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
決算後にギャップアップした銘柄から、PEAD（決算発表後ドリフト）のパターンをスクリーニングします。週足のローソク足形成を分析し、陰線の押し目やブレイクアウトシグナルを検出します。入力モードは2種類です。FMP earnings calendar（Mode A）、または earnings-trade-analyzerのJSON出力（Mode B）に対応します。PEADスクリーニング、決算後ドリフト、決算ギャップ後の続伸、陰線ブレイクアウトパターン、週次の決算モメンタム設定について尋ねられた場合に使用します。
Ahrefs API アナリスト（拡張機能）。テスト済みの @ahrefs/[email protected] サーバーを通じて、参照ドメイン、被リンク、オーガニックキーワード、コンテンツエクスプローラーのデータを読み取る。マルチソースの信頼度ウェイト付けのために seo-backlinks と組み合わせて使用する。
米国株を対象に、バリュー特性（P/E 比率 20 未満、P/B 比率 2 未満）、魅力的な利回り（3% 以上）、安定した成長（配当／売上高／EPS が 3 年間で上昇傾向）を組み合わせて、質の高い配当機会をスクリーニングします。FINVIZ Elite API で効率的に事前選別し、続いて FMP API で詳細分析を行う 2 段階スクリーニングに対応。ユーザーが配当株のスクリーニング、インカムポートフォリオのアイデア、またはファンダメンタルズの強い優良バリュー株を求める場合に使用します。
Volcengine の AI ネイティブ BaaS プラットフォーム（Supabase 版 / AIDAP / 火山引擎 AI 原生 BaaS 平台 Supabase 版）を管理する。これは Volcengine が運営するディストリビューションで、公式の Supabase とは異なる。ユーザーが Volcengine Supabase または AIDAP のリソース（ワークスペース、ブランチ、コンピュート、SQL クエリ、スキーマ変更、Auth、Realtime、Edge Functions、Storage バケット、フロントエンド静的サイトホスティング（Pages）、API キー、接続情報、TypeScript 型生成）の作成・確認・管理を求めた場合、または Volcengine のデプロイで AIDAP をデータベースプロバイダーとして選択した場合に使用する。中国語のプロンプトで「火山引擎 Supabase」または「火山 Supabase」に言及した場合もトリガーする。操作は byted-supabase-cli コマンドラインツール（`npm i -g @byted-supabase/cli` でインストール。公式の `supabase` CLI ではない）を通じて実行する。一般的なデータベースの議論、Supabase 以外のサービス（RDS MySQL、Redis）、Supabase バックエンド管理と無関係な純粋なクライアントサイドコーディングには使用しないこと。
地球科学データ向けの N 次元ラベル付き配列。NetCDF の読み書き、気候・海洋データセットの処理、ラベル付き座標による多次元解析を行います。エージェントが次のことを必要とする場合に使用：(1) NetCDF または Zarr ファイルの読み書き、(2) ラベル付き次元を持つ多次元配列の処理、(3) 気候・海洋・大気データの解析、(4) 時間集計（日次/月次/年次平均）の計算、(5) 面積重み付き統計の実行、(6) Dask による大規模データセットの処理、(7) 科学データへの CF 規約の適用。
テーマ分析（Braun & Clarke）、グラウンデッド・セオリー（Strauss & Corbin；Charmaz）、解釈的現象学的分析（IPA）、内容分析、ナラティブ探究、エスノグラフィー、ケーススタディの方法論（Yin）、コーディング手法（オープン／軸足／選択的）、Python の代替手段を用いた NVivo 形式のワークフロー、信頼性基準（Lincoln & Guba）、再帰性、メンバーチェッキングに対応する、包括的な質的研究方法アシスタントです。質的研究の設計や分析に使用します。テーマ分析、グラウンデッド・セオリー、データのコーディング、現象学、IPA、エスノグラフィー、ケーススタディ、ナラティブ探究、内容分析、質的コーディング、NVivo、信頼性、メンバーチェッキング、再帰性、インタビュー分析、フォーカスグループ分析などが対象です。AlterLab Academic Skills スイートの一部です。
ClickHouse Node.js クライアント（@clickhouse/client）の一般的な問題をトラブルシューティングして解決します。ユーザーが Node.js クライアント固有のエラー、予期しない動作、設定について質問した場合に使用してください。socket hang-up エラー、Keep-Alive の問題、ストリーム処理の問題、データ型の不一致、読み取り専用ユーザーの制限、プロキシ/TLS の設定問題、長時間実行クエリのタイムアウトなどが対象です。問題が正確に特定されていなくてもトリガーしてください。Node.js の文脈で「insert が何度も失敗する」「接続がランダムに切れる」といった曖昧な症状も、このスキルを使う強いシグナルです。ブラウザー/Web クライアントの問題には使用しないでください。
Python を使って HL7v2 メッセージと FHIR R4 リソースから臨床データを解析・抽出する。ユーザーが HL7v2、HL7、FHIR、PID segment、OBX segment、MSH segment、Patient resource、Observation resource、Condition resource、MedicationRequest、EHR データ抽出、臨床メッセージ解析、FHIR bundle、HL7 から FHIR への変換、ADT メッセージ、ORU メッセージ、検査結果抽出、臨床データ品質チェックに言及したときに使用する。トリガーには "parse HL7"、"extract FHIR"、"HL7v2 message"、"FHIR resource"、"PID segment"、"OBX segment"、"Patient resource"、"Observation resource"、"EHR parsing"、"clinical data extraction"、"HL7 to CSV"、"FHIR to DataFrame" が含まれる。
医用画像研究の設計とバイオマーカー選択のための推論スキル。ユーザーが画像研究の計画、前処理戦略の選択、画像バイオマーカーの選定、ラジオミクスパイプラインの設計、DICOM 匿名化処理への対応、縦断的画像解析の計画、位置合わせターゲットの選定を求めた場合に使用する。トリガーには "imaging study"、"preprocessing strategy"、"DICOM de-identification"、"imaging biomarker"、"radiomics"、"longitudinal imaging"、"registration target"、"MNI vs native space"、"scanner harmonization"、"ComBat"、"IBSI"、"multi-site imaging"、"burned-in PHI"、"test-retest reliability"、"volumetric biomarker"、"diffusion MRI"、"perfusion imaging"、"fMRI study design"、"spectroscopy biomarker" が含まれる。
このスキルは、AWS MSK（Managed Streaming for Apache Kafka）から Confluent Cloud への移行を評価・計画するために使用する。"migrate MSK to Confluent Cloud"、"move off MSK"、"MSK to CC cutover"、"Zero-Cut migration from MSK"、"kcp scan my MSK" といったユーザーの意図、または MSK から CC への評価、計画、クラスター サイジング、Cluster Linking の設定、Gateway ベースの切り替え、切り替え後の検証に関する議論でトリガーする。MSK 以外の Kafka ソース（オープンソース Kafka、Aiven、Confluent Platform、Redpanda）ではトリガーしない — このスキルは MSK 専用。既存の Kafka ソースがない新規の Confluent Cloud プロジェクトではトリガーしない。移行と無関係な一般的な Kafka のプログラミングに関する質問（プロデューサー/コンシューマー コード、Kafka Streams）ではトリガーしない。
リアルワールドデータからの因果推論に向けた薬剤疫学研究デザインを考察する——アクティブコンパラター新使用者デザインの選択、目標試験の模倣、不死時間バイアスの回避、限界構造モデルによる時変交絡の処理、傾向スコア法の選択。ユーザーが薬剤の安全性・有効性研究の設計、傾向スコアマッチングと重み付け・層別化の選択、目標試験の模倣、不死時間バイアスの処理、限界構造モデルの適用、E-value による未測定交絡の評価、アクティブコンパラターの選択、新使用者コホートの定義、薬剤疫学研究デザインの評価を求める場合に使用。トリガーには "active comparator"、"new-user design"、"target trial emulation"、"immortal time bias"、"propensity score matching"、"IPTW"、"marginal structural model"、"confounding by indication"、"E-value"、"negative control outcomes"、"quantitative bias analysis"、"time-varying confounding"、"prevalent user bias"、"washout period"、"landmark analysis"、"stabilized weights" が含まれる。
グループ化、並べ替え、フィルタリング、階層表示を備えた高度なデータ管理のための Syncfusion Windows Forms GridGroupingControl を実装する。多段階のグループ化、マスター/詳細グリッド、ネストしたテーブル関係、集計を伴うデータサマリーを扱うときに使用する。このスキルは、グループ化操作、Excel ライクなフィルタリング、動的なレコードフィルター、階層データ構造、エンタープライズレベルのグリッド機能を扱う。
このスキルは、評価、デモ、トレーニングデータ用に、現実的でペルソナに一貫した合成コーチングおよびセラピーのセッション文字起こしを生成するために使用する。選択したモダリティ（ICF/GROW コーチング、CBT、IFS パーツワーク、ACT/動機づけ面接）に基づく架空だが説得力のあるコーチ/クライアント（またはセラピスト/クライアント）の対話を生成し、Fathom/Granola の文字起こしスタイル、プレーンな対話、構造化 JSON、または Obsidian markdown にエクスポートする。"generate a synthetic coaching session"、"make fake therapy transcripts for evals"、"create demo session transcripts"、"synthetic CBT dialogue"、"persona-consistent coaching transcript"、"test data for my session summarizer"、"mock coaching call" などのリクエストでトリガーする。
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。