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
ADF + Azure ML と分析の統合。以下の場合に積極的に有効化する：(1) ADF から呼び出す Azure ML バッチエンドポイント、(2) Azure OpenAI Batch API のパイプラインパターン、(3) ADF の ML スコアリングオーケストレーション、(4) SQL から Storage へのアーカイブパイプライン、(5) REST connector 経由の AI Services 連携、(6) ADF からの Databricks notebook 実行、(7) Data Flow の特徴量エンジニアリング、(8) ADF からの Synapse / Fabric 連携、(9) Cognitive Search インデクサーティガー、(10) REST 経由の Power BI データセット更新。提供：REST connector レシピ、Databricks リンクサービスの設定、Data Flow テンプレート、エンドツーエンドの ML スコアリングパイプライン。
在庫評価レポート、決済レポート、仕入先の発注書から、Amazon 卖家向けに CPA 提出可能な年末 COGS 明細を作成する。課税所得を 8〜15% 過大計上させる期末在庫の計算ミスを検出する。ユーザーが年末税務、COGS、在庫評価、"税理士向け税務パック"について尋ねたときに使用。トリガーフレーズ："year-end taxes"、"COGS schedule"、"inventory valuation"、"FIFO LIFO Amazon"、"tax pack for CPA"。ツールゼロで動作。
外部ユーザー向けに Confluent 固有のスキルを作成する。ユーザーが Confluent Cloud、Confluent Platform、Apache Kafka、WarpStream、Flink、Connectors、Schema Registry、Tableflow、CDC パイプライン、または任意の Confluent 製品に関連する新しいスキルを作成、構築、執筆したいときにこのスキルを使用する。スキルはユースケース中心（データエンリッチメント、CDC から Tableflow、ストリーム処理ワークフローなど）にも、コンポーネント固有（Flink スキル、Schema Registry スキル、Connector スキルなど）にもできる。ユーザーが Confluent 製品を直接使用したい場合（例：パイプラインの構築、プロデューサーの作成、Flink SQL のデプロイ）にはこのスキルを使用しない——代わりに適切な製品固有のスキルを使用する。このスキルは新しいスキルの作成専用であり、既存のスキルの使用向けではない。
Fabric Dataflow Gen2 アイテムを管理します。作成、M の編集、接続、出力先、getDefinition と updateDefinition の検査、executeQuery、更新履歴、saveAsNativeArtifact による Gen1 から Gen2 への名前を付けて保存によるアップグレードを含みます。Dataflow アイテムや Power Query M 定義に使用します。パイプライン JSON には pipeline-migration を、Spark や Warehouse の変換にはそれぞれ専用のスキルを使用してください。
ERPNext で Script Report、Query Report、ダッシュボードチャート、Number Card を作成するときに使用。列定義の誤りによるレポート出力の空、フィルターの不具合、大規模データセットでの非最適化 SQL を防ぐ。Report Builder、Script Report（Python + JS）、Query Report、レポートフィルター、ダッシュボード Chart DocType、Number Card、レポート権限を扱う。キーワード：report、Script Report、Query Report、dashboard、chart、Number Card、filters、columns、execute、get_data、create report、custom report、dashboard chart、report empty、no data showing。
Query Report、Script Report の作成や Report Builder の設定（チャートデータ連携を含む）を行うときに使用します。列定義の誤り、権限不足、データ形式の不備によるレポートエラーを防ぎます。Query Report（SQL ベース）、Script Report（Python ベース）、Report Builder、レポート列の定義、フィルター、chart_data、レポート権限、prepared_report を扱います。キーワード：Query Report、Script Report、Report Builder、report columns、filters、chart_data、frappe.query_report、prepared_report、report columns、how to build report、report not showing data、chart in report。
Rekor のセットアップと運用 — AI エージェント向けのヘッドレスな記録システム。使用場面：`rekor` CLI のインストール、認証、base の作成、record_types の定義、preview での作業と production への昇格、config as code（rekor pull/push）の管理、レコードの upsert やクエリ（Filter DSL または SQL）、リレーションシップの管理、バージョン管理されたファイルや添付ファイルの保存（S3 マウントを含む）、インバウンド webhook、トリガー、バッチ操作、またはエージェント評価用のシードフィクスチャの設定、外部 API による record_type の裏付け（外部ソース、エグゼキュータ）、シークレットボールトへの認証情報の保存、プロバイダー間でのツール定義のインポート／エクスポート（OpenAI/Anthropic/Google/MCP）、厳選された MCP Factory ツールセットと Actions の作成、API トークンのスコープ設定、LLM エージェントが確実に使えるようにするための record_types とツールセットのモデリング、またはあらゆる Rekor の概念（base、record_type、record、relationship、preview/production、promotion、external_id）の解釈。
SQLx、Diesel、SeaORM を含む Rust のデータベースアクセスの設計、実装、マイグレーション、テスト、運用を行う。スキーマ進化、トランザクション境界、コネクションプール、リトライ、型マッピング、同時実行制御、実データベースでの検証を含む。Rust の SQL や ORM コード、マイグレーション、トランザクション、PostgreSQL や MySQL 連携、コネクションプール、クエリの安全性、データベースの本番 readiness について質問されたときに使用する。
ユーザーが A/B テストや実験を計画、設計、実施したい場合、またはグロース実験プログラムを構築したい場合に使用します。「A/B test」「split test」「experiment」「test this change」「variant copy」「multivariate test」「hypothesis」「should I test this」「which version is better」「test two versions」「statistical significance」「how long should I run this test」「growth experiments」「experiment velocity」「experiment backlog」「ICE score」「experimentation program」「experiment playbook」に言及した場合も使用します。2 つのアプローチを比較して、どちらの成果が高いか測定したい場合や、体系的な実験の取り組みを構築したい場合はいつでも使用してください。トラッキングの実装については analytics を、ページ単位のコンバージョン最適化については cro を参照してください。
一般的に適用できるバックエンド/データのベストプラクティス。バックエンド/データのコードを書いたり変更したりするときはいつでも使用 — API ルート、サーバーアクション、DB 書き込み、バックグラウンドジョブ、エージェントツール、インポートフロー、webhook、ペーストハンドラー、その他データがシステムに入るあらゆる箇所。コードを書く前に参照して、パターンを作り込み、後から当てはめるのではなくする。スキル本文に記載されたシナリオが作業に一致する場合は、そのパターンを適用する — 尋ねずに従う（選択を 1 行で示し、ユーザーが上書きできるようにする）。
モデルを設計する前にデータ理解を担う。`data_analysis/data_analysis.py` を配置し、実行しない。`materialize.py` を一度実行し、`data_analysis.md` と JOURNAL § Data understanding を書く。モデルの設計、`src/<pkg>/` の編集、生データファイルの変更は決して行わない。トリガー：ユーザーがデータの探索、プロファイリング、理解を求めたとき；triage がここへ送ったとき（`status.data_analysis` が欠落）；データソースが変更されたとき；記録済みの EDA を更新したいとき；記録済みの EDA にリークや調査事項が生じたとき。停止条件：`status.setup.pending` が空でないとき（`setup-ml-project` をロード）、データがないとき（triage へ送る）、リクエストが生データの探索でないとき、または EDA が記録済みで更新も方法論上の懸念もないとき。setup が保留中に、パッケージルートやルートの `JOURNAL.md` を勝手に作らない。使い方：`add-python-package` 経由で G-TABULAR を実行し、ターゲットを推論または質問し、インストール済みなら `plot-ml-figure` をロードし、次に Close を含む 5 択の継続ボードを尋ねる。
GoldRush Streaming API — WebSocket 上の GraphQL サブスクリプションによるリアルタイムのブロックチェーンデータ。リアルタイムの価格フィード（OHLCV ローソク足）、リアルタイムの DEX ペア監視（新規ペア、流動性の更新）、ウォレットアクティビティのストリーミング、デコードされたスワップ・送金イベント、トークン検索、トレーダーの損益分析、またはサブ秒レイテンシのブロックチェーンイベントプッシュをユーザーが必要とするときはいつでもこのスキルを使用する。トレーディングボット、ライブダッシュボード、アラートシステム、コピートレード、DEX スナイピング、リアルタイム分析に適したスキル。トークン発見と収益性分析のための単発の GraphQL クエリも対象。ユーザーが履歴データ、バッチクエリ、ページネーション付き REST 結果を必要とする場合は、代わりに goldrush-foundational-api を使用する。API キーなしの従量課金アクセスが必要な場合は、代わりに goldrush-x402 を使用する。
Power BI Enhanced Report（PBIR）の JSON schema とパターンのフォーマットリファレンス。ユーザーが PBIR JSON 構造、visual.json のプロパティ、PBIR 式、objects と visualContainerObjects、テーマの継承、条件付き書式のパターン、拡張メジャー、ブックマーク、フィールド参照、フィルターの書式、クエリロール、PBIR ページ構造、レポートの壁紙、その他 PBIR メタデータのフォーマットに関する質問をしたときに自動的に呼び出す。
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。