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
ScraperAPI Java SDK（com.scraperapi:sdk Maven アーティファクト）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 Java 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に参照する。ユーザーが「Java と ScraperAPI でウェブサイトをスクレイピングする」、「ScraperAPI Java の例」、「ScraperAPI を Maven プロジェクトに追加する方法」、「Java ScraperAPI render」、「ScraperAPI Java fluent API」、「ScraperAPI Java premium proxy」、「ScraperAPI Java エラー処理」、「ScraperAPI Java リトライ」を尋ねたときに使用する。Maven/Gradle のセットアップ、fluent builder API、すべてのリクエストパラメータ、エスカレーションラダー、非同期ジョブ、構造化データ呼び出し、エラー処理、クレジットコストを扱う。注：ユーザーが指定したクエリ、URL、コンテンツを ScraperAPI に送信する。
ScraperAPI PHP SDK（scraperapi/sdk Composer 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 PHP 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に参照する。ユーザーが「PHP と ScraperAPI でウェブサイトをスクレイピングする」、「ScraperAPI PHP の例」、「ScraperAPI PHP SDK の使い方」、「PHP ScraperAPI render」、「ScraperAPI PHP premium proxy」、「ScraperAPI PHP Composer インストール」、「ScraperAPI PHP エラー処理」を尋ねたときに使用する。Composer のセットアップ、すべてのリクエストパラメータ、エスカレーションラダー、POST リクエスト、エラー処理、クレジットコストを扱う。注：ユーザーが指定したクエリ、URL、コンテンツを ScraperAPI に送信する。
Scrapfly RPA API を使い、マネージドクラウドブラウザに対して型付きのワークフローグラフを実行し、生成された成果物（HTML スナップショット、ダウンロード、HTTP レスポンスボディ、JS の戻り値）を取得し、それらを Scrapfly のマネージド bucket または自社の顧客 GCS・S3 bucket にルーティングする。ユーザーが「RPA ワークフローを実行」、「実行から成果物を取得」、「BYOS ストレージを構成」、「RPA 用に顧客 GCS・S3 を設定」、「ストレージ宛先をテスト」を求めるとき、または /v2/rpa/* エンドポイントに関わるタスクで使用する。
ax graph に新しい write、signal、table、edge、query を出荷するための完了定義チェックリスト。SurrealDB のテーブル／エッジ／フィールド、ingest の derive-stage、新しい分析クエリ、その他の新しい ax 機能を追加するとき——PR を開く前に使用します。すべての write に対し、オンデマンド読み取り、能動的（エージェント向け）読み取り、ドキュメント／配布が揃うことを保証します。トリガー：「ship」「new signal」「new table/edge」「new lens/query」「wire this up」「is this done」、または ax の機能ブランチを完了するとき。
SwanLab との連携 — トラッキングコードの作成（init/log/finish/multimedia）と、コマンドライン（`swanlab api`）による実験データの照会の両方。ユーザーが学習トラッキングコードを書きたい、指標やメディアを記録したい、実験を管理したい、指標/ログ/キーを確認したい、プロジェクト/実行を一覧表示したい、実験を絞り込みたい、セルフホスト可能なユーザーを管理したい、コマンドラインで照会を自動化したい場合、または "swanlab"、"experiment tracking"、"log metrics"、"swanlab api"、"swanlab cli" に言及した場合にこの skill を使用。
Weibo（微博）のトレンドトピックを分析し、検索急上昇キーワードに基づいて創造的な製品アイデアを生成する。Weibo API からリアルタイムのトレンドデータを取得し、背景情報とユーザーインサイトを調査し、100 点満点の採点システムで製品開発の可能性を評価し、インタラクティブな HTML ダッシュボードを作成する。中国のソーシャルメディアのトレンドを分析するとき、トレンドトピックから製品機会を特定するとき、または市場に基づく創造的な製品コンセプトを生成するときに使用する。
pbir CLI を使って完全な Power BI レポートをゼロから作成するための手順別ワークフロー。モデルの検出、レポート作成、ページレイアウト、テーマ設定、ビジュアルの配置、フィールドのバインド、フィルタリング、書式設定、検証、公開を扱う。ユーザーが「create a new report」「build a report from scratch」「make a dashboard」「set up a report with KPIs」「create an executive dashboard」「add pages and visuals to a new report」を求めたときに自動的に呼び出す。
サニタイズされた読み取り専用の証拠から Splunk forwarder とデータ取り込み経路を診断する。Universal Forwarder または Heavy Forwarder の転送、deployment client が取り込みに与える影響、HEC などの入力、パースとタイムスタンプ、イベント境界、ルーティング、sourcetype や index の不一致、イベントの欠落、遅延、重複、破棄、および Splunk Cloud Platform や Splunk Enterprise におけるキューやバックプレッシャーに使用する。ライブ変更、広範なアーキテクチャ、フリートポリシー、HEC token の管理、検索時の抽出、プロバイダーが担う是正には使用しない。
GTM 実装ドキュメント、レポート影響分析、GA4 レポート設定、ステークホルダー向けサマリーを生成する。ユーザーが「GTM 実装を文書化する」「どんなレポートを作れるか」「イベントスキーマのドキュメントを作成する」「ステークホルダー向けサマリーを生成する」「レポート影響を分析する」を必要とするとき、またはトラッキングデータのビジネス価値を理解したいときに使用する。技術ドキュメントを作成し、GA4 探索を提案し、リマーケティングオーディエンスを定義し、技術イベントをビジネスインサイトに変換する。
KooCLI v3.2.0+ と DWS Autopilot MCP Server に基づく、DWS クラスタのメモリ高騰の根本原因診断スキル。メモリメトリクスを自動収集し、根本原因（顧客側 / システム側）を分析し、標準化された診断レポートを出力する。DWS クラスタのメモリ使用率が高すぎる場合、メモリアラーム、OOM のシナリオに適用できる。トリガーワード：内存高、内存告警、内存诊断、内存使用率过高、内存不足、OOM、内存溢出、动态内存使用率超阈值、high memory、memory alarm、memory diagnosis。
ユーザーが Excel で財務モデルを構築したい場合にこのスキルを使用します——3 表モデル、DCF バリュエーション、LBO、SaaS ユニットエコノミクス、感度／シナリオ分析、債務スケジュール、資金調達予測。トリガー：'financial model'、'3-statement model'、'P&L + BS + CF'、'DCF'、'WACC'、'NPV'、'terminal value'、'LBO'、'debt schedule'、'cash sweep'、'MOIC'、'IRR / XIRR'、'sensitivity table'、'scenario analysis'、'ARR model'、'unit economics'、'CAC / LTV'、'cap table forecast'。出力は単一の数式駆動型 .xlsx です。本スキルは officecli-xlsx の上に載るシーンレイヤーであり、xlsx v2 の全ルール（4-color code、visual floor、number formats、cache-drift、Known Issues、Delivery Gate minimum cycle）を継承します。単純な予算トラッカー、CSV ダンプ、運用 KPI シートには使用しないでください——それらは officecli-xlsx ベースに振り分けてください。
サンプリングされた Phoenix のトレース、スパン、セッションを読み、自由形式のノートを書いて（オープンコーディング）、そのノートを少数の狭い注釈にまとめる——失敗次元ごとに 1 つ、小さなラベルセットと件数を伴う——ことで、評価対象と修正の優先順位を選ぶ（軸コーディング）。用途：「このエージェントの何がおかしいのか」「アプリに計装を入れたばかりだが、どこから始めればよいか」「これらのトレースをレビューして」「チャットボットがコンテキストを失い続ける」「モデルはどんな種類のミスをしているのか」「どのような失敗カテゴリがあるのか」「何の評価を構築すべきか」「修正の優先順位をどう付けるか」「これらのノートをグループ化して」「MECE な分解」——または、その手法を名指ししていなくても、机上で作るのではなく実際のトレースに基づく観察やカテゴリを必要とするあらゆる枠組み。
検証済みのメールアドレス、電話番号、企業情報データで連絡先と企業をエンリッチする——単一レコード、バッチ、ウォーターフォール型エンリッチメントとクレジット最適化に対応。連絡先データにメールアドレスや電話番号が欠けている場合、リードレコードが不完全または古い場合、エンリッチメントのクレジット消費が速すぎる場合、キャンペーン前にリードをまとめてエンリッチする必要がある場合、単一のエンリッチメントプロバイダーでは十分なデータを取得できない場合に使用する。以下には使用しない：ゼロからの新規見込み客リストの構築（/sales-prospect-list を使用）、購買シグナルの解釈（/sales-intent を使用）、CRM データのクレンジングと重複排除（/sales-data-hygiene を使用）、ZoomInfo 固有のエンリッチメント設定（/sales-zoominfo を使用）、Clearbit/Breeze Intelligence プラットフォームのヘルプ（/sales-clearbit を使用）、RB2B プラットフォームのヘルプ（/sales-rb2b を使用）、6sense プラットフォームのヘルプ（/sales-6sense を使用）、Apollo プラットフォーム全般のヘルプ（/sales-apollo を使用）、Clay プラットフォームのヘルプ（/sales-clay を使用）、LeadMagic プラットフォームのヘルプ（/sales-leadmagic を使用）。
統合ホスト MCP `topview-mcp` 経由の TikTok Shop 公開インテリジェンス（段階的開示：use_tiktok_data → get_tool_schema → call_tool、遅延読み込みされる td_* ツール）。用途：TikTok Shop の市場トレンド、商品選定、バイラル素材の分解、スクリプト、コンテンツカレンダー、アフィリエイト/クリエイター運用、広告/ライブ運用。対象外：Amazon、Shopee、YouTube KOL プール、メディア生成（topview-amazon-ops、topview-shopee-ops、topview-youtube-kol-ops、topview-generate を使用）。
La Growth Machine のデータから Weekly Performance Advisor ダッシュボードを生成します。修正が必要なキャンペーンを指摘し、返信を緊急度順に並べ、返信量を週ごとに追跡する 2 タブのコックピット（To do + Weekly performance）です。あなた自身の LGM ライブデータのみを取得し、実行中の各キャンペーンを組み込みの 3 ゾーン基準でスコアリングし、未タグの返信を分類し、毎週月曜に開き直せるライブ artifact としてレンダリングします。週次のアウトバウンド実績ダッシュボード、月曜のコックピット、キャンペーン健全性の一覧、"how are my campaigns doing this week"、"who do I need to reply to"、返信トリアージ + キャンペーン健全性ビューをユーザーが求める場合に使用します。トリガー：'weekly performance dashboard'、'my outbound cockpit'、'weekly performance advisor'、'campaign health this week'、'how are my campaigns doing this week'、'my Monday cockpit'。初回実行時は簡単なセットアップ（LGM の検出と接続、ID の選択、任意の deal layer）を行い、以降の実行ではダッシュボードを再構築するだけです。La Growth Machine が保守しています。
Zvec ベクトルデータベース開発アシスタント。ユーザーが zvec に基づくベクトル検索アプリの開発、RAG システムの構築、セマンティック検索の実装、ベクトルデータの保存とクエリを行いたい場合にこのスキルを使用します。Python と Node.js の開発環境に適しており、基本概念から高度な使い方までの完全な技術ガイダンスを提供します。ユーザーがベクトルデータベース、類似度検索、埋め込みの保存、HNSW/IVF インデックス、ハイブリッド検索、マルチベクトルクエリ、zvec API の使用に言及した場合は、このスキルを積極的に使用してください。
Azure Machine Learning Workspace と Azure AI Foundry の詳細解説。以下の場合に積極的に起動：(1) Azure ML ワークスペースの作成と構成、(2) Azure AI Foundry ハブとプロジェクト、(3) ML ワークスペースのネットワーク（マネージド VNet、プライベートエンドポイント、DNS）、(4) ML コンピューティングクラスターとコンピューティングインスタンス、(5) マネージドオンラインエンドポイント、バッチエンドポイント、Kubernetes エンドポイント、(6) ML リソースのマネージド ID、(7) カスタム環境向けの ACR 統合、(8) ストレージアカウントの構成、(9) az ml CLI v2 コマンド、(10) PowerShell Az.MachineLearningServices、(11) ML コンピューティングとデプロイのログの読み取り、(12) GPU SKU の選択（ND/NC シリーズ、H100/H200/A100）。提供：ワークスペースセットアップのプレイブック、ネットワーク分離パターン、エンドポイントデプロイテンプレート、az ml CLI チートシート、ログ診断ワークフロー。
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。