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
OpenAI Codex CLI から独立したセカンドオピニオンを取得します。Claude が自分の作業をレビューするのではなく、独立したレビュアーランタイムが実際の差分をレビューします。Codex が利用可能かを確認し、対象（ブランチ、コミット、または未コミットの変更）を特定して、実際の変更内容に基づく焦点を絞った指示ファイルを作成します。ディスク読み取りサンドボックスで `codex review` を実行し、ソースに照らして指摘を検証したうえで、優先度順に要約します。シークレットや認証情報の値は指示ファイルに含めず、修正前にローカルで検証すべき候補として指摘を扱います。結果を捏造せず、問題がない場合は明確にその旨を報告します。ユーザーが Codex レビューまたはクロスレビューを明示的に依頼した場合にのみ使用します。
LLM の出力を、注意深い人間が書いたように読めるよう人間らしくする。AI っぽさ(追従、三連列挙、em ダッシュの多用、「delve」「tapestry」「testament」、ヘッジの重ね掛け、整いすぎた五段落構成)を差し引き、文の強弱と較正された不確実性を設計し、技術的な正確さは保つ。強度レベルに対応:subtle、balanced(デフォルト)、full、voice-match、anti-detector。ユーザーが「humanize this」「make this sound human」「de-slop this」「rewrite without AI tone」「match my voice」「less robotic」と言うとき、または /unslop を呼び出すときに使用する。テキスト品質が求められたときにも自動的にトリガーされる。
このスキルは、OpenClaw 用の **Tablestore Mem0** プラグインをインストールして設定します。Tablestore Mem0 は Alibaba Cloud Tablestore を mem0 のベクトルストアバックエンドとして使用し、AI エージェントに永続的な長期記憶を提供します。Alibaba Cloud Tablestore をバックエンドとして、OpenClaw に長期記憶を保存または管理させたい場合に使用します。トリガー：「tablestore memory を設定」「tablestore mem0 プラグインをインストール」「tablestore で長期記憶を設定」「これを覚えて」。
WebMCPツールの設計、評価、監査、実装を行います。Webページがdocument.modelContext上でブラウザー内AIエージェントに公開するクライアント側ツールが対象で、registerTool、宣言的フォーム属性（toolname、tooldescription）、React useWebMCP、Angular provideExperimentalWebMcpToolsを使用します。開発者がWebサイトやWebアプリをエージェント対応にしたい場合、サイトやURLのWebMCPユーザージャーニーを分析したい場合、ブラウザー内エージェント向けツールの追加・レビュー、ツールのスキーマ、説明、アノテーション、evals.jsonの作成、既存WebMCPツールの監査、Lighthouseの「Agentic browsing」やDevToolsのWebMCP指摘事項の修正を行う場合に使用します。stdioやSSE経由のバックエンドMCPサーバー、単独のスクレイピングスクリプトには使用しません。
Eva New User 2.4.2 単独の初心者向けチュートリアル。ユーザーが /eva-new-user、Eva New User、「私は新規ユーザーです」「初心者向けチュートリアルを始めて」「Eva の使い方を教えて」と明示した場合、または /eva のウェルカムメッセージだけが表示された後に初心者向けチュートリアルを選んだ場合に使用します。開始前に、現在の環境にインストールされている Eva のサブスキルを動的にスキャンし、ユーザーの現在の目標に沿って「実演、実践、独力で開始」の最小限の一連の流れを完了します。ユーザーはいつでも「スキップ」と言ったり、先に学びたい機能を指定したり、チュートリアルを終了して実際のタスクに直接取り組んだりできます。
Karpathy の理解優先の原則を適用する — AI が構築したものを検証し、自分の理解を自分のものにし、LLM のギザギザした能力の地形を把握する。ユーザーが AI を使って何かを構築し検証が必要な場合、自分の理解を監査したい場合、LLM が信頼できる領域と信頼できない領域を知りたい場合、または「verify this」「do I actually understand this」「what can I trust the AI on」「jagged capabilities」「understanding not outsourcing」と言及したときにこのスキルを使用する。46k-like の引用投稿に基づく。
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。
プログレッシブディスクロージャーを利用して、任意の MCP サーバーに接続するユニバーサル MCP クライアントです。MCP サーバーをスキルとしてラップし、ツール定義によるコンテキストウィンドウの肥大化を防ぎます。外部 MCP サーバー（Zapier、Sequential Thinking、GitHub、filesystem など）との連携、利用可能なツールの一覧表示、MCP ツール呼び出しの実行に使用します。「Zapier に接続」「MCP サーバーを使う」「MCP ツールを一覧表示」「Zapier アクションを呼び出す」「sequential thinking を使う」などの依頼や、あらゆる MCP サーバー操作で起動します。
プロジェクトルールファイル（AGENTS.md、CLAUDE.md、.agents/instructions、ローカルオーバーライド）を監査・改善し、エージェントが正確なプロジェクトコンテキストを保てるようにする。ユーザーが AGENTS.md や CLAUDE.md の確認、監査、レビュー、更新、改善、修正を依頼した場合、「プロジェクトルールのメンテナンス」や「エージェントコンテキストの最適化」に言及した場合、またはコードベースが大きく変化してルールファイルが古くなっている可能性がある場合に使用する。リポジトリ内のすべてのルールファイルをスキャンし、品質ルーブリックに照らしてそれぞれを評価し、品質レポートを出力し、ユーザーの承認後にのみ的を絞った編集を適用する。
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。