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
セマンティックモデルのパーティションで Power Query M 式を作成、検証、テストします。ユーザーが "Power Query"、"M code"、"M expression"、"partition expression"、"query folding" に言及した場合、または "write Power Query"、"fix Power Query"、"test a partition"、"preview partition data"、"debug Power Query step"、"optimize Power Query" を依頼した場合に自動的に呼び出します。
株式のインテリジェント分析スキル。銘柄コード（A株／香港株／米国株）を入力すると、自動で以下を実行します：1. リアルタイム株価と過去のローソク足データを取得 2. テクニカル指標（MA/MACD/RSI/出来高/乖離率）を計算 3. 総合スコア（100点満点）と売買シグナルを提示 4. 最新ニュースを検索 5. AI による総合分析を行い、意思決定ダッシュボードを出力。ユーザーが銘柄コードを提示して分析を求める、銘柄の状況を尋ねる、相場分析を依頼するなどの場面で起動します。入力例：「TSLA PLTR を分析して」「600519 はどう？」「HK00700 を見て」
ブランチ上で Datex Studio ストレージコンポーネント（configurationTypeId=17、*-storage.json サフィックス）を作成または変更するときに使用する — 関数階層で $db 経由でアクセスするクラウド永続化 Mongo ストレージ。ストレージと Footprint エンティティの選択、列記述子の形状、`required: true` の読み取り後にパッチする罠（リリース後のみ追加可）、増分的な進化規則、スキーマ変更前の影響分析を担う。トリガー：「ストレージを作成する」「xxx_storage に列を追加する」「オプション/設定テーブル」「ルールテーブル」「日次スナップショットの取得」「必須列を追加した後の $db.update 検証エラー」、ストレージと Footprint エンティティのどちらを選ぶかの判断。
スプレッドシートファイルが主要な入力または出力となる場合は、常にこのスキルを使用します。既存の .xlsx、.xlsm、.csv、.tsv ファイルを開く、読み取る、編集する、修正する（列の追加、数式の計算、書式設定、グラフ作成、乱雑なデータの整理など）、新しいスプレッドシートを一から作成する、または他のデータソースから作成する、表形式ファイル間で変換するタスクが対象です。ユーザーがスプレッドシートのファイル名やパスに触れ（「ダウンロードにある xlsx」のような軽い言及も含む）、その処理や作成を求める場合は特に使用します。形式の崩れた行、ずれたヘッダー、不要データを含む乱雑な表データを適切なスプレッドシートに整理・再構成する場合も対象です。成果物はスプレッドシートファイルである必要があります。主な成果物が Word 文書、HTML レポート、単独の Python スクリプト、データベースパイプライン、Google Sheets API 連携の場合は、表データが関係していても使用しません。
ユーザーが A/B テストや実験の計画、設計、実施、または成長実験プログラムの構築を希望する場合に使用します。「A/B テスト」「スプリットテスト」「実験」「この変更をテスト」「バリアントの文案」「多変量テスト」「仮説」「これをテストすべきか」「どちらのバージョンがよいか」「2つのバージョンをテスト」「統計的有意性」「テストをどれくらい実施すべきか」「成長実験」「実験の速度」「実験バックログ」「ICE スコア」「実験プログラム」「実験プレイブック」などに言及した場合にも使用してください。2つのアプローチを比較して成果を測りたい場合や、体系的な実験の取り組みを構築したい場合は常に使用してください。トラッキングの実装については analytics-tracking、ページ単位のコンバージョン最適化については page-cro を参照してください。
会議の CFP URL から venues/conferences/ 用の新しい venue-profile YAML を作成し、venues/schema.yml に対して検証し、コントリビューション用の PR を準備する。会場を追加したい、会場プロファイルをコントリビュートまたは更新したい、会議の投稿要件（締め切り、ページ数制限、ブラインドレベル、テンプレートの呼び出し、反論の形式、投稿システム）を機械可読な YAML として記述したい、プロファイルを新しい年に引き継ぎたい、pull request を開く前にプロファイルを検証したいときに使用。ファイルの雛形作成、ライブ CFP からの事実抽出、DBLP/Semantic Scholar/Crossref の別名テーブル、必須の検証済み出典ブロック、スキーマ検証、PR 準備チェックを扱う。
このスキルは、タイトル、ASIN、価格、評価、仕様など、Amazon から構造化された商品リストを抽出するのに役立つ。ユーザーが Amazon で商品を検索したいとき、最も売れているブランド商品を探したいとき、商品の価格変動を追跡したいとき、評価の高いカテゴリの一覧を取得したいとき、Amazon で異なるブランドの商品を比較したいとき、市場調査のために Amazon の商品データを抽出したいとき、特定の言語やマーケットプレイスの商品を探したいとき、キーワードの競合価格を分析したいとき、検索語の注目商品を探したいとき、商品リストの素材や色などの技術仕様を取得したいときに、このスキルを使う。
ClickHouse を基盤とする `logs` テーブル（`logs.all.otel` 分析エンドポイント）に対して Supabase のログクエリを書き、レビューし、移行する。Logs Explorer SQL、`log_attributes` map、ログの `source`（edge_logs、postgres_logs、auth_logs など）のクエリ、旧 BigQuery の `cross join unnest(metadata)` ログクエリから ClickHouse への変換、または `apps/studio/data/logs` と `apps/studio/components/interfaces/Settings/Logs` で分析ログ SQL を接続する作業が含まれる場合は常にこれを使う。ユーザーが ClickHouse と明言したときだけでなく、「logs query」「Logs Explorer」と言ったとき、または変換用に BigQuery のログクエリを貼り付けたときにも使う。
Excel（.xlsx）ワークブックを Markdown に変換し、その内容を正確に分析、要約、検索、抽出できるようにする。ユーザーが .xlsx ファイルを共有、参照、または問い合わせたときはいつでもこのスキルを使用する — 明示的に「convert」や「markdown」と言わなくてもよい。これにはスプレッドシート、ワークブック、予算、データエクスポート、トラッカーに対する「read」「summarize」「review」「extract data from」「compare」「chart」「analyze」のリクエストが含まれる。必ず同梱の変換スクリプトを先に実行して Markdown を生成すること。.xlsx の内容を直接解析したり、場当たり的な抽出コードを書いたりしないこと。Excel ワークブックのフォルダ全体を対象とするバッチリクエストにもこのスキルを使用する。重要：ユーザーが複数のファイル形式（.pdf、.docx、.xlsx）を含むフォルダや文書セットを参照する場合は、3 つの同系列スキル — convert-pdf-to-md、convert-word-to-md、convert-excel-to-md — をすべて呼び出し、どのファイル形式も黙って省略されないようにする。
データ可視化の判断レイヤー SSOT——あらゆるチャート、dashboard、ボードを描く前に読み込むもので、描いた後ではない。「こう描くべきかどうか」を司る：この図で読者にどんな結論を導かせたいか、平均か中央値か、集計してよいか、積み上げか折れ線か、二軸にしてよいか、配色と色数、同一エンティティが図をまたいで同じ色・同じ位置か、表は何列残すべきか。媒体非依存：HTML レポートページ、React/Vue dashboard、PPT ネイティブチャート、matplotlib/plotly/ECharts/D3、PNG にレンダリングした図に一律に適用される。図を描く前に、または既存のチャートをレビューするとき（「これらの図は何が問題か」「凡例がなぜ不一致なのか」）に使用する。レポートページのレイアウト/コンポーネント/インタラクション（report-with-html:report-with-html を使用）や、PPT ネイティブチャートの実装とレンダリングの落とし穴（deck-creator:deck-creator を使用）には適用しない。
Power BI のデプロイ、CI/CD、ガバナンス、管理。次の場合に積極的に有効化する：(1) Power BI のデプロイパイプライン（Service デプロイパイプライン、fabric-cicd、カスタムワークフロー）、(2) GitHub Actions または Azure DevOps による Power BI の CI/CD、(3) ワークスペース管理とロール、(4) 行レベルセキュリティ（RLS）とオブジェクトレベルセキュリティ（OLS）、(5) 容量管理（Premium、PPU、Fabric SKU F2-F2048）、(6) テナント設定とガバナンス、(7) Power BI Report Server のデプロイ、(8) 自動化のためのサービスプリンシパル設定、(9) データゲートウェイ管理。提供内容：デプロイパイプラインのテンプレート、GitHub Actions と Azure DevOps の YAML、RLS/OLS の実装パターン、容量サイジングの指針、サービスプリンシパル認証のレシピ。
Mercado Libre の商品選定データの照会と分析。LinkFox ゲートウェイを通じて、商品、公式リンク、キーワード、カテゴリ、トレンド、ストア、レビュー、為替レート、プラン利用量の 24 個のツールを統一的に呼び出し、メキシコ、ブラジル、アルゼンチン、チリ、コロンビアの各サイトをカバーする。ユーザーが Mercado Libre、商品選定、商品検索、カテゴリトレンド、キーワード急上昇、流入キーワードの逆引き、ストア照会、レビュー照会、為替レート、プラン利用量に言及したときにこのスキルをトリガーする。
1 つの既知のリストページから多数の構造化レコードを取得するために使用する — チームディレクトリ、製品/価格カタログ、求人情報、カンファレンスの登壇者、ページ分割されたリスト。また、/v1/extract エンドポイントを統合するコードを書くとき（スキーマ、非同期ポーリング、NDJSON 結果）にも読むこと。Linkup の非同期 /v1/extract REST エンドポイントを使用し、NDJSON の行を返す。LINKUP_API_KEY が必要。単一ページの文章には linkup-fetch を、ウェブの発見には linkup-search を使用する。
統計的な厳密さをもって A/B テストや統制されたプロダクト実験を設計または批評する —— 事前登録された反証可能な仮説、事前のサンプルサイズ/検出力、完全なビジネスサイクル、主要指標 1 つとガードレール指標、セグメント + 長期的な読み、あらかじめ設定したイテレート/ピボット/パーセビアの判断。Claude が見落としがちなデフォルトを捉える：のぞき見/早期停止、小さすぎるサンプル、ガードレールなし、バニティ指標、学習ループのない「勝った」。A/B テストの設定やレビュー、実験の設計、実験指標の選択、サンプルサイズ/有意性/期間の決定、テスト結果の解釈やそれに基づく行動を求められたときにトリガーする。
PBIR、PBIP、TMDL、TOM、fabric-cicd によるプログラム的な Power BI 開発。次の場合に積極的に有効化する：(1) Power BI レポートをプログラムで作成する（PBIR 拡張レポート形式）、(2) PBIR と PBIR-Legacy の選択（2026 のデフォルト）、(3) PBIP 開発者モードと Power BI プロジェクトファイル、(4) 表形式オブジェクトモデル（TOM）/ .NET SDK スクリプト、(5) Tabular Editor スクリプト（C# スクリプト、高度なスクリプト）、(6) pbi-tools ワークフロー、(7) fabric-cicd の Python デプロイ（FabricWorkspace、publish_all_items）、(8) Fabric CLI（fab deploy）、(9) Semantic Link / sempy / semantic-link-labs、(10) PBIX のプログラム生成、(11) 環境固有のデプロイ用 parameter.yml、(12) ALM Toolkit。提供内容：PBIR/PBIP プロジェクトテンプレート、fabric-cicd の deploy.py、Tabular Editor スクリプトのレシピ、parameter.yml のパターン、エンドツーエンドのプログラム的ワークフロー。
Turso は libSQL（オープンソースの SQLite フォーク）上に構築されたエッジホスト型 SQLite プラットフォームです。@libsql/client SDK、ローカル同期を伴う埋め込みレプリカ、テナントごとのマルチデータベースアーキテクチャ、データベースプロビジョニング用のプラットフォーム API、schema マイグレーション、F32_BLOB によるベクトル検索、バッチ操作、対話型トランザクション、保存時の暗号化を扱います。Turso データベースへの接続、埋め込みレプリカの構成、プラットフォーム API によるデータベースのプロビジョニング、テナントごとのデータベース分離の実装、ベクトル類似検索の実行、libSQL と Drizzle ORM の統合に使用します。
CustomObjectMgr、OCAPI Data API、Shopper Custom Objects API を使ってカスタム業務データを保存・照会する。ユーザーがカスタムオブジェクトインスタンスの作成、読み取り、更新、検索を行う必要があるとき、ステータスフィールド付きの処理キューを構築するとき、サイトスコープと組織スコープのストレージを選ぶとき、または bool／term フィルターでカスタムオブジェクトを照会するときにこのスキルを使用する。非標準データを永続化するときにも使用 —— 「サイトごとに設定を保存」や「自分のカスタムデータを照会」と言うだけの場合でも。
中国のウェルスマネジメント顧客向けに、老後、教育、相続、キャッシュフロー計画を網羅するファイナンシャルプランを作成する。オリジナルの financial-plan skill を中国の税制、社会保障、現地の金融商品に合わせて改変したもの。"A股财务规划"、"理财规划"、"financial plan China"、"retirement plan China"、"财务规划客户"、"退休规划"、"教育金规划"、"comprehensive financial plan" でトリガー。
A 株のセクター・業界ランドスケープの包括レポート — 市場規模、競争上のポジショニング、政策環境、主要な A 株企業、バリュエーション倍率、テーマ別トレンド。中国市場の構造と用語に合わせて元の sector-overview skill を改編したもの。「A股行业分析」「行业研究」「板块分析」「sector overview China」「A-share sector deep dive」「白酒/半导体/新能源 行业分析」「[industry] landscape China」でトリガーする。
ユーザーが需要を予測したい、予測モデルを構築したい、または予測精度を向上させたい場合。また、ユーザーが「demand planning」「sales forecasting」「time series」「forecast accuracy」「demand sensing」「statistical forecasting」「predictive analytics」に言及した場合にも使用する。予測に基づくキャパシティプランニングについては capacity-planning を参照。S&OP 連携については sales-operations-planning を参照。
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。