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
改訂版 Minsky/Kindleberger フレームワーク v2.1 を用い、定量的でデータに基づく分析により市場のバブルリスクを評価します。主観的な印象より客観的な指標（Put/Call、VIX、信用取引残高、市場の広がり、IPO データ）を優先します。厳格な定性的調整基準を備え、確証バイアスを防止します。必須のデータ収集と機械的なスコアリングにより、実践的な投資判断を支援します。バブルリスク、バリュエーションへの懸念、利益確定のタイミングについて尋ねられた場合に使用します。
Algolia のインデックスやアカウントに対する操作（レコードの削除、インデックスのコピーや移行、データのバックアップ、レコードのインポート／エクスポート、API キーの管理、同義語の編集、ルールの設定、facets などの設定変更、インデックスのクリア、CI/CD パイプラインでの Algolia の自動化）をユーザーが求める場合に使用します。ユーザーが「CLI」や「コマンドライン」に言及するかどうかにかかわらず、Algolia のデータや設定に対する操作（サーバー側／バックエンド／管理操作）を求めていることが重要なサインです。特定の Algolia インデックスを指定して変更、移動、クエリ、管理を求める場合も使用します。フロントエンド検索 UI（InstantSearch、React コンポーネント、オートコンプリートウィジェット）、Algolia ダッシュボードの GUI に関する質問、他のプロバイダーとの比較には使用しません。
Alibaba Cloud Data Lake Formation（DLF）の Catalog、データベース、テーブルのメタデータリソースを照会する。DLF OpenAPI Python SDK による読み取り専用クエリを提供し、Catalog、データベース、テーブルの一覧表示と表示、およびその詳細情報と Schema 定義をサポートする。ユースケース：「利用可能な Catalog を一覧表示」「データベースを一覧表示」「テーブル Schema を表示」「テーブルを検索」「名前でテーブルを検索」「あいまい検索」「DLF メタデータを表示」「データレイクにはどのデータベースがあるか」「テーブルにはどのカラムがあるか」「名前に xxx を含むテーブルを探す」。このスキルは読み取り専用操作のみを含む — 作成、変更、削除の操作はない。
質的アプローチと量的アプローチを組み合わせるための混合研究法のデザインと統合戦略。収束デザイン、説明的逐次デザイン、探索的逐次デザイン、埋め込み型、変革的、多段階デザインを計画するとき、マージ・接続・埋め込みによって多様なデータソースを統合するとき、ジョイントディスプレイやメタ推論を構築するとき、混合研究法特有の質基準を評価するときに使用する。Creswell & Plano Clark の枠組み、記法システム、統合用ソフトウェアツールを扱う。単一系統の質的コーディング（テーマ分析、グラウンデッドセオリー、飽和、コーダー間信頼性）には alterlab-qualitative-methods を、質問票/リッカート/尺度検証の仕組みには alterlab-survey-design を使用する。AlterLab Academic Skills スイートの一部。
Biopython による配列解析：FASTA/FASTQ/GenBank/GFF のパース（SeqIO）、NCBI Entrez（esearch/efetch/elink）、リモート/ローカル BLAST、ペアワイズ/多重配列アラインメント（PairwiseAligner、MUSCLE/ClustalW）、系統樹（Phylo）。遺伝子ファミリー研究、系統ゲノミクス、比較ゲノミクス、NCBI パイプラインに使用します。PCR/制限酵素/クローニングには biopython-molecular-biology、SAM/BAM には pysam を使用してください。
データダッシュボードを設計するときに使用するスキル——KPI の選定、レイアウトの構成、視覚的階層の適用、どの BI ツールを使うかの判断。トリガーフレーズ：''design a dashboard''、''build a KPI dashboard''、''what should my dashboard show''、''help me layout a dashboard''、''dashboard for monitoring''。チャートコードをゼロから書く場合（chart-builder を使用）、SQL クエリを書く場合（sql-analyst を使用）、マーケティングのランディングページを設計する場合には使用しない。
適切な KPI 階層、チャートタイプの選択、インタラクティブ機能を備えた効果的なデータダッシュボードを設計する。ユーザーがダッシュボードを作成する、適切な可視化を選ぶ、異なる対象者向けに指標を整理する、ダッシュボードツールを評価する必要があるときにこのスキルを使用する — 'build a dashboard'、'our reports are confusing'、'which chart should I use'、'executives can't find the metrics they need' と言った場合でも。
CSV、Excel（XLSX）、JSON へのデータエクスポート。ExcelJS、SheetJS（xlsx）、Papa Parse、Apache POI（Java）、openpyxl（Python）。大規模データセット向けのストリーミングエクスポート。使用タイミング：ユーザーが "export CSV"、"export Excel"、"XLSX generation"、"download spreadsheet"、"ExcelJS"、"SheetJS"、"Papa Parse"、"data export" に言及したとき。使用しない場合：PDF 生成——`pdf-generation` を使用；ファイルのアップロード／ダウンロード——`file-upload`/`cloud-storage` を使用
TIAToolbox と基盤モデル（H-optimus-0、UNI、Prov-GigaPath）を用いたホールスライド画像 (WSI) 解析のための正しいコードを生成する。ホールスライド画像、WSI、デジタル病理、病理組織学、SVS/NDPI/ピラミッド TIFF、組織セグメンテーション、パッチ抽出、染色正規化、H-optimus-0、TIAToolbox、CAMELYON16/17、SlideGraph、MIL 集約、HoVer-Net、PanNuke、病理モデルの SageMaker デプロイに関するリクエストで発動する。スライド情報の検査、組織マスク、指定 mpp でのタイル抽出、基盤モデルによる特徴埋め込み、スライドレベルの集約、規制環境でのクラウド推論のための決定的なコマンドと Python スニペットを生成する。
グラフデータベース、ベクトルストア、オーケストレーションフレームワーク、LLM 推論を統合した完全な GraphRAG システムを設計する。パターン選択、技術スタックの決定、統合パイプライン設計、ドメイン固有のカスタマイズを導く。GraphRAG システムの設計、グラフ拡張検索のための技術スタック選定、Neo4j と LLM の組み合わせ、LangChain/LlamaIndex ナレッジグラフの利用、RAG へのコミュニティ検出の適用、ハイブリッドなシンボル・ベクトルパイプラインの構築、本番環境またはドメイン固有の GraphRAG のデプロイ時に使用する。
rinexread、gnssmeasurements、receiverposition、gnssoptions を使用して、RINEX v3 データからマルチコンステレーションの GPS または GNSS 測位を計算する。コンステレーション、仰角マスク、C/N0、観測コードでフィルタリングする。DOP、散乱 RMS、衛星数を報告する。GNSS データの処理、RINEX ファイルからの測位計算、精度の分析、コンステレーションの比較、衛星配置の評価に使用する。搬送波位相 RTK/PPP、IMU 融合、軌道伝播、NMEA ストリーミング、RINEX v4 には使用しないこと。
マルチオミクスデータ統合の戦略選択のための推論スキル。ユーザーがトランスクリプトミクスとプロテオミクスの統合、複数のオミクス層の組み合わせ、早期・中間・後期統合の選択、オミクスをまたぐバッチ補正の適用、サンプルの部分的重複の処理、MOFA+ や iCluster の実行、マルチオミクス因子の解釈、マルチオミクスシグネチャ向けのエンリッチメント手法の選択、ゲノミクス・エピゲノミクス・トランスクリプトミクス・プロテオミクス・メタボロミクスのデータを統合する方法の判断を求める場合に使用。トリガーには "multi-omics integration"、"combine omics layers"、"early vs late fusion"、"MOFA+"、"iCluster"、"batch correction across omics"、"partial overlap"、"multi-omic enrichment"、"kernel integration"、"concatenation vs stacking"、"SNF"、"similarity network fusion"、"intermediate integration"、"multi-omic factor analysis" が含まれる。
library Lightning スタックを通じて Physical AI Studio のポリシーを訓練・検証・テストし、予測を実行する。physicalai fit/validate/test/predict の実行、Python からの physicalai.train.Trainer および Policy API の呼び出し、library/configs 配下の YAML 設定の作成・編集、model + datamodule + trainer の接続、checkpoint からの再開、訓練実行のデバッグに使用する。ACT、Pi0、Pi0.5、GR00T、SmolVLA を扱う。
ローカルマシンで Playwright を使ってブラウザの自動化とウェブスクレイピングを構築します。CI のタイムアウトハング、拡張機能テストの失敗、Ubuntu 互換性の問題など、記録されている 10 種類のエラーを回避します。ボット検出回避用のステルスモード、認証済みセッション、無限スクロール対応、スクリーンショット/PDF 生成、v1.57 Speedboard のパフォーマンス解析を含みます。用途: ブラウザの自動操作、保護されたサイトのスクレイピング、実 IP でのテスト、ボット検出の回避、スクリーンショット/PDF の生成、または "target closed"、"page.pause() により CI がハング"、"権限プロンプトでテストがブロック"、"Ubuntu 25.10 のインストール" などのエラーの調査。
pytrends が提供していたすべての Google Trends ワークフローに加え、アーカイブされ凍結されたラッパーにはなかったローカル履歴とレート制限への耐性を備える。トリガーフレーズ：`check google trends for`、`interest over time for`、`what's trending right now`、`compare search interest`、`related queries for`、`search interest by region`、`use google-trends`、`run google-trends-pp-cli`。
クレームデータと EHR データを対象としたリアルワールドデータのコホート分析パイプライン — ICD-10、NDC、CPT コードによるコホート同定、服薬アドヒアランス指標（PDC/MPR）、傾向スコア推定とバランス診断、Kaplan-Meier 生存曲線、Cox 比例ハザードモデル。ユーザーがクレームデータ、コホート同定、ICD-10 コード、NDC コード、CPT コード、服薬アドヒアランス、PDC、MPR、傾向スコア、SMD バランス、Kaplan-Meier、Cox モデル、Schoenfeld 残差、クレームに基づく生存解析、リアルワールドエビデンスのパイプラインに言及した場合に使用する。
Terra API Streaming（リアルタイム）API のベストプラクティス——ウェアラブルから websocket 経由で約毎秒の生体データをライブ配信する。Terra API、TerraRT SDK、wss://ws.tryterra.co でリアルタイムストリーミングを構築する場合、ライブの心拍数、歩数、距離、加速度、ECG、HRV、RR 間隔、カロリー、MET、パワー、ケイデンス、速度、位置、ジャイロスコープをストリーミングする場合、BLE または ANT+ でウェアラブルをペアリングする場合、モバイルアプリからセンサーデータを生成する場合、バックエンドでライブストリームを消費する場合、Apple Watch や Wear OS ウォッチからストリーミングする場合に使用する。プロデューサー/ブローカー/コンシューマーアーキテクチャ、websocket ハンドシェイクとオペコード、トークン発行、クローズコード、リプレイ/バックフィル、プラットフォーム別の SDK セットアップ（iOS、Android、React Native、Flutter、Wear OS）を扱う。
DB スキーマでは表現できないビジネスコンテキストを Wren プロジェクトに追加する——enum 値の意味、単位（USD かセントか、ms か sec か）、NULL のセマンティクス、マジックセンチネル（-1 = 不明）、ソフト削除のデフォルトフィルター、ビジネス上の同義語、時間粒度 / タイムゾーンの慣習、システム間識別子、通貨ルール、正規テーブルの優先、および cube として提案される具名集計メトリクス（ARR、churn、DAU、WAU、NRR）。セッション開始時に選択する 2 つのモードのいずれかで動作する：`grill`（一度に 1 つの質問、ユーザー主導）または `auto-pilot`（エージェントが推論して適用し、衝突および新しい cube / ビュー / リレーションシップなどの影響範囲の大きい追加のときのみエスカレーションする）。<project>/raw/ 配下のすべて（PDF、用語集、ハンドブック、コード、データ辞書）を読み、必要に応じてライブ DB から低カーディナリティの列をサンプリングし（grill モード）、現在の MDL / cubes / instructions.md / queries.yml / memory のペアと比較したうえで、10 カテゴリのギャップカタログと cube 提案フローでギャップを埋める。確認された発見は適切な書き込み先に書き戻される。使用タイミング：ユーザーが 'enrich context'、'augment my project'、'grill me on this project'、'auto-fill my context'、'agent doesn't understand our docs / enum values / units / null meanings'、'business context is missing'、'what does status=A mean'、'is this amount in USD or cents'、'we keep getting wrong aggregations'、'add cubes for ARR / DAU / churn'、'we have a handbook / glossary / data dictionary the agent should know' と言ったとき；または MDL を生成した後にエージェントがビジネスセマンティクスを欠いていることに気づいたとき。
マーケティングの数値が悪く、その理由を知る必要があるときに使用——トラッキング、配信、クリエイティブ、ランディングページ、オファー、オーディエンス品質にわたる階層的な根本原因診断、5-Whys、米国・EU・東南アジア・LATAM の地域ベンチマーク、48 時間のアクションプラン。dropshipping ROAS と BE-ROAS を扱う。「なぜ CPA がこんなに高いのか」「広告がコンバージョンしない」「ROAS が下がった」「予算を燃やしている」「今月はパフォーマンスが悪い」「ファネルを診断して」でトリガー。ユーザーが質問を添えずに数値のスクリーンショットを貼り付けた場合にも使用。対象外——アカウント設定を監査し健全性を採点する場合は `21-ads-audit-global` を参照。他人が読むレポートを作成する場合は `07-marketing-report-global` を参照。生のエクスポートを洞察に変える場合は `13-data-analysis-global` を参照。
このスキルは Alibaba Cloud Lindorm の作業に使用する：インスタンスのライフサイクルと構成、ネットワーキングとアクセス制御、モニタリング、パフォーマンス、ストレージ、接続診断、バックアップ、移行、権限（`CREATE USER` と `GRANT` による Lindorm SQL のユーザー管理を含む）、スロークエリ、SQL 開発、および検索、ベクトル、グラフ、AI、マルチモーダル、ナレッジベースのワークフロー。LindormTable、LindormTSDB、LindormSearch、Lindorm AI、HBase/AliHBase、lindormcli、Lindorm CLI、`aliyun lindorm` などの Lindorm 製品または CLI 用語、あるいは宽表引擎、时序引擎、搜索引擎、向量检索、图引擎、白名单、实例创建/扩缩容/释放に言及する中国語のリクエストでトリガーする。本スキルのリファレンスまたは Alibaba Cloud の公式ドキュメントを使用すること。一般的なトレーニング知識から Lindorm 固有の事実をでっち上げないこと。
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。