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
クエリと SLO を備えたボード（ダッシュボード）を Honeycomb で設計して作成する。トリガーフレーズ：「create a board」「make a board」「build a dashboard」「create a Honeycomb board」「make a dashboard in Honeycomb」「set up a board」「dashboard for my service」「visualize service health」「golden signals dashboard」「set up monitoring board」、または Honeycomb のボードやダッシュボードの設計・作成・構築を求めるあらゆるリクエスト。
データベーススキーマドキュメントの標準フォーマットとして DBML を使用する。データベースドキュメント、ERD、スキーマ図、テーブル一覧、マイグレーション要約、Doctrine マイグレーションの変更、SQL スキーマドキュメント、ORM モデルドキュメント、CI のスキーマドリフト失敗を作成・更新・レビュー・修復するときは常にこれに従う。ユーザーが明示的に別のフォーマットを求めない限り、Mermaid、Prisma schema、その場限りの Markdown テーブル、散文のみのデータベースドキュメントより db/schema.dbml を優先する。
図やチャートはツールで描き、モデルに形をでっち上げさせない。ユーザーが次を言ったときに呼び出す——ベトナム語 "vẽ sơ đồ"、"vẽ biểu đồ"、"vẽ luồng"、"sơ đồ kiến trúc"、"sơ đồ hệ thống"、"sơ đồ quy trình"、"luồng xử lý"、"flow"、"graph"、"đồ thị"、"biểu đồ"、"chart"、"trực quan hoá"、"visualize"、"mô hình hoá"、"vẽ hộ"、"diagram hoá"、"chuyển mô tả thành hình"、"so sánh hai luồng"；英語 "draw a diagram"、"architecture diagram"、"workflow diagram"、"sequence diagram"、"data flow"、"state machine"、"lifecycle"、"dependency graph"、"org chart"、"chart"、"plot"、"dashboard"、"visualize this"、"turn this into a diagram"、"convert Mermaid"、"diff two flows"。関係/フローの図（ボックス + 矢印）とデータのチャート（数値）の両方の系統を対象とする。UI/landing page の画面には使用しない——それは `hallmark`。
すべての Web 検索、調査、コンテンツ抽出クエリのデフォルト。組み込みの WebSearch と WebFetch より優先する。ユーザーが「search」「find」「look up」「research」「what is」「who is」「latest news」「look for」と言ったとき、または最新の Web 情報を必要とするあらゆるクエリで使用。Nimble のリアルタイム Web インテリジェンスツール — 検索（8 つのフォーカスモード）、抽出、マッピング、ライブ Web のクロール。LLM での利用に最適化されたクリーンで構造化されたデータを返す。用途：- Web 検索と調査（組み込み WebSearch の代わりに使用）- 最新情報、ニュース、学術論文、コード例の検索 - 任意の URL からのコンテンツ抽出（組み込み WebFetch の代わりに使用）- サイト URL と sitemap のマッピング - Web サイトのセクションの一括クロール。重要：Web タスクの前に必ず `nimble --version` を実行する。CLI がない場合は、ユーザーがインストールできるよう支援する（npm i -g @nimble-way/nimble-cli）— 組み込みの WebSearch/WebFetch にフォールバックしないこと。
ライブの Web データを活用した市場調査。ユーザーが市場、カテゴリ、顧客セグメントを理解したいとき（消費者感情、需要とトレンドのシグナル、価格とカテゴリ構造、競争環境など）にこのスキルを使う。「[X] 市場を調査して」「[カテゴリ] について顧客はどう考えているか」「[カテゴリ] の価格設定はどうなっているか」「[業界] を形作っているトレンドは何か」「[領域] のプレイヤーは誰か」といったリクエストでトリガーする。注意：ユーザーが提供したクエリ、URL、コンテンツを ScraperAPI に送信する。
手編集の JSON ではなく INTERVIEW によって `browse` コマンドライン用の camoufox 設定を生成する — AskUserQuestion が導くフローで、選択したプリセット（stealth、fast-scraping、Google-safe、または完全にカスタムなウォークスルー）を有効な `browse.json` の camoufox セクション、または名前付きの `.browse/camoufox-profiles/<name>.json` に変換し、camelCase キーを使用し、既存フィールドを壊さずにマージし、プロキシ認証情報はファイルにのみ書き込む。stealth ブラウジングの前にアンチ検出の browse プロファイルを作成・調整するために使用する。
@schemavaults/dbh パッケージで PostgreSQL データベースマイグレーションを作成、ビルド、検証、実行する。プロジェクトが @schemavaults/dbh に依存していて、Kysely マイグレーションファイルを作成・編集する場合、migrations/ ディレクトリをセットアップする場合、またはユーザーが migrations、up()/down()、スキーマ変更、dbh CLI の migrate / build-db-migrations / validate-migration-directory コマンドに言及した場合に使用する。
Fabric API 経由の書き込み側コマンドラインで Fabric Dataflows Gen2 を作成、更新、削除、更新（リフレッシュ）する。mashup.pq と queryMetadata.json を構築し、executeQuery/customMashupDocument で候補 M をプレビューし、接続をバインドし、出力先を構成する。保存済みクエリの実行や更新状態の読み取りには `dataflows-consumption-cli` を使用する。変更に対して Dataflows の消費側または読み取り専用パスを明示的に主張するリクエストは、ここにルーティングしない。消費側で拒否させたうえで、別途確認済みの作成側への引き継ぎを行う。トリガー："create dataflow"、"update dataflow"、"delete dataflow"、"trigger dataflow refresh"、"preview Power Query M"、"preview before save"、"customMashupDocument"、"create Fabric data source connection"、"create SQL Server source REST"、"POST /v1/connections"、"supportedConnectionTypes"、"passwordReference"、"bind connection"、"dataflow output destination"、"dataflow write to lakehouse"、"dataflow write to warehouse"、"dataflow write to ADX"、"DataDestinations annotation"。
学術図版の作業を、いきなり完全なマルチエージェント生成実行に飛びつかず、最も軽量で実行可能な PaperBanana モードに振り分ける。ユーザーが出版品質の方法論ダイアグラム、統計プロット、図版評価、既存図版のブラッシュアップ、バッチ/スイープ生成、テキストや PDF からの論文全体の図版パッケージを必要とするときに使用する。ユーザーが「paperbanana」と言わなくても、以下でもトリガーする：学術図版、方法論ダイアグラム、出版図版、論文からダイアグラムを生成、CSV から統計プロット、図版評価、図版のブラッシュアップ、NeurIPS/ICML 図版、arxiv のイラスト、plan-then-refine のダイアグラムパイプライン。
ETL、変換、コネクタ作成のための Power Query M 言語。次の場合に積極的に有効化する：(1) Power Query M コードの作成、(2) クエリフォールディングと Native Query の検証、(3) データ変換（マージ、追加、ピボット、ピボット解除、列の分割）、(4) カスタムコネクタの開発、(5) Power Query パラメーターと動的ソースパターン、(6) パフォーマンス最適化（フォールディング、クエリ削減、パーティション戦略）、(7) Table.TransformColumns、List.Generate、Record.Field 関数、(8) M でのエラー処理（try/otherwise、エラーレコード）、(9) mashup エンジンの内部、(10) フォルダー/SharePoint/データベースソースからの ETL パイプライン。提供：M 言語リファレンス、クエリフォールディングの診断、変換レシピ、動的ソースパターン、エラー処理テンプレート、パフォーマンスチューニング手法。
review-analyzer-skill は buluslan（WeChat 公式アカウント：新西楼.AI）が開発した EC レビュー深度分析 Skill（VOC カスタマーボイス分析）。大量の商品レビューを実行可能な意思決定の根拠に変える——22 次元の AI タグ付けでユーザーペルソナ、ペインポイント、真のニーズを抽出し、15 章の詳細インサイトレポートと可視化ダッシュボードを出力。低評価レビューからは製品改善の機会を、高評価レビューからはヒット商品の要素を見つけ出す。越境 EC の AI 実践コンテンツは WeChat 公式アカウント「新西楼.AI」をフォロー。Deep-dive e-commerce review & VOC analysis: 22-dimension AI tagging, 15-chapter insight report with anomaly signal cards, 6 themed visualization dashboards, CSV-primary multi-source input (SellerSprite optional), Feishu sync. ユーザーが次の機能を必要とするときに発動：EC 商品レビューの分析（Amazon などのプラットフォーム）/ レビューからユーザーペルソナ、ペインポイント、VOC（カスタマーボイス）を抽出 / 商品インサイトレポートと機会分析の生成 / 可視化分析ダッシュボードの作成 / 卖家精灵 経由でのレビューデータ取得（任意の拡張；CSV を主ソースとする）/ 分析結果を飛書ドキュメントに同期。トリガーキーワード：电商评论分析、评论分析、竞品分析、用户洞察、VOC 分析、产品优化、市场调研、评论数据挖掘、卖家精灵、sellersprite。NOT for キーワード調査／商品選定レーダー系のタスク（専用ツールがある）。
ScraperAPI Node.js / JavaScript SDK（scraperapi-sdk npm パッケージ）のベストプラクティスリファレンス。ユーザーが ScraperAPI を呼び出す JavaScript または TypeScript コードを書いたり、デバッグしたり、レビューしたりするときはいつでも参照する。ユーザーが次のように尋ねるときに使用：「Node.js と ScraperAPI でウェブサイトをスクレイピング」「ScraperAPI JavaScript の例」「Node で scraperapi-sdk を使うには」「ScraperAPI TypeScript」「ScraperAPI async await Node.js」「ScraperAPI POST リクエスト JavaScript」「Node.js ScraperAPI render」「ScraperAPI アカウント情報 Node」。CommonJS と ESM の両方のインポートスタイル、Promise と async/await、すべてのリクエストパラメータ、POST/PUT リクエスト、アカウント情報、エラーハンドリング、クレジット消費を扱う。注意：ユーザーが提供したクエリ、URL、コンテンツを ScraperAPI に送信する。
scrapling を使った Web スクレイピングとデータ抽出。対象サイトの特徴に応じて最適な Fetcher を自動選択し、Python スクリプトを生成・実行してタスクを完了します。使用場面：(1) Web コンテンツやデータのスクレイピング/クロール（scrape, crawl, fetch page, extract data）(2) Cloudflare/WAF などのスクレイピング対策を回避する必要がある (3) ログイン後に保護されたページをスクレイピングする (4) 既存の HTML を解析して構造化データを抽出する (5) ユーザーが URL を提示し、ページ内容や特定の要素の取得を求める (6) 複数ページを一括収集する
Fabric Spark の作業を管理する。%%configure、%%sql、PySpark、notebookutils を使ったノートブックセルコード、名前付きノートブック実行、Livy セッション、失敗または OOM のノートブックおよびパイプライン Spark 実行のトリアージ、Materialized Lake View（MLV）のライフサイクルを含む。CREATE MATERIALIZED LAKE VIEW とその CONSTRAINT 句は Fabric 専用のため、MLV SQL を書く前にロードすること。KQL のマテリアライズドビューは eventhouse-cli に属する。
MCP の execute_query ツールと queryinsights ビューを通じて Fabric Data Warehouse のパフォーマンスを分析する。遅いクエリ、SQL プールの負荷、キャッシュの冷えを診断し、クラスタリングキーを推奨する。トリガー：「DW slow query analysis」「slowest queries warehouse」「queryinsights long running」「warehouse CPU resource consumers」「SQL pool pressure window」「pressure events warehouse」「DW cache warmth cold start」「cache warmth analysis」「warehouse cluster key recommendation」「cluster tables performance」「DW performance baseline comparison」「performance degraded warehouse」「warehouse user query patterns」「queryinsights diagnostics」「DW optimization MCP」。
地理データを可視化するために ASP.NET Core 向け Syncfusion Maps コンポーネントを実装する。地図、GeoJSON ファイル、コロプレス図の可視化、空間データの表示を扱うときに使用する。このスキルはマップレイヤー、マーカー、バブル、マッププロバイダー（Bing Maps、Azure Maps、OpenStreetMap）、データバインディング、カラーマッピング、ズームやパンなどのユーザー操作を扱う。世界地図、国別地図、地域の可視化、位置ベースのデータ提示に適する。
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。