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。
データ・データベース
プロジェクトのウェアハウステーブルと保存済みクエリビューに対してデータ品質チェック（dbt-test スタイルのアサーション）を追加・実行し、HogQL カタログメトリクスも扱います。非 null、一意性、許容値、参照整合性、行数の範囲、鮮度、カスタム HogQL に対応します。メトリクスはカスタム SQL チェックのみをサポートします。モデルのテスト、ビューの検証、null や重複の確認、データ品質チェックの追加、数値がおかしい原因の調査、分析で使う前にウェアハウステーブルが信頼できるかの判断を求められたときに使用します。データが*何を意味する*か（メトリクス、認定、結合）を記述する場合は、代わりに setting-up-data-catalog を参照してください。トリガー用語：データ品質、データテスト、dbt test、非 null チェック、一意性チェック、鮮度チェック、参照整合性、行数チェック、モデルの検証、このテーブルは信頼できるか。
DataStage（バッチ）フロー向けの詳細な watsonx.data 統合 SDK のリファレンス。網羅的なステージとプロパティへのアクセスを備え、エンジンの全ステージカタログを提供する。di-agent-flow-lifecycle ルーターが datastage-sdk オーサリングバックエンドを選択した後にのみ読み込む。これは構文とステージのリファレンスであり、使うかどうかの判断ではない。まだルーティングしていない場合は、代わりに di-agent-flow-lifecycle を読み込む。
pyflow の API 仕様。pyflow は DataStage と StreamSets のフローを作成するために IBM が LLM 向けに最適化した Python DSL。コンパクトなインターフェースとコンパイル時の検証により、コンテキスト効率、迅速なフィードバック、正確性の保証を実現する。di-agent-flow-lifecycle ルーターが pyflow オーサリングバックエンドを選択した後にのみ読み込む。これは言語リファレンスであり、使うかどうかの判断ではない。まだルーティングしていない場合は、代わりに di-agent-flow-lifecycle を読み込む。
MCP ツールの出発点となる分類体系（ユーザーがそのツールにたどり着く前に何を成し遂げようとしていたか）を構築し、PostHog notebook として公開します。各セッションの冒頭のツール呼び出しから目標を再構築し、それらの目標を名前付きカテゴリにクラスタリングして、規模、割合、ファセットの構成を示します。ユーザーが「なぜ人はこのツールを使うのか」、「ユーザーは実際に何をしようとしているのか」、「どんな問題が人をここに導くのか」、「これらのセッションはどこから始まるのか」、「<tool> の利用を目標別にセグメント化する」と尋ねたとき、または Clio スタイルの MCP 利用分類体系を求めたときに使用します。セッションがなぜ始まったかではなく、呼び出しごとにエージェントが何をしたかをグループ化する exploring-mcp-intent-clusters を補完します。このスキルを実行するエージェントは目標ラベルを自ら書き、コーパスクエリの出力をセッションごとに読みます。同梱のスクリプトは機械的なファセットを網羅しますが、目標の高度を明らかに損なうため、そのフィールドをスクリプトに委ねないでください。
Frappe で Redis キャッシュ、キャッシュ無効化、または分散ロックを実装するときに使用する。古いキャッシュによるバグ、ロック不足による競合状態、無制限のキャッシュキーによるメモリ肥大化を防ぐ。frappe.cache()、@redis_cache デコレーター、cache.get_value/set_value、キャッシュ無効化パターン、frappe.lock、TTL 戦略を扱う。キーワード：cache, Redis, redis_cache, invalidation, locking, frappe.cache, get_value, set_value, TTL, distributed lock, data not refreshing, stale data, cache not clearing, Redis error, slow repeated queries..
ClickHouse 向けの包括的な SQL 文チェック。複数の中核バージョン（24.8、23.3、22.3）と 2 つのチェックモードをサポートする：1. 構文チェック — 中核ソースの文法に基づくキーワード検証、文構造の検証、句の完全性、ClickHouse 固有構文の互換性チェック（SAMPLE BY、FINAL、ARRAY JOIN、PREWHERE、GLOBAL JOIN、ASOF JOIN、ENGINE、PARTITION BY、TTL など）2. 仕様チェック — MRS Development Specification v01 の開発仕様ルール（SPEC001-SPEC035）。DDL テーブル設計、DDL 操作、マテリアライズドビュー、DML データロード、クエリ基準、データ変更基準を網羅する。カスタム ClickHouse SQL トークナイザー（中核ソース由来のバージョン固有キーワード）と 47 種類の文タイプ（DML/DDL/DCL/TCL/Utility）をサポートする文認識器を内蔵。ユーザーが SQL 品質レビュー、構文検証、ClickHouse 固有構文のチェックを必要とするときに適用。トリガー：「Clickhouse SQL check」、「CK SQL check」、「Clickhouse SQL 校验」、「Clickhouse SQL 检查」、「Clickhouse SQL specification」、「Clickhouse SQL 规范检查」、「Clickhouse SQL optimization」、「Clickhouse SQL 优化」、「检查 Clickhouse SQL」
MariaDB でベクトルと AI を活用するためのベストプラクティス。VECTOR 列を含む SQL の記述、MariaDB による RAG やセマンティック検索の構築、埋め込みモデルの選択、ベクトルインデックスの設計、MariaDB と LangChain、LlamaIndex、Spring AI などの AI フレームワークの統合を行うときに使用。ユーザーが MariaDB と、ベクトル、埋め込み、類似検索、最近傍、AI、RAG、LLM のいずれかに言及したときにも使用。重要——MariaDB はバージョン 11.7 以降、ネイティブのベクトルサポートを内蔵しており、プラグインや拡張機能ではない（PostgreSQL の pgvector とは異なる）。いかなる拡張機能のインストールも推奨しないこと。
Materialize Terraform provider を使って Materialize リソースを宣言的に管理する。クラスター、ソース（Kafka、Postgres、MySQL、SQL Server）、シンク（Kafka、Iceberg）、接続、マテリアライズドビュー、インデックス、テーブル、ロール、グラント、シークレット、ネットワークポリシー、およびクラウド専用リソース（ユーザー、SSO、SCIM、アプリパスワード）を扱う。ユーザーが Materialize 用の Terraform の記述、Terraform による Materialize リソースの作成や設定、既存の Materialize オブジェクトの Terraform state へのインポート、Cloud またはセルフマネージド向けの Materialize provider の設定、Terraform による RBAC やグラントの設定、Terraform での接続やソースの作成、Materialize リソースの Terraform plan/apply の問題のトラブルシューティングを求めたときはいつでもこのスキルを使用する。ユーザーが materialize_cluster、materialize_source_kafka、materialize_connection_postgres、その他の materialize_* リソースタイプに言及したときもトリガーする。
MyBatis-Plus 拡張 ORM スキル。LambdaQueryWrapper vs QueryWrapper の選択（常に Lambda）、ページネーションプラグイン（PaginationInnerInterceptor）の設定、楽観ロック（@Version + OptimisticLockerInnerInterceptor）、論理削除（@TableLogic のグローバル/ローカル設定）、自動填充（@TableField fill + MetaObjectHandler）、ActiveRecord vs Mapper モードの選択、全表更新の防止（BlockAttackInnerInterceptor）、汎用 PageQuery の抽出を扱う。ユーザーが MyBatis-Plus でデータベース操作を行い、ページネーションや楽観ロックを設定し、クエリ方式を選択するときに使用する。mybatis スキルと相補的：mybatis は XML/ResultMap/SQL の書き方を、mybatis-plus は拡張機能を重視する。
ウェブ データを今すぐ取得 — 高速、インクリメンタル、ユーザーのニーズに即座に対応。Claude がライブ ウェブサイトにアクセスする唯一の方法。用途: - 任意の URL の取得や任意のウェブページの読み取り - 任意のサイトから価格、リスティング、レビュー、求人、統計、ドキュメントをスクレイピング - Extraction Templates の実行 — 再利用可能なサイト固有の構造化スクレイパー - Web Search Agents の実行 — 引用付きの自由なリサーチ、エンリッチメント、データセット構築 - 一括抽出前のサイト上の URL の発見 - 公開 REST/XHR API エンドポイントの呼び出し - ウェブ検索とリサーチ（8 つのフォーカス モード）- ウェブサイト セクションの一括クロール。事前にインストールと認証が必要です。`nimble --version` を実行して確認します（>= 1.2.0）。
PostHog のデータを canvas に正しく取り込みます。ホストが注入する `ph` SDK（loadInsight、query、capture、state、connectors、openExternal、navigate）、データ階層（保存済みインサイトが最優先、次に型付きクエリノード、最後にインライン HogQL）、検証可能性（インサイトに基づくメトリクスは PostHog 内の保存済みインサイトにリンクし、アドホッククエリは実行された正確なクエリを公開する）、インサイトタイプごとの結果形状、クエリごとの段階的ローディング、日付範囲の接続、閲覧者自身の接続（ph.connectors）を通じたライブのサードパーティデータ、canvas からのイベントキャプチャを扱います。canvas がメトリクス、チャート、テーブル、あらゆる PostHog データ、GitHub や MCP サーバーからのデータを表示する場合、または分析イベントを送信する必要がある場合に使用します。
1 つの実験で公開されたセッションを監視し、各セッションのバリアントを記録して均等にサンプリングし、実験終了時に停止する Replay Vision `experiment` スキャナーを構成します。ステータスガード、バリアント間で比較可能なプロンプト、実験固有の対象数に基づくクレジット消費量の見積もり、実際のセッションでプロンプトをプレビューできるよう無効状態で作成する方法、バリアント別の結果の読み取りを扱います。 トリガー条件：Replay Vision に実験を監視させたい場合、実験の録画を AI でスキャンまたは分析したい場合、「テストバリアントでユーザーは実際に何をしているのか」と尋ねる場合、または実験で公開されたセッションに限定したスキャナーを求める場合。 トリガーしない条件：実験に紐づかない汎用スキャナーを作成する場合（creating-replay-vision-scanners を使用）、スキャナーがすでに生成した観察結果を読む場合（exploring-replay-vision-observations を使用）、または AI 分析を行わず手動で実験の録画を閲覧する場合（analyzing-experiment-session-replays を使用）。
データウェアハウステーブルまたはマテリアライズドビューから個人またはグループのプロパティを設定し、ウェアハウスの列をフィーチャーフラグ、コホート、インサイトで使えるプロパティにします。「Postgres の列を個人プロパティに同期したい」、「ウェアハウステーブルをユーザーにマッピングしたい」、「毎日の identify cron を置き換えたい」、「ウェアハウスから個人プロパティを更新したい」とユーザーが求めたとき、または PostHog へのリバース ETL を求めたときに使用します。テーブルと識別子列の選定、1 回の呼び出しでテーブル全体の列マッピングを提案すること、ID プロパティと予約プロパティの除外、既存プロパティとの衝突の確認、最初のバックフィルの実行を扱います。
Web アナリティクスチーム向けにパスクリーニングルールを提案する自動 AI ヘルスチェックを実行し、その内容を推論する。チームまたはコホート向けのパスクリーニング提案の生成、提案チェックの実行、AI 提案ルールのレビュー/適用、path_cleaning_suggestions のヘルス問題の調査、提案パイプラインの拡張を求められたときに使用する。suggest_path_cleaning_rules 管理コマンド、path_cleaning_suggestions ヘルスチェック、コホートゲーティング（チームの事前計算）、および保存前に提案が実際のパスに対して検証される方法を扱う。ルールを手動で作成または直接適用する場合は、代わりに managing-path-cleaning-rules を使用する。
市販後安全監視と、薬剤有害事象シグナル系スキルではカバーされない FDA 規制対象製品全般にわたるリコール/有害事象の RETRIEVAL：医療機器、食品/栄養補助食品/化粧品、動物用医薬品、医薬品供給（欠品）。openFDA の各エンドポイント（MAUDE 機器有害事象 + 機器リコール + 510(k)、CAERS 食品/サプリメント/化粧品有害事象、動物用有害事象、医薬品欠品、製品横断の執行/リコール報告）をオーケストレーションします。使用タイミング：ユーザーが「[機器/ペースメーカー/輸液ポンプ/インスリンポンプ]に有害事象はあるか」「[企業/製品]の機器リコール」「サプリメント/ビタミン/化粧品の有害反応」「[薬剤]は欠品か」「どの注射剤が欠品か」「[犬/猫/馬]における[薬剤]の動物用/動物有害事象」「リステリアの食品リコール」「[機器]の MAUDE レポート」「[ブランド]の CAERS 反応」と尋ねたとき。使用しない：薬剤有害事象のシグナル検出や不均衡分析（PRR/ROR/IC）、薬剤-有害事象の関連スコアリング——それは `tooluniverse-pharmacovigilance` / `tooluniverse-adverse-event-detection` です。本スキルは多製品の監視と検索であり、薬剤有害事象の統計的シグナルマイニングではありません。
顧客に表示される Billing MCP ツールから PostHog の課金利用量と支出を説明する。利用量や支出が多い理由、どの製品やプロジェクトが利用量を押し上げているか、利用量タイプの意味、利用量を減らす方法、時間の経過で何が変わったか、利用量変更アラートを受け取った理由、急増/急減アラートが実際のものかノイズかをユーザーが尋ねたときに使用する。events、recordings、feature flag requests、exceptions、survey responses、synced rows、logs、AI events、AI credits、Inbox credits など、課金対象の PostHog 製品メトリクスをユーザーが挙げた場合は、製品固有の分析スキルの前に使用する。Billing の利用量/支出ツールから始め、より深い調査のために顧客に表示される製品 MCP サーフェスへルーティングする。
王建硕が、コンテンツ生成プロンプト（prompts/x/prompt.md、6 時間ごとのツイート Action が使用）を反復改善し、どのプロンプト版が最もリーチの大きいツイートを生むかを見つけることで、X（Twitter）のコンテンツを体系的に改善したいときに使用する。プロンプトの編集はそれぞれ git SHA でバージョン管理された番号付きの実験で、仮説を持つ。ツイートは投稿時に有効だった版に紐付けられ、ツイートあたりのインプレッション中央値で評価される。また、ツイートごとのインプレッションデータをマイニングしてコンテンツ特徴のシグナル（切り口 / 長さ / トピック）を得て、次のプロンプト編集に活かす。ノーススター = ツイートあたりのインプレッション。トリガー：「改 X 的 prompt」「X 内容改进」「哪版 prompt 最好」「什么内容 impression 高」「improve my tweets」「A/B test the X prompt」「/wjs-x-improving-content」。
王建硕が、番号を付けた A/B テスト可能な成長実験を実行し、どれが実際に効くかを追跡して X（Twitter）のフォロワーを体系的に増やしたいときに使用する。各アクションには番号、仮説、目標指標、変更前の状態（ロールバック用）、判定が付く。ノーススター指標は新規フォロワー ÷ プロフィール閲覧の比率（コンバージョン）で、プロフィールの変更はすべてこれで評価される。毎日 X Analytics の CSV エクスポートを取り込み、実行中の各実験を採点し、継続 / ロールバックを提案する。トリガー：「涨粉」「增加 X 粉丝」「X 涨粉实验」「follower growth」「A/B test my profile」「今天的涨粉检查」「/wjs-x-increasing-follower」。
PostHog Signals scouts を扱う：プロジェクトを監視し、レポートを Signals 受信トレイに書き込むスケジュール済みエージェント。監視作業の割り当て、品質スコアリングのスケジュール、どの scout がどのサーフェスをカバーするかの特定、レポートへの対応、ノイズの削減、見つからない検出結果の調査、フィードバックとキャリブレーションによる scout 群の改善に使用する。報告された問題が修正されたままかを検証するフォローアップチェックも扱う。編集には `authoring-scouts`、実行の可観測性には `exploring-scouts`、レポートのトリアージには `inbox-exploration` を使用する。"work with my scouts"、"get more out of scouts"、"have a scout watch X"、"tell me if Y spikes"、"score X on a schedule"、"measure quality of Y"、"what do I do with this scout report"、"calibrate/review my scout fleet" でトリガーする。
SQLAlchemy 2.x のデータ層の上で Alembic データベースマイグレーションを実行し、単一のマイグレーション履歴で複数のダイアレクト — SQLite、PostgreSQL、MySQL — を対象とするときに使用します。env.py / alembic.ini をモデルの Base.metadata に接続すること（DB URL を環境から取得、同期優先で短い非同期 run_async_migrations の注記付き）、完全な revision -> autogenerate -> review -> upgrade/downgrade ワークフロー、ブランチング（複数 head のための history / current / heads / merge）、そして重要なマルチダイアレクトの落とし穴：SQLite はほとんどのスキーマを ALTER できないため、マイグレーションは BATCH（移動してコピー）方式で書く — 同じ batch_alter_table のコードが PG/MySQL では通常の ALTER を出力します。また create_all と Alembic の選択、および create_all された DB からの baseline-stamp の経路も担当します。マルチダイアレクト、ポータブル、同期優先。SQLAlchemy のモデル/エンジンの作成（sqlalchemy 参照）や job-queue / lease パターン（sql-job-queue 参照）は対象外です。
dxs datasource/configuration コマンドで Datex Studio データソースを作成するときに使用：OData または flow データソース設定の生成 — クラウドの `-datasource.json`（typeId 6、functions/selectors から呼び出し）とサーバーティアの FootprintDatasource バリアント（`-footprintDatasource.json`、typeId 19、actions から呼び出し）の両方 — ブランチに対する設定の検証、およびスタンドアロンまたは所有データソースの upsert。トリガー："create a datasource"、"OData/flow datasource"、"FPDS"、"footprintDatasource"、"a datasource an action can call"、"standalone vs owned datasource"。
Google Ads のアトリビューションモデル、データドリブンアトリビューション、アトリビューションウィンドウ、クロスチャネルアトリビューション、アトリビューションがスマート入札に与える影響、マルチタッチのコンバージョンパス、どのキャンペーンが実際にコンバージョンを生んでいるかの理解をユーザーが求める場合。'attribution'、'attribution model'、'data-driven attribution'、'last click attribution'、'assisted conversions'、'conversion window'、'multi-touch'、'attribution model comparison'、'first click attribution'、'credit allocation'、'which campaign is driving conversions' でトリガーされる。コンバージョン計測の設定については google-ads-conversion-tracking を参照。スマート入札戦略については google-ads-bidding を参照。
mz-deploy CLI を使用して Materialize 向けの宣言的 SQL プロジェクトを管理する——プロジェクトのレイアウトと stage/wait/promote のデプロイライフサイクル。ユーザーが mz-deploy プロジェクト（project.toml を含むディレクトリ）で作業しているとき、SQL の変更を Materialize に安全にデプロイする方法を尋ねたとき、または mz-deploy、project.toml、profiles.toml、types.lock、ステージングデプロイ、deploy ID、`mz-deploy stage`、`mz-deploy promote`、`mz-deploy abort`、`mz-deploy apply`、`SET api = stable`、stable API スキーマ、置換マテリアライズドビュー、EXECUTE UNIT TEST、プロファイル別の SQL ファイル上書き（`name#profile.sql`）に言及したときにこのスキルを使用する。ユーザーが Materialize のデプロイをロールバックする必要があるとき、またはデプロイの競合を解決する必要があるときにもトリガーする。
A 株の保有銘柄の詳細なテクニカル分析スキル。ユーザーが保有銘柄のスクリーンショット画像を送信したとき、または保有/株式/投資助言に関連する意図に言及したとき、このスキルが自動的に有効化される。有効化条件（いずれかを満たせば発動）： - ユーザーが画像（保有銘柄のスクリーンショット、相場のスクリーンショットなど）を送信した - ユーザーが「分析持仓」「我的持仓怎么样」「给投资建议」「持仓诊断」「我的股票」「目前持仓」と言った - ユーザーが「更新持仓」「录入持仓」と言った - ユーザーが「每日一股」または同様の表現を言った - 保有銘柄の照会、投資助言、保有銘柄の診断を含むあらゆるテクニカル分析のリクエスト 有効化後の動作： 1. 画像を受け取った場合 → AI のマルチモーダル機能でスクリーンショットの内容を直接読み取ることを優先 2. 画像はないが保有銘柄の意図がある場合 → positions_portfolio.json を読み取る 3. 保有銘柄データがない場合 → ユーザーに伝えて入力を案内する 4. 完全なテクニカル分析を実行（AKShare のリアルタイム相場 + RSI/MACD/KDJ/ボリンジャーバンド/移動平均線） 5. 操作提案を生成（保有/減らす/買い増す/利確/損切り） 6. 分析結果を会話内に直接出力する
既存の Искрон グラフに対するセマンティックな作業に使用する：ライフサイクルの閉鎖、矢印への sense の付与、二人の行為者を持つ крий の分割、現象の識別後の再フック —— グラフは構造的には存在するが、セマンティックには不完全である。トリガー：「проткать」、「прошить」、「ткачество」、weave、close lifecycle、fix tensions、leaked/relay-gap/orphan、iskron_orient(lens=\"tensions\") が問題を示す、入力時のテンションスコアが高い。design とは異なる：design は目標から構造を生み出し、weaving は既存の構造を完成させる。
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。