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。
クリエイティブ・メディア
世界クラスのレベルデザインの専門知識——空間的ストーリーテリング、プレイヤーフロー、ブロックアウト手法、プレイヤーに気づかれずに導く見えざる手。"level design, blockout, graybox, whitebox, player flow, level layout, combat arena, exploration space, map design, multiplayer map, pacing, weenie, landmark, gating, metroidvania, open world design, linear level, environmental storytelling, teaching through design, playtesting, heatmap, metrics, sightlines, level-design, game-development, spatial-design, blockout, graybox, player-flow, pacing, environmental-storytelling, combat-design, multiplayer-maps, open-world, linear-design, metroidvania" が言及されたときに使用する。
ゲームにおけるリアルタイム照明とベイク照明に関する専門知識 — シネマトグラフィの基礎からエンジン固有の最適化まで、GI、時間帯、ボリューメトリクス、プラットフォームを考慮したライティングパイプラインを扱う。「lighting、light design、baked lighting、realtime lighting、lightmap、lightmapping、light probe、reflection probe、global illumination、GI、ambient occlusion、shadow、shadow cascade、time of day、day night cycle、volumetric fog、volumetric lighting、god rays、HDR、tonemapping、bloom、exposure、emissive、area light、Lumen、Enlighten、ray tracing、RTGI、light baking、lighting、global-illumination、lightmapping、shadows、GI、light-probes、reflection-probes、HDR、tonemapping、volumetric、fog、time-of-day、baked、realtime、mixed-lighting、lumen、enlighten、radiosity、ray-tracing、RTGI」に言及された場合に使用する。
Heath 兄弟の SUCCESs モデル（Simple、Unexpected、Concrete、Credible、Emotional、Stories）を適用し、メッセージを記憶に残りやすく説得力のあるものにする。体系的な分析、的を絞った改善、スコアリング（0〜18 の粘着性スコアカード）を含む。メッセージをより記憶に残る、または魅力的にする場合、プレゼンテーションの準備、ピッチやキャンペーンの作成、あるいはユーザーが stickiness、アイデアを定着させること、説得、SUCCESs フレームワーク、Heath 兄弟に言及した場合に使用。
完全な Docker FFmpeg デプロイシステム。次の場合に能動的に有効化する：(1) Docker FFmpeg イメージの選択（jrottenberg、linuxserver）、(2) GPU パススルー（NVIDIA、Intel、AMD）、(3) ボリュームマウントと権限、(4) Docker Compose による動画処理、(5) Kubernetes FFmpeg ジョブ、(6) カスタム Dockerfile ビルド、(7) Windows/Linux/macOS での Docker 利用、(8) リソース制限と最適化、(9) ウォッチフォルダの自動化、(10) 本番向けコンテナパターン。提供：イメージ比較表、GPU Docker コマンド、Compose の例、K8s マニフェスト、トラブルシューティングガイド。保証：プラットフォーム間で一貫した分離された FFmpeg 環境。
型安全性、正確なパラメーターマッピング、適切な単位変換を保証する権威的な Python-FFmpeg パラメーター統合リファレンス。(1) ffmpeg-python ライブラリの使用、(2) Python subprocess による FFmpeg 呼び出し、(3) キャプション／字幕パラメーターのマッピング（drawtext、ASS）、(4) カラーフォーマット変換（BGR、RGB、ABGR、ASS &HAABBGGRR）、(5) 時間単位の変換（秒、センチ秒、ミリ秒）、(6) 型安全性の検証（int、float、string）、(7) 座標系、(8) パラメーター範囲の適用、(9) フレームパイプの処理、(10) 型不一致のエラー検出、で積極的に有効化。提供：完全なパラメーター型リファレンス、カラーフォーマット変換表、時間単位変換の公式、検証パターン、適切な型付けを伴う動作する Python の例。
ユーザーが "generate an icon"、"create a favicon"、"make an app icon"、"create iOS icon"、"create Android icon"、"generate PWA icons"、"make desktop app icon"、"create Windows icon"、"create macOS icon"、"app store icon"、"Play Store icon"、"App Store icon" を求めたり、プラットフォーム固有のサイズを持つ AI 生成アイコンを必要としたりする場合に、このスキルを使用する。
1 つの MCP で 30 以上の画像・動画モデル。Higgsfield（Seedance 2.0、Sora 2、Veo、Kling、Nano Banana Pro、GPT Image 2、Flux、Hailuo、Soul、Cinema Studio など）で画像や動画を生成したいが、プロバイダーごとの API キーを管理したくない場合にこの skill を使用する。"higgsfield"、"higgsfield mcp"、"use higgsfield"、またはユーザーが Higgsfield のサブスクリプションをすでに持っている場合の画像/動画生成リクエストで発動する。
ユーザーが「选题を深掘り」「选题を分析」「アウトラインを書いて」「この选题はバズるか」「选题を診断して」「この选题はやる価値があるか」「选题をどう直せばよいか」と言ったときに、この skill を使用する。ユーザーが选题を出すだけで意見を求めている場合も、簡単に答えるのではなく能動的に診断フローに入る。認知ハイジャック理論に基づく 4 層モジュール：視点の衝突（选题の前提への挑戦）、选题診断（🚲🛵🚗✈️ の等級付け）、アウトライン設計（感情のピーク設計）、スタイル検証（li-writer のスタイルとの整合）、完全な深化レポートを生成しファイルに保存する。トリガーしない場合：选题の記録のみ（li-recorder を使用）、スクリプトの直接作成（li-writer を使用）。Use when the user wants to "develop a topic", "analyze topic potential", "write an outline", "will this topic go viral", or needs full topic diagnosis + outline design. Trigger even if the user just shares a topic and asks for opinions.
ScreenKite 録画のマイク音声を文字起こしし、単語レベルのトランスクリプトから無音区間を検出し、editTimeline action=cut でそれらをタイムラインからカットする。ユーザーが .skbundle プロジェクトで「無音を削除」「無音区間を自動カット」「トランスクリプトベースのカット」「ポーズを整理」を求めたときに使用する。B-roll のオーバーレイ作業には使用しない（use-screenkite-advanced-b-roll を参照）。.skbundle が開かれていない場合は使用しない。
創造的なアイデアを、AI 動画生成パイプライン向けに最適化されたプロフェッショナルで制作可能な脚本に変換する。生のコンセプトを、豊かな視覚的描写、適切な脚本フォーマット、XML タグ付き出力を備えた構造化されたシーンごとの物語に変換し、画像/動画生成ツール（imagine、arch-v）とシームレスに統合する。使用場面：ストーリーのアイデアを脚本フォーマットに変換する、AI 動画パイプライン向けにコンテンツを準備する、5〜10 分の短編映画向けに物語を構成する、画像生成用に視覚的に豊かなシーン描写を生成する。ワークフロー：生のアイデア → シーン分解 → 視覚的強化 → プロフェッショナルなフォーマット → XML タグ付き markdown 出力。出力：XML でラップされたシーン、豊かな視覚的描写、適切な脚本要素（スラッグライン、アクション、台詞）、パイプライン処理用のメタデータを含む Markdown ドキュメント。
ButterCut 用に Mac または Windows PC をセットアップする。必要な依存関係（Mac では Homebrew、Ruby、Python、FFmpeg、WhisperX）をすべてインストールする。ユーザーが "install buttercut"、"set up my mac"、"set up my pc"、"get started"、"first time setup"、"install dependencies"、"check my installation" と言った場合に使用する。
画面録画を使わずに、製品デモやリリースノートの動画を作成します。ソースコードからアプリの画面を静的な React として再構築し、スクリプト制御のカーソルとカメラ（lib/components Stage + Cursor）を使って Remotion で動かします。ソースを読めるアプリの製品紹介、機能デモ、リリースノートや変更履歴の動画を作る場合や、Playwright の録画が不安定、テストデータが必要、または古くなりやすい場合に使用します。合成デモ、UI の再構築、リリース動画、機能紹介、ソースからの製品デモ、スクリプト制御カーソル、UI へのカメラズーム、画面録画なしなどが対象です。
AI 生成の文章パターン（slop）を検出して修正する。3 つの重大度層にわたる 50 以上のパターンによる包括的な検出、語彙的な痕跡よりも構造を重視する重み付け、スコアリングシステム、問題を直接修正するエディターモードを備える。あらゆるコンテンツの AI 痕跡のスキャン、公開前の下書きの監査、文章が「AI っぽい」かどうかの確認、AI 生成テキストの自然化、コンテンツの真正性の検証に使用する。「check for slop」「does this sound like AI」「humanize this」「AI audit」「slop check」「clean up AI writing」で発動し、人工的な響きのパターンを検出・除去するあらゆるリクエストにも対応する。AI 支援コンテンツを公開する前に積極的に使うことも推奨する。
製品のヒーロー画像、マーケティングクリエイティブ、ソーシャル投稿、広告、EC の PDP ビジュアル、一般的なビジュアルデザインタスク向けに、ビジュアルコンセプト、画像生成プロンプト、任意の AI 生成画像を作成する。ユーザーがビジュアル戦略、画像プロンプトの作成、製品/マーケティング画像の方向性、直接のテキスト・トゥ・イメージ生成を求めたときに使用する。Codex 環境では組み込みの imagegen ツールを使用し、それ以外では apiz CLI を基盤とするバンドルスクリプトを使用する。
サーバーレス動画処理のための完全な Modal.com FFmpeg デプロイシステム。以下の場合に積極的に有効化してください：(1) Modal.com FFmpeg コンテナのセットアップ、(2) Modal での GPU アクセラレーションによる動画エンコード（NVIDIA、NVENC）、(3) Modal の map/starmap による並列動画処理、(4) 大きな動画ファイル向けの Volume マウント、(5) CPU と GPU コンテナのコスト最適化、(6) FFmpeg のための apt_install/pip_install、(7) Python subprocess による FFmpeg のパターン、(8) 大規模なバッチ動画トランスコード、(9) 動画ワークロードの Modal 料金、(10) Whisper による音声/動画処理。提供：イメージ設定の例、GPU コンテナのパターン、並列処理コード、Volume の使用方法、コスト比較、本番対応の FFmpeg デプロイ。保証：Modal のサーバーレスインフラ上での効率的でスケーラブルな動画処理。
MIDI/MusicXML ファイルを音声（WAV/MP3）に合成・レンダリングし、クリエイティブな音楽操作のための Strudel ライブコーディングパターンを生成します。audio-to-midi からの解析データ（テンポ、キー、コード、ダイナミクス）を使用して、ゴーストノートのインテリジェントな除去と正確な再現を行います。2 つのワークフロー：(1) MIDI/MusicXML を音符の長さ付きの Strudel/TidalCycles コードに変換し、ブラウザの strudel.cc でインタラクティブに調整する、(2) FluidSynth または組み込み合成で MIDI/MusicXML を WAV/MP3 にレンダリングし、テンポ、移調、楽器の上書き、ゴーストノートのクリーンアップを制御する。ユーザーが次のことを望むときにトリガー：MIDI ファイルを再生する、MIDI を音声にレンダリングする、MIDI を合成する、MIDI を Strudel コードに変換する、MIDI からライブコーディングパターンを作成する、楽器を変更する、移調またはテンポ変更する、ゴーストノートをクリーンアップする、その他あらゆる MIDI 再生/合成タスク。
利用可能なブラウザ制御ワークフロー、より高いキャプチャフレームレートのための任意の Playwright Videos、および決定論的エンコーディングを使用して、ブラウザまたは Web UI の操作デモを最適化された GIF として録画し、`gh --attach` で GIF を pull request に添付する。attach が使えない場合は専用の assets ブランチにフォールバックする。ブラウザワークフローを実演する GIF の作成、録画、生成を求められた場合、および製品ユーザーに表示される GUI の動作を変更するすべての pull request に使用する。そのような pull request には、その pull request の実際のサーバーとモデルのフローから録画した GIF を必ず含めること。
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。