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
WeChat のローカルデジタル資産ライブラリ。macOS および実機検証済みの Windows 環境でローカルの全件解析に対応し、全ライブラリの収集、認証・復号、チャット履歴の読み取り／検索／エクスポート、モーメンツとお気に入り本文の解析が可能です。Mac では増分更新と見落とし／返信待ちの確認にも対応します。既定は微信1で、微信2は明示的な指定が必要です。Windows ではローカル収集に windows、オフラインのチャット検索に snapshot を使用し、モーメンツ／お気に入りにはパッケージ内の純関数ワークフローを再利用します。Mac の設定やワークフローは起動しません。最新のチャットが必要な場合は、該当するソースを先に更新してください。古い記録を対象データの代わりに使うことはできません。Windows のバージョンと機能範囲については、ローカル収集リファレンスを参照してください。
セルフホストされた CockroachDB クラスターを CIS CockroachDB Benchmark v1.0.0 Level 1 コントロールに照らして監査する。2 つの監査深度をサポート——迅速な自動スキャンと完全な CIS 監査手順。インストール、システム hardening、ロギング、ユーザーアクセス、データ保護、CockroachDB 設定を網羅する構造化された PASS/FAIL/MANUAL レポートを生成する。CIS コンプライアンス評価の準備、セルフホストデプロイの hardening、業界ベンチマークに対するセキュリティ態勢の検証に使用する。
lyt シリーズの EC ビジネスデータ分析 skill。ユーザーが文字指標、画像/スクリーンショット、CSV/XLSX 表、PDF/レポート、競合データ、管理画面のエクスポートを提供した後に使用し、まずデータヘルスチェックと指標定義の検証を行い、その後 TikTok Shop、商品カード、ショート動画、ライブ配信、GMV Max、広告、コスト、利益、店舗運営の課題を分解する。振り返り、比較、課題発見、拡大/停止の意思決定、利益試算、レポート出力に適する。ゼロからの商品選定、既存商品の実現可能性検証、プラットフォームのトラフィックメカニズムの解説、曖昧な運営課題への追加質問の代替にはならない。 トリガー：/lyt-data-analysis、/データ分析、/データ振り返り、/運営振り返り、「データを見てほしい」「この表を分析して」「このスクリーンショット群を振り返って」
muon/MuData によるマルチモーダル単一細胞解析。RNA+ATAC の統合（10x Multiome）、CITE-seq（RNA+タンパク質）、その他のマルチオミクス。MuData は obs を共有するモダリティごとの AnnData を保持する。WNN 統合埋め込み、モダリティごとの前処理、MOFA 因子分析。単一モダリティの RNA には scanpy-scrna-seq を使用し、同一細胞の 2 つ以上のオミクスを組み合わせる場合は muon を使用する。
事前承認の意思決定ワークフローを自動化するためのパイプラインスキル。ユーザーが PA リクエストデータ（X12 278 または FHIR PAS バンドル）の解析、判定用の臨床特徴量の抽出、ルールベースの PA 意思決定エンジンの構築、過去の PA 決定に対する ML 分類器の学習、拒否パターンの分析、PA 結果の SHAP 説明の生成を求めたときに使用する。トリガーには "parse 278"、"FHIR PAS bundle"、"PA automation"、"adjudication logic"、"PA classifier"、"denial analysis"、"prior auth ML"、"SHAP explainability"、"PA feature extraction"、"rules engine PA"、"PA decision pipeline"、"authorization workflow"、"clinical criteria extraction"、"denial pattern mining"、"PA turnaround time" が含まれる。
CloudBase PostgreSQL / CloudBase PG / PG モードのアプリを構築、デバッグ、評価するときに使用します。Postgres スキーマの設定、queryPgDatabase/managePgDatabase、JS SDK v3 app.rdb() CRUD/RPC、PG HTTP API フォールバック、RLS スタイルの権限、ユーザー名とパスワードの認証、CloudBase PG を基盤とする Web CMS/管理画面の CRUD フローを含みます。
Supabase Management API の全機能（108 エンドポイント）に加え、組織、プロジェクト、関数、ブランチ、シークレット名のローカル SQLite キャッシュを提供 — ライブ API では一度の呼び出しで答えられないプロジェクト横断クエリを実現し、さらに Auth Admin 検索、PostgREST スキーマイントロスペクション、Storage 使用量の集計を備える。トリガーフレーズ：`supabase auth admin lookup`、`supabase secret name audit`、`supabase branches drift`、`supabase project estate rollup`、`supabase storage usage`、`supabase pgrst schema`、`use supabase`、`run supabase`。非トリガー：`supabase start`（公式 supabase CLI を使用）、`supabase db push`（公式 CLI）、`supabase gen types`（公式 CLI）、supabase realtime subscribe（WebSocket — 対象外）。
エンドツーエンドの Microsoft Purview 情報ガバナンス／情報保護戦略のガイダンス — 分類、ラベル付け、保護、ライフサイクル、リスクを Zero Trust のデータ柱に沿った一貫したプログラムとして順序付ける。成熟度に基づく展開の順序付け、責任の所在、指標を扱う。対象：情報ガバナンス、情報保護戦略、データ保護プログラム、Purview 展開の順序付け、MIP 戦略、データをエンドツーエンドで保護・統制、Zero Trust データ柱プログラム、Purview ロードマップ、データセキュリティの成熟度。
定量プロテオミクスの実験設計とデータ解析戦略を考察する。ユーザーが LFQ、TMT、DIA の定量の選択、欠損値の補完法の選択、正規化戦略の選定、プロテオミクスデータの差次発現結果の解釈、ratio compression の評価、バイオマーカー探索や検証のためのプロテオミクス研究の設計を求める場合に使用。トリガーには "LFQ vs TMT"、"DIA quantification"、"proteomics normalization"、"missing value imputation"、"MNAR"、"MinProb"、"QRILC"、"kNN imputation"、"VSN normalization"、"median centering"、"quantile normalization"、"limma proteomics"、"ratio compression"、"proteomics study design"、"label-free quantification"、"tandem mass tag"、"data-independent acquisition"、"DIA-NN"、"Spectronaut"、"MaxQuant LFQ"、"proteomics differential expression"、"empirical Bayes proteomics"、"proteinGroups.txt"、"MSFragger output"、"TMT normalization code"、"LFQ analysis"、"proteomics pipeline R"、"MaxQuant output" が含まれる。
CMS-HCC リスク調整の計算とコーディングギャップの特定のためのパイプラインスキル。ユーザーが ICD-10 から HCC へのクロスウォークの適用、RAF スコアの計算、疾患階層のプログラムによる解決、Rx やラボのプロキシからのコーディングギャップの特定、メンバーレベルのリスクスコアの予測、リスク調整データパイプラインの構築、HCC 係数の計算、階層解決コードの実行、メンバーリスクスコアレポートの生成を求める場合に使用。トリガーには "calculate RAF score"、"ICD-10 to HCC crosswalk"、"hierarchy resolution code"、"coding gap detection"、"Rx proxy gap"、"lab proxy gap"、"risk score projection"、"HCC pipeline"、"member risk report"、"risk adjustment Python"、"risk adjustment SQL"、"RAF calculation code"、"CMS-HCC pipeline" が含まれる。
アライメント（STAR）、定量（Salmon、featureCounts）、差次的発現（DESeq2）をカバーするバルク RNA-seq 解析パイプライン。RNA-seq、STAR、Salmon、DESeq2、differential expression、gene expression、tximport、featureCounts、transcriptomics、"bulk RNA-seq"、"STAR alignment"、"Salmon quantification"、"gene counts"、"DESeq2 results"、"shrinkage estimator"、"volcano plot RNA-seq" でトリガーされる。
高度な社会科学の研究方法をガイドする——談話分析（Fairclough CDA、Gee）、会話分析、量的内容分析、質的比較分析（QCA）、プロセス・トレーシング、アーカイブ研究、参加型／コミュニティ基盤型研究（PAR、CBPR）、デルファイ法と Q 方法、社会ネットワーク分析（SNA）、書誌計量学と科学計量学、システマティックマッピングレビュー、プログラム／政策評価。これらの研究を設計または実施する際に使用する——専門的な方法の選択、コーディングスキームの構築、ケーススタディにおける因果メカニズムの確立、関係データや主観的データのマッピング、評価フレームワークの適用。解釈的コーディング（テーマ分析、グラウンデッドセオリー、IPA、エスノグラフィー）には alterlab-qualitative-methods を、質的＋量的の統合には alterlab-mixed-methods を、データに対して QCA、SNA、テキスト・アズ・データ分析を実行するには alterlab-qca、alterlab-sna、alterlab-text-as-data を使用する。AlterLab Academic Skills スイートの一部。
CI で Azure SQL Database コンテナ（Private Preview、ローカルエンジン）に対して統合テストを実行します。次の場合に使用します：GitHub Actions、Azure Pipelines、GitLab CI を設定して Azure SQL DB に対してテストする場合；CI ワークフローにデータベースサービスコンテナを追加する場合；パイプラインで実際の Azure SQL エンジンが必要な場合；または "service container"、"health-cmd"、"ACR_USERNAME/ACR_PASSWORD"、"MSSQL_SA_PASSWORD secret"、"integration test database" を見た場合。ワークフローが SQL Server イメージ mcr.microsoft.com/mssql/server を取得しようとしている場合にも使用し、その場合は中止して代わりに Azure SQL Database エンジンイメージを使用します。認証情報を使ったプライベート ACR からの取得、コンテナ内で sqlcmd を実行するサービスヘルスチェック（ランナーにクライアントツールが不要）、テスト前の appdb のプロビジョニング、テスト接続文字列を master ではなくユーザーデータベースに向ける方法を扱います。
ローカルの Azure SQL Database コンテナに対してビルドおよびテストしたコードが、接続文字列を変更するだけで、クラウドの Azure SQL Database に対してそのまま動作することを証明します。次の場合に使用します：ユーザーがローカルで開発してからクラウドにデプロイしたい場合、"will this work in Azure"、"same code local and cloud"、"promote to Azure SQL"、"swap the connection string"、"dev/prod parity"、"local to cloud" と尋ねる場合、またはコンテナとクラウドサーバーの両方を対象とする必要があるアプリに SQL_CONNECTION_STRING を設定する場合。アプリがローカルでは SA 認証を使用するが、クラウドでは Microsoft Entra 認証が必要な場合に使用します。Node (mssql)、.NET (Microsoft.Data.SqlClient)、Python (pyodbc) を扱います。"make it work in Azure" のためにアプリコードを手作業で編集する前に、このスキルを使用してください。原則はコードを変更せず、接続文字列のみを変更することです。
CellTypist、SingleR、マーカーベースのアノテーション、または参照ラベル転送（scANVI/ingest）を用いて、単一細胞 RNA-seq クラスターに細胞型ラベルを割り当てるコードを生成する。次のリクエストで発火："annotate cell types"、"label clusters"、"run CellTypist"、"SingleR annotation"、"marker gene dotplot"、"transfer labels from reference atlas"、"cell identity"、"automated annotation"、"reference mapping"、"scANVI label transfer"、"canonical markers"、"immune cell types"、"hierarchical annotation"、"majority voting CellTypist"、"over-clustering annotation"。
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。