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 96,981 件掲載。コマンド 1 行でインストールできます。
クラウド・DevOps
Hugging Face Jobs インフラストラクチャ上で TRL（Transformer Reinforcement Learning）を使い、言語モデルをトレーニングまたはファインチューニングする場合に使用します。SFT、DPO、GRPO、報酬モデリングのトレーニング手法と、ローカルデプロイ向けの GGUF 変換を扱います。TRL Jobs パッケージ、PEP 723 形式の UV スクリプト、データセットの準備と検証、ハードウェアの選択、コスト見積もり、Trackio による監視、Hub 認証、モデルの永続化に関するガイダンスも含みます。クラウド GPU トレーニング、GGUF 変換、またはローカル GPU 環境なしで Hugging Face Jobs を使ったトレーニングに言及した場合に使用します。
Dynatrace Flutter Plugin を Flutter プロジェクトに統合する — 依存関係の設定、構成、SDK ブートストラップ、ナビゲーション追跡、検証。トリガー：「add Dynatrace to Flutter」「Flutter plugin setup」「instrument Flutter app」「integrate Dynatrace Flutter」「mobile observability Flutter」「dynatrace_flutter_plugin」。次には使用しない：Flutter RUM データのクエリ（dt-obs-frontends を使用）、Flutter 以外のモバイル設定、Dynatrace のサーバーサイド構成。
Bailian CLI (`bl`) を使って、「データ→ファインチューニング→エクスポート→デプロイ→呼び出し」の一連のワークフローを実行します。学習を省略してベースモデルを直接デプロイすることもできます。テキストモデル（SFT/DPO/CPT）、音声 TTS モデル（CosyVoice）、画像生成モデル（Wan2.7）、動画生成モデル（Wan i2v/kf2v）のファインチューニングに対応します。データセットの検証・アップロード、ファインチューニングジョブの作成と学習完了待ち、最良の checkpoint のエクスポート、推論デプロイの作成と起動待ち、呼び出し例の提示を行います。ユーザーが Bailian / DashScope / Alibaba Cloud Model Studio での「モデル学習」「ファインチューニング」「fine-tune」「finetune」「モデルのデプロイ」「モデルの公開」「ファインチューニング済みモデルの実行・呼び出し」「推論モデルの学習」「継続事前学習」「LoRA/SFT/DPO 学習」「音声合成モデル」「TTS ファインチューニング」「CosyVoice」「音声クローン」「画像生成のファインチューニング」「テキストから画像生成」「画像から画像生成」「Wan2.7」「画像モデルの学習」「動画生成のファインチューニング」「画像から動画生成」「最初のフレームから動画生成」「最初と最後のフレーム」「kf2v」「i2v」「Wan 動画」「動画エフェクトの学習」などに言及した場合に起動します。「bl の使用」と明言していなくても、Bailian での学習またはデプロイが目的なら使用し、コマンドを独自に組み立てないでください。
`surreal` コマンドラインバイナリを使って SurrealDB サーバー（インメモリ、RocksDB、SurrealKV、TiKV）を実行し、対話型またはパイプ経由の SQL REPL を開き、データベースのインポート／エクスポート、サーバーの準備状態の確認、バイナリのアップグレード、ストレージの修復、SurrealML モデルの管理を行います。ユーザーがターミナルから SurrealDB を実行、接続、バックアップ、復元、操作する際に使用します。トリガー：surreal start、surreal sql、surreal import、surreal export、surreal isready、surreal upgrade、surreal fix、surreal ml、SurrealDB CLI、surreal server。
Azure DevOps 開発に関する専門知識を提供します。トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、制限とクォータ、セキュリティ、構成、連携とコーディングパターン、デプロイを扱います。組織／プロジェクト、リポジトリ、パイプライン、作業項目、ダッシュボード／分析、Azure DevOps Server のデプロイ、その他の Azure DevOps 関連の開発タスクを管理する際に使用します。Azure Boards（azure-boards を使用）、Azure Pipelines（azure-pipelines を使用）、Azure Repos（azure-repos を使用）、Azure Test Plans（azure-test-plans を使用）には使用しないでください。
iOS/macOSアプリでCloudKitとiCloud同期を実装、レビュー、改善します。CKContainer、CKRecord、CKQuery、CKSubscription、CKSyncEngine、CKShare、NSUbiquitousKeyValueStore、iCloud Driveのファイル調整を扱う場合、cloudKitDatabaseを指定したModelConfigurationでSwiftDataモデルを同期する場合、競合解決、ネットワーク障害、容量制限に関するCKErrorコードを処理する場合、または同期処理の前にiCloudアカウントの状態を確認する場合に使用します。
Depot CLI のインストール、認証、ログイン、プロジェクト設定、組織管理、API アクセスを扱います。Depot CLI のインストール、`depot login` によるログイン、Depot プロジェクトの作成・管理、API トークンや OIDC 信頼関係の設定、depot.json の設定、組織の管理、ビルドキャッシュのリセット、Depot API/SDK の利用時に使用します。また、コンテナビルド、GitHub Actions ランナー、Depot CI に特化しない Depot の認証方法、トークンの種類、環境変数、プラットフォーム全般の設定について質問された場合にも使用します。
Render インフラストラクチャ用の render.yaml Blueprint を作成、検証します。render.yaml の作成や編集、fromDatabase/fromService/fromGroup によるサービスの接続、マルチサービスアプリのプロジェクトと環境の設定、プレビュー環境の構成、スキーマに基づく検証、変更不可フィールドのエラー修正が必要な場合に使用します。トリガー用語：render.yaml、Blueprint、IaC、fromDatabase、fromService、envVarGroups、previews、projects、environments
Alicloud のサービスシナリオ別スキル。「Build AI Animation Story Creation App」ソリューションの自動デプロイに使用します。OSS Bucket を自動作成し、Devs テンプレートで FC アプリケーションをデプロイして、体験ページで停止します。トリガー：「AI动画创作」、「animation creation」、「动画故事部署」、「deploy animation story app」。
壊れている、設定に誤りがある、または予期しない動作をする moon タスクを診断して修正します。moon タスクが失敗する、実行されない、スキップされる、停止する、古いまたは誤った出力を生成する、本来不要なキャッシュが使われる、毎回再実行される、キャッシュヒット後に出力がない場合に使用します。パイプラインの停止、CI では動作するがローカルでは動作しない（またはその逆）、--affected によるタスクのスキップ、プロジェクトにタスク継承が適用されない問題も扱います。「moon run」または「moon task」と問題（エラー、古いキャッシュ、出力不足、誤った結果、「実行することがない」、予期しない動作）が一緒に言及された場合に有効になります。タスクオプション（persistent、runInCI、allowFailure、expectFailure、envOverride、affectedFiles、mutex、timeout、outputStyle、cacheLifetime）、タスクチェック、クリーンアップと待機依存関係、プロジェクトレベルの taskOptions にも使用します。新しいタスクの作成、ワークスペースの設定、ツールチェーンの構成、moon の概念学習には使用しません。
Railcode アプリの構築、変更、デバッグ、テスト、デプロイをエンドツーエンドで行います。アイデアからの Railcode アプリ作成、Railcode CLI によるスキャフォールディング、@railcode/sdk を使ったバックエンド worker の作成、フロントエンドと worker ルートの接続、アプリ権限の宣言、railcode dev によるテスト、レガシー v1 アプリの apps v2 への移行、既存の v1 browser-SDK アプリの保守、v1 アプリでできない機能（シークレット、バックエンド、cron、必ず適用される認可）の追加、デプロイに使用します。マネージドエージェントの作成や一般的な組織管理には使用しないでください。
Turborepo モノレポビルドシステムのガイダンスです。turbo.json、タスクパイプライン、dependsOn、キャッシュ、リモートキャッシュ、「turbo」CLI、--filter、--affected、CI の最適化、環境変数、内部パッケージ、モノレポの構成やベストプラクティス、境界を扱います。タスク/ワークフロー/パイプラインの設定、パッケージの作成、モノレポのセットアップ、アプリ間のコード共有、変更・影響を受けたパッケージの実行、キャッシュのデバッグ、apps/packages ディレクトリの利用時に使用します。
任意の GitHub リポジトリに画像をアップロードして画像置き場として使い、CDN/Markdown リンク（jsdelivr/jsdmirror/raw）を取得します。初回の setup.sh が gh login を案内し、所有者を自動検出します。デフォルトリポジトリ（img.shenzjd.com）がなければ作成し、リポジトリ内の .img.shenzjd.com/config.json を介して img.shenzjd.com Web アプリと設定を同期するため、手動設定なしでアップロードできます。GitHub への画像アップロード、CDN リンクの生成、ホスト画像の削除・一覧表示、画像置き場の設定に使用します。キーワード：github figure bed、image host、CDN link、jsdelivr、jsdmirror、upload image to GitHub、图床、上传图片、CDN 链接、初始化图床。
InsForge プロジェクトで、バックエンドの予防的なヘルス監査を行う際に使用します。`diagnose advisor` が検出したセキュリティ設定ミス、パフォーマンスの低下、システムの健全性に関する問題に加え、各 advisor の問題に対応するバックエンド側の詳細調査を行います。単一の失敗リクエストがなく、バックエンド全体のパフォーマンス低下（CPU／メモリ使用率の上昇、すべての応答の遅延、接続プールの枯渇、ロック競合）が報告された場合にも使用します。「health check」、「audit my backend」、「review security」、「check RLS policies」、「find slow queries」、「backend performance review」、「high CPU/memory」、「everything is slow」、「EC2/database/system health」などの依頼や、ローンチ前の準備状況監査で起動します。単一の具体的な失敗リクエストに伴う実行時エラー（SDK エラーオブジェクト、HTTP 4xx/5xx、関数の失敗、デプロイの失敗）には、代わりに `insforge-debug` を使用します。
GitHub Actions のドロップイン代替として、ワークフローをすべて Depot 内で実行する Depot CI を設定、管理します。GitHub Actions ワークフローの Depot CI への移行、`depot ci migrate` の実行、Depot CI のシークレットや変数の管理、`depot ci run` によるワークフロー実行、`depot ci run list`、`depot ci status`、`depot ci logs`、`depot ci diagnose`、`depot ci ssh` による実行のデバッグ、`depot tests` によるテスト結果や `depot ci artifacts` による実行アーティファクトの確認、ワークフロー互換性の確認、Depot CI の機能把握に使用します。.depot/ ディレクトリや depot ci コマンドへの言及、または GitHub ホストランナーを使わずに Depot のインフラ上で GitHub Actions ワークフローを実行する方法の質問にも使用します。
NestJS のランタイム機能、エラーと API の契約、セキュリティ、テスト、DevOps、パフォーマンス、安全なスケーリングを選定・実装します。ミドルウェア、ガード、パイプ、インターセプター、例外フィルター、型付きの失敗／結果、Problem Details、検証エラー、HTTP/GraphQL/RPC/gRPC/WebSocket のエラーマッピング、期限、キャンセル、再試行の分類、致命的なプロセスエラー、認証、認可、キャッシュ、キュー、スケジューラー、CI/CD、コンテナ、Kubernetes、設定とシークレット、マイグレーション、サプライチェーン制御、ヘルスプローブ、ログ／メトリクス／トレース、SLO とアラート、インシデント復旧、ロールアウトとロールバック、イベントループやデータベースのボトルネック、負荷テスト、水平スケーリング、冪等性、バックプレッシャー、グレースフルシャットダウンに使用します。フロントエンドのみのパフォーマンスや NestJS 以外のサービスには使用しないでください。他のスキルも該当する場合は、変更前に担当範囲を調整してください。
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。