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
Azure SQL Database コンテナ上で、ネイティブの VECTOR 型と VECTOR_DISTANCE を使ってローカルのベクトル検索、RAG、埋め込み、セマンティック検索を構築します。埋め込みの保存、類似度検索、top-k 最近傍、コサイン距離、検索拡張生成、"find similar documents"、チャットボットのメモリ、ローカル SQL データベースに対するセマンティック検索が必要な場合に使用します。データがすでに Azure SQL にある（または置ける）場合は、pgvector、FAISS、Chroma、Pinecone、独立したベクトルストアの代わりにこれを使用します。VECTOR(n) 列型、次元がリテラルの場合に CAST(CAST(? AS NVARCHAR(MAX)) AS VECTOR(n)) で埋め込みを挿入する方法、クラウドではエンドポイントを変えるだけで済むプラガブルな embed()、およびそれを妨げる 2 つのエラーとともに動作する CREATE VECTOR INDEX を扱います。すべてのスクリプトが新しいコンテナで実行されるよう、先に master 上に appdb をプロビジョニングします。
可視化、ダッシュボード、レポート、プレゼンテーションにおける視覚的な誤導、認知バイアス、データ整合性の違反を検出して防止する。グラフの誠実さを監査し、誤解の原因を診断し、具体的な修正を提供する。ユーザーが chartjunk、誤解を招くグラフ、切り詰められた軸、データ整合性、視覚的欺瞞、3D グラフの問題、データのつまみ食いに言及したとき、または可視化の正確性を監査する必要があるときに呼び出す。一般的なデザイン評価には `design-evaluation-audit` を使用する。認知的な基盤には `cognitive-design` を使用する。
最近の arXiv と Hugging Face の論文を取得し、順位付けして情報を補完します。英語のトリガー：「fetch papers」、「fetch papers from the last three days」。パイプラインの第 1 段階です。論文取得（3 段階パイプラインの第 1 段階）。最新の arXiv + HuggingFace 論文を取得してスコアリング・選別し、情報を補完して daily_papers_enriched.json を共有一時ディレクトリに出力し、後続の skill で使用します。トリガー：「论文抓取」、「跑一下论文抓取」。複数日モードに対応：「过去3天论文推荐」、「过去一周论文推荐」、「过去一周的论文」、「抓 3 天的论文」、「最近5天」
関数型 TypeScript のためのイベントソーシングパターン——状態を過去のイベントの追記専用ログとして永続化し、それらを畳み込んで再構築する。Decider の書き込みモデル、イベントストア、プロジェクションと読み取りモデル、イベントのバージョニング、スナップショットを実装する場合に使用する。domain-driven-design の Decider と hexagonal-architecture の ports/adapters を基盤とする。CRUD や、監査ログや outbox パターンで既に十分な場合は手を出さない。
Microsoft Priva のガイダンス — プライバシーリスク管理と主体の権利請求。Priva Privacy Risk Management と Priva Subject Rights Requests により、プライバシーリスクを発見し、データ主体の請求（GDPR/CCPA）を履行する方法を扱います。WHEN：Microsoft Priva、プライバシーリスク管理、主体の権利請求、DSAR、データ主体の請求、GDPR の履行、プライバシーリスクポリシー、データ最小化、過剰に公開された個人データ。
(NS) PostgreSQL 検索 — pgvector、FTS とベクトルのハイブリッド、GraphRAG テーブル、マルチホップ、100 万件以上の規模。Postgres 上での RAG や GraphRAG、pgvector、ハイブリッド検索、ドキュメントリンク、エンティティのマージ、マルチホップ、100 万件以上の検索に使用する — ユーザーが search、embeddings、SQL のナレッジグラフと言った場合でも同様。オントロジー/引用または拒否（`ns-graphrag`）、アプリのコード、競合するベクトル DB、CrewAI、汎用 Web アプリには使用しない。
Microsoft Purview のデータ分類と秘密度ラベルのガイダンス — 機密情報の種類（SIT）、トレーニング可能な分類子、完全データ一致、自動ラベル付けを伴う秘密度ラベルの分類体系。ラベル分類体系の構築、検出方法の選択、シミュレーションでの自動ラベル付けの展開について扱います。WHEN：データ分類、秘密度ラベル、機密情報の種類、SIT、トレーニング可能な分類子、完全データ一致 EDM、自動ラベル付け、ラベル分類体系、データの分類、情報保護ラベル、MIP ラベル。
Microsoft Purview のデータライフサイクル管理とレコード管理に関するガイダンス。Microsoft 365 全体でコンテンツを保持・削除するための保持ラベルとポリシー、およびレコードの宣言を扱います。保持戦略、アダプティブと静的なスコープ、優先順位の原則、処分レビュー、規制レコードを取り上げます。対象：データライフサイクル管理、保持ポリシー、保持ラベル、レコード管理、レコードの宣言、処分レビュー、アダプティブスコープ、コンテンツの保持と削除、ファイルプラン、規制上の保持、不変レコード。
Microsoft Purview Data Map のガイダンス。カタログ化とガバナンスを実現するために、マルチクラウド環境とオンプレミス環境のデータソースをスキャンしてマッピングする基盤です。ソースの登録、統合ランタイム（マネージドとセルフホスト）、スキャンルールセット、分類、コレクション、コスト管理を扱います。対象：Purview Data Map、データソースのスキャンと登録、データ検出、統合ランタイム、エンタープライズデータのマッピング、マルチクラウドデータのスキャン、分類スキャン、コレクション、用語集。
Microsoft Purview のデータセキュリティ、ガバナンス、コンプライアンススイートの概要を把握するスキルです。目的に合った Purview ソリューションの選択や、統合ポータル、ロール、ライセンスモデルの理解を支援します。対象：Microsoft Purview の概要、Purview ソリューションの選択、Purview ポータル、データガバナンスとデータセキュリティおよびコンプライアンスの違い、Purview のロールと権限、Purview の始め方、Purview のライセンス、使用する Purview 機能がわからない、Purview の対象範囲、Purview の利用開始、Purview 製品の概要、必要なコンプライアンスツールの選択。Purview の概要を知るにはまずこのスキルを使い、その後、用途に合った個別のスキルを使用してください。
Supabase を含むあらゆるタスクで使用する。トリガー：Supabase の製品（Database、Auth、Edge Functions、Realtime、Storage、Vectors、Cron、Queues）、Next.js、React、SvelteKit、Astro、Remix におけるクライアントライブラリと SSR 統合（supabase-js、@supabase/ssr）、認証の問題（ログイン、ログアウト、セッション、JWT、cookie、getSession、getUser、getClaims、RLS）、Supabase CLI または MCP サーバー、スキーマ変更、マイグレーション、宣言的スキーマ、セキュリティ監査、Postgres 拡張（pg_graphql、pg_cron、pg_vector）、Supabase プロジェクトでのエラーや予期しない動作のデバッグとトラブルシューティング（HTTP エラー、Postgres エラー、RLS の予期しない挙動、権限拒否、スキーマキャッシュの問題、タイムアウト、Edge Function のクラッシュ、Realtime の切断、Storage の失敗）およびログの閲覧・クエリ（Logs Explorer、ClickHouse）。
Windows Forms アプリケーションで Syncfusion Gauge コントロールを実装するためのガイド。円形表示（速度計、温度計）向けの RadialGauge、水平／垂直バーや進捗インジケーター向けの LinearGauge、LED 風英数字表示向けの DigitalGauge など、データ可視化ゲージを作成する際に使用する。針、範囲、スケールを備えたダッシュボードゲージ、計器パネル、リアルタイム監視、KPI 表示を扱う。
PRISMA 2020 基準に沿って、システマティックレビューとメタアナリシスを計画、実施、報告します。レビュー計画書（PROSPERO/OSF）の作成、再現可能なデータベース検索式（PubMed、Embase、Scopus、Web of Science）の構築、エクスポート結果の重複排除、タイトル・抄録と全文のスクリーニング整理、バイアスリスクの評価、PRISMA フロー図の作成、PRISMA 2020 チェックリストの記入に使用します。重複排除ツールと、検証済みの PRISMA 図生成ツールを含みます。
FRED API の TGA（財務省一般会計）、銀行準備金、EFFR、SOFR データを監視して、米国政府機関閉鎖の流動性への影響を追跡・分析する。ユーザーが (1) 現在または過去の政府機関閉鎖が金融市場に与える影響を分析したい、(2) 財政政策の混乱期における流動性状況を追跡したい、(3)「ステルス引き締め」の効果を評価したい、(4) 異なる金融政策レジーム（QE と QT）にわたる閉鎖エピソードを比較したい、(5) 歴史的文脈を伴う流動性ストレスレポートを生成したい、ときに使用する。推奨使用頻度は、TGA/準備金データ公表後の毎週水曜日。
ユーザーが推測ではなく妥当な実験を求める場合に使用 — 仮説、単一変数、サンプルサイズと実行期間の計算、統計的有意性、主要指標と副次指標、マルチアーム設計、結果テンプレートを、Optimizely、VWO、Meta と Google のネイティブテストにわたって扱う。トリガー：'A/B test'、'split test'、'how long should I run the test'、'is this result significant'、'test two versions'、'which creative is actually better'。わずかな数値で 2 日後に勝者が宣言された場合にも使用。非対象 — 実証済みの勝者のスケーリングは `55-scaling-ads-global` を参照；収集済みデータの分析は `13-data-analysis-global` を参照；アカウントの監査は `21-ads-audit-global` を参照。
Yandex KIT カタログを監査し正確に修復する。«Проверь каталог»、«Проведи глубокий аудит»、«Проверь группировку, карточки, медиа или коллекции»、«Поставь цену 4 990 для SKU-42»、«Исправь остатки по этому файлу» などのロシア語リクエストや、正確な単一・一括カタログ修正に使用する。監査は読み取り専用。書き込みには、正確な対象、操作、オーナー値または名前付きの権威ソースを伴う明示的なコマンドが必要。現在のストアシグナルを素早く得たい場合は a1-yandex-kit-operator を使用する。
React アプリケーションに Temps analytics を追加し、ページビュー、カスタムイベント、スクロールトラッキング、エンゲージメント監視、セッション録画、Web Vitals のパフォーマンス指標を含む包括的なトラッキング機能を実現する。ユーザーが次のことを望むときに使用する：(1) React アプリ（Next.js App Router、Next.js Pages Router、Vite、Create React App、Remix）に analytics を追加する、(2) ユーザーイベントやインタラクションをトラッキングする、(3) スクロール深度や要素の可視性を監視する、(4) セッション録画／リプレイを追加する、(5) Web Vitals やパフォーマンス指標をトラッキングする、(6) ユーザーエンゲージメントやページ滞在時間を測定する、(7) プロダクト分析やテレメトリーを設定する。トリガー："add analytics"、"track events"、"session recording"、"web vitals"、"user tracking"、"temps analytics"、"react analytics"。
Azure に準拠したローカル開発のため、ローカルの SQL Server 構成を Azure SQL Database コンテナに移行します。プロジェクトが mcr.microsoft.com/mssql/server、mssql/server、sqlcmd と SA パスワードを使う Docker 構成、「Docker 上の SQL Server」や「ローカルの mssql コンテナ」、または mssql/server イメージを使う docker-compose を利用している場合に使用します。また、ユーザーが「ローカルで SQL Server」「Docker で mssql を実行」「ローカル SQL データベースを起動」「SQL Server を使ってテスト」と依頼し、実際には Azure SQL Database エンジン（EngineEdition 5）を必要としている場合にも使用します。SQL Server イメージを検出して Azure SQL Database コンテナに置き換え、実行時にイメージのアーキテクチャを選択できるようにし、SA ログインを維持します。SQL Server 固有の機能（SQL Agent、FILESTREAM、完全な Service Broker、サーバー間の分散トランザクション、Windows Auth）に注意を促し、接続文字列の接続先を master からプロビジョニング済みのユーザーデータベースに変更します。
SqlPackage を使用して、既存の Azure SQL Database または SQL Server のスキーマとデータをローカルの Azure SQL Database コンテナにインポートします。"import a bacpac"、"load my existing database locally"、"restore a dacpac into the container"、"bring my prod schema into the dev container"、"run my .bacpac/.dacpac against the local Azure SQL engine" を求められた場合や、既存データベースをプレビューコンテナへ移行する場合に使用します。まず master 上で対象データベースをプロビジョニングし、その後プロビジョニング済みのユーザーデータベースに対して SqlPackage /Action:Import を実行します。SqlPackage のフラグを手書きせずに "get my real database running in the container" を実現したいあらゆる要望に使用してください。
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。