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
blender-* スキルを QA ゲートと連携させた、エンドツーエンドの Blender 5.2 プレイブックです。ゲーム用小物（ミッドポリ、ハイポリからローポリへの変換）、ゲームキャラクター（スカルプト／AI メッシュからリギング、アニメーション付きエクスポートまで）、Roblox の小物／アクセサリー／アバター、AI 生成またはダウンロードしたアセットのクリーンアップ、プロシージャル環境、ウェブ／AR アセット、製品ターンテーブル、ムード／天候ショット（夜、雨、雪、霧）を扱います。複数段階にわたるアセット制作全般に使用します。
単に読むだけでなく、Web サイトとの操作が必要なタスクで使用します — 要素のクリック、フォームの入力、データの送信、複数ステップのフローの操作、スクリーンショットの取得、またはクリック・入力・スクロール・選択などの操作を行う実ブラウザーが必要なあらゆるワークフロー。ブラウザーのブックマーク、履歴、タブの管理にも使用します。ユーザーが browseros、browseros-cli、BrowserOS に言及したらトリガーします。ページ内容の取得や読み取りだけで足りる場合は使用しないでください — その場合は curl、fetch、WebFetch を使用します。
Gmail のカスタマーサポートをトリアージします。返信やフォローアップの前にスレッド全体を必ず再確認し、デフォルトでは下書きのみ作成します。下書きごとに Codex のプロジェクトスレッドを作成し、最終クローズ返信と条件を満たす場合の任意の Trustpilot レビュー依頼は承認制です。確認済みの DreamCut Discord 招待リクエストへの対応も承認制です。顧客メール自動化の実行、未読または最近のサポートメールの確認、顧客からのフォローアップの確認、Gmail 返信の準備または送信、解決を肯定的に確認済みのケースのクローズ、サポート引き継ぎの継続、下書きフォローアップ用のエージェント／プロジェクトスレッドの作成、DreamCut Discord のアクセスリクエストへの対応を依頼された場合に使用します
Huawei Cloud Flexus L インスタンス上に AI Agent 開発プラットフォーム（Dify）をデプロイし、デプロイ操作、パスワード管理、MaaS モデル設定、ワークフローインポートの機能を提供する。トリガーキーワード：deploy flexusagent/一键部署Flexus AI Agent开发平台、change password/修改开发平台管理员密码、change dify password/修改dify平台密码、add maas provider/添加MaaS模型供应商、configure maas model/配置MaaS模型、view workflow/查看AI Agent工作流、import workflow/导入AI Agent工作流
アシスタントとスクワッド向けの Vapi Simulations を設計、作成、実行、監視、保守します。自然言語の要件をカバレッジ計画、シミュレーションのペルソナ、シナリオ、構造化出力の成功基準、シミュレーション、スイート、既存スイートの拡張、チャットまたは音声実行、ツールモック、ターゲット変数、ライフサイクル Webhooks、リグレッションカバレッジ、ローンチ準備、CI 品質ゲート、実行結果分析、シミュレーション API の検証エラーに変換するために使用します。固定ターンのモック会話 Evals には使用しないでください。ただしユーザーが Evals と Simulations のどちらかを選択している場合を除きます。
AI エージェントに適したコードベース向けに、ハーネスエンジニアリング（AGENTS.md、docs/、lint ルール、評価システム、プロジェクトレベルのプロンプトエンジニアリング）を設定・改善します。AI エージェント用の新規・空のプロジェクト設定、AGENTS.md や CLAUDE.md の作成、ハーネスエンジニアリングに関する質問、コードベースでエージェントをより適切に動作させる方法が対象です。また、エージェントの品質への不満にも対応します。例：「エージェントが規約を無視し続ける」「指示に従わない」「なぜ同じことを繰り返すのか」「エージェントが壊れている」。エージェントの出力品質の低さは、ほとんどの場合、モデルの問題ではなくハーネスの不足を示すためです。対象範囲：コンテキストエンジニアリング、アーキテクチャ上の制約、複数エージェントの連携、評価、長時間稼働するエージェントハーネス、エージェントループ（自律動作、検証器、停止条件）、エージェントメモリー（セッションをまたぐ記憶、統合）、エージェント品質の問題の診断
公式ドキュメント（https://docs.openclaw.ai）と GitHub リポジトリ（https://github.com/openclaw/openclaw）から情報を取得して統合する OpenClaw 学習エキスパートです。ユーザーが OpenClaw について質問したときは、インストール、設定、API の使用方法、概念、トラブルシューティング、ベストプラクティスなど、あらゆる問い合わせにこのスキルを使用します。機能、実装、使用方法、セットアップ、その他の openclaw 関連トピックについての質問で起動します。
evo:discover とベースラインのコミット後に、構造化された autoresearch の反復を進めます。ユーザーが /evo:optimize を呼び出す場合や、アイデアやバリエーションを試す、実験を実行する、利用可能な GPU を使う、現在の最良案／フロンティアを改善する、evo の探索を続ける、evo ワークスペース内の候補変更を比較するといった依頼に使用します。オーケストレーターが計画を立てて最適化サブエージェントを起動し、候補の編集や実行はサブエージェントが担当します。subagents=N で並列度を設定します（逐次処理では 1、並列処理ではより大きな値）。ループの構造的な価値は、どの並列度でも発揮されます。
ユーザーがコードで GTM 自動化を構築したい、ワークフローアーキテクチャを設計したい、GTM タスクに AI エージェントを使いたい、あるいは「ツールよりアーキテクチャ」原則を実装したいときに使用する。また、ユーザーが「GTM エンジニアリング」「GTM 自動化」「n8n」「Make」「Zapier」「ワークフロー自動化」「Clay API」「インストラクションスタック」「GTM 向け AI エージェント」「レベニュー自動化」に言及したときにも使用する。このスキルは、ワークフロー設計からエージェントオーケストレーションまでの技術的な GTM インフラを扱う。
同じ問題に対して 2〜8 回の連続したパスを実行する構造化された多角的探索。各パスは異なる科学的レンズを通して行い、単一の視点では見えない隠れた要件やエッジケースを明らかにする。各パスは新しい ISC 基準を生み出す。次に使用する: iterative depth、explore deeper、multi-angle analysis、surface hidden requirements、blind spot check、what am I missing。スコープ/ズーム分析には使用しない（ApertureOscillation を使用）。
明示的な戦略をシステムプロンプトに書き込み、学習メカニズムとして機能させる — 「プロンプトを教科書として扱う」アプローチにより、LLM の動作をより予測可能で教えやすくする。システムプロンプトを通じて特定タスクにおけるエージェントや LLM の性能を向上させたい、戦略やワークフローをプロンプトにエンコードしたい、一貫した LLM の動作を実現したい、あるいは「システムプロンプトを改善」「この戦略をエンコード」「プロンプトエンジニアリング」「エージェントにこのワークフローを守らせる」「プロンプトを教科書として」と言う場合にこのスキルを使用。Karpathy のシステムプロンプト学習の記事に基づく。
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。