmulti-agent-patterns、ランタイム制御面とループガバナンスはharness-engineering、評価器と品質ゲートの構築はevaluation、ジャッジ設計はadvanced-evaluation、圧縮やメモリの仕組みはcontext-compressionとmemory-systemsに振り分けます。
MCP サーバーをプライベートなシングルテナントの Keboola データアプリとしてホストします — 自前の Keboola コンピュート上に専用のリモート MCP エンドポイント（Keboola MCP が組み込みの例ですが、任意の streamable-HTTP / FastMCP サーバーをラップできます）をクライアント認証付きで提供します。ユーザーがプライベートまたはセルフホスト可能な MCP エンドポイントを求める場合、または求めていないが恩恵を受ける場合に使用します（"When to use this" を参照）。キーワード：host/self-host MCP server as Keboola data app、private/remote MCP endpoint、deploy MCP to Keboola。
敵対的なラバーダック対話を通じて、既存の実装計画をレビューし、強化します。完全性、実現可能性、範囲、テスト可能性、リスク、前提を評価し、一度に要点を突く質問を一つ行います。ローカルのコードやドキュメントで検証可能な主張を確認し、すべての評価項目が 5/5 になるまで、解決した回答を計画ファイルに書き戻します。「計画をレビューして」「ラバーダックして」「計画をストレステストして」「この計画で準備できているか」「計画に異議を唱えて」「計画を 5/5 にして」「計画を盤石にして」「見落としはあるか」「検証して」「本当か」「証明して」「この主張を確認して」「ファクトチェックして」と依頼されたとき、または複雑な計画の実装開始前に使用します。ゼロから計画を作る場合は plan-creator、コード差分のレビューには pr-reviewer を使用してください。
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。
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。