Skills

Z

zarr-python

leonchaox / qinyan-academic-skills

クラウドストレージ向けのチャンク化 N 次元配列。圧縮配列、並列 I/O、S3/GCS 統合に対応し、NumPy/Dask/Xarray と互換性があり、大規模な科学計算パイプラインに適しています。

Z

zigzag-pattern-classifier

terrylica / cc-skills

アルゴリズム取引向けの ZigZag スイングパターン分類。UP-DOWN および UP-DOWN-UP パターン。トリガー - zigzag、swing classification

Z

zinc-database

leonchaox / qinyan-academic-skills

ZINC（購入可能な化合物 2.3 億件以上）にアクセス。ZINC ID/SMILES での検索、類似性検索、ドッキング用の 3D 対応構造の取得、類似化合物の探索、バーチャルスクリーニングや創薬に利用

中国株式市場向けの A 株（A 股）に関する総合的な情報収集・分析スキル。株価の照会、財務データの分析、ポートフォリオの追跡、市場トレンドの監視が必要なときに使用。

A

ab-test-setup

kimny1143 / claude-code-template

ユーザーが A/B テストや実験の計画、設計、実施を希望する場合に使用します。「A/B test」「split test」「experiment」「test this change」「variant copy」「multivariate test」「hypothesis」に言及した場合も対象です。トラッキングの実装については analytics-tracking を参照してください。

A

ab-testing

gtmagents / gtm-agents

件名、オファー、配信ケイデンス、または…の実験を設計する場合に使用する。

A

aeon

jaechang-hits / sciagent-skills

時系列 ML 向けの scikit-learn 互換 Python ツールキット：30 以上のアルゴリズム（ROCKET、InceptionTime、KNN-DTW、HIVE-COTE、WEASEL）による分類、クラスタリング、回帰、セグメンテーション、変換。パネルデータ、多変量、長さの異なる系列を扱う。sktime の保守された後継。代替：sktime（エコシステムが大きい）、tslearn（アルゴリズムが少ない）、catch22（特徴量のみ）。

A

afa-dashboard

afadtc / afa-dtc-skills

DTC のデータダッシュボードとヘルスチェック——3 層のダッシュボード、KPI 追跡、ノーススター、異常アラート。トリガー: 数据体检, 仪表盘, dashboard, KPI, 指标追踪, 基准线, 营收报表, 异常预警, metrics, benchmark, data health check, revenue report。複雑な問題は先に afa を経由する。

A

alterlab-alphafold-db

alterlab-ieu / alterlab-academic-skills

2.4 億件以上の AI 予測タンパク質構造の AlphaFold DB（v6、事前計算済みのホモ二量体/ヘテロ二量体複合体を含む）にアクセス——UniProt accession でモデルを取得し、PDB/mmCIF ファイルをダウンロードし、予測信頼度指標（pLDDT、PAE）を分析する。UniProt ID に計算予測された 3D 構造が必要な場合、または実験構造が存在しない場合に使用し、相同性モデリング、タンパク質工学、構造ベースの創薬に適する。実験的に決定された構造（X-ray、cryo-EM、NMR）には alterlab-pdb を、新しい配列や複合体を自分でフォールディングするには alterlab-alphafold を、タンパク質配列、アノテーション、accession ID のマッピングには alterlab-uniprot を優先する。AlterLab Academic Skills スイートの一部。

A

alterlab-cbioportal

alterlab-ieu / alterlab-academic-skills

キー不要の REST API を通じて cBioPortal を照会し、TCGA、GENIE、MSK-IMPACT および数百の研究にわたるがんゲノム情報——体細胞変異、コピー数変化 (GISTIC)、mRNA/タンパク質発現、構造変異、患者レベルの臨床/生存データ——を取得する。ある腫瘍種において遺伝子がどのくらいの頻度で変異/増幅/欠失するかを尋ねられたとき、がん種をまたいでがん遺伝子やがん抑制遺伝子をプロファイリングするとき（pan-cancer 変異頻度）、OS/臨床アウトカムと結合した患者レベルの変異を取得するとき、またはコホートゲノム情報からがん標的を検証するときに使用する。生殖細胞系列変異の病原性には alterlab-clinvar、変異シグネチャー (SBS) の分解には alterlab-cosmic、CRISPR/RNAi 遺伝子依存性には alterlab-depmap、集約された標的-疾患エビデンスには alterlab-opentargets を使用する。AlterLab Academic Skills スイートの一部。

A

alterlab-deeptools

alterlab-ieu / alterlab-academic-skills

deepTools のコマンドラインでディープシーケンシングのカバレッジを処理・可視化する——BAM を bigWig に変換 (bamCoverage)、log2 比トラックを構築 (bamCompare)、QC を実行（multiBamSummary 相関、PCA、plotFingerprint）、ATAC-seq の Tn5 シフトを適用 (alignmentSieve --ATACshift)、TSS/ピークのヒートマップとプロファイルを作成 (computeMatrix、plotHeatmap、plotProfile)。カバレッジトラック、シグナルのヒートマップ/プロファイル、正規化 (RPGC/CPM/RPKM)、ChIP-seq、ATAC-seq、MNase-seq、RNA-seq の有効ゲノムサイズの参照に使用する。リード単位/CIGAR/MAPQ の BAM レコードアクセスには使用しない——それは pysam。AlterLab Academic Skills スイートの一部。

A

alterlab-geo

alterlab-ieu / alterlab-academic-skills

NCBI GEO（Gene Expression Omnibus）にアクセスし、遺伝子発現および機能ゲノミクスのデータを扱う。GSE、GSM、GPL、GDS のアクセッションでマイクロアレイや RNA-seq データセットを検索・ダウンロードし、SOFT、MINiML、series matrix ファイルを取得する。公開の発現データセットを探す場合、処理済み発現行列を取得する場合、研究の補足ファイルをダウンロードする場合、差異発現解析のために研究単位のトランスクリプトームデータを入手する場合に使用する。SRA/ENA のランアクセッションで生の FASTQ シーケンスリードを取得する場合は alterlab-ena を、参照組織発現のベースライン（ヒト組織ごとの中位 TPM）には alterlab-gtex を、がんコホートの体細胞変異とコピー数には alterlab-cbioportal を使用する。AlterLab Academic Skills スイートの一部。

A

alterlab-gget

alterlab-ieu / alterlab-academic-skills

gget のコマンドラインまたは Python から 20 以上のバイオインフォマティクスデータベースへ高速なワンライナー照会を実行する——遺伝子情報 (Ensembl)、BLAST、AlphaFold 構造、Enrichr エンリッチメントなど。遺伝子、配列、構造、パスウェイの素早い対話的な検索に使用する——バッチ処理や高度な BLAST には biopython、複数データベースの Python ワークフローには bioservices を使用する。AlterLab Academic Skills スイートの一部。

A

alterlab-gwas

alterlab-ieu / alterlab-academic-skills

NHGRI-EBI GWAS Catalog REST API v2 を照会してキュレーションされた SNP-形質関連を取得し、rs ID、疾患/形質（EFO/MONDO）、遺伝子、研究（GCST）で変異を検索して p 値、効果量、祖先情報を取得するとともに、FTP サイト上で整備済みの完全な要約統計を特定する。ゲノムワイド関連研究のヒットの調査、SNP や rsID の形質へのマッピング、ポリジェニックリスクスコアやファインマッピングのための GWAS の選定、遺伝疫学の検索に使用する。AlterLab Academic Skills スイートの一部。

A

alterlab-phylogenetics

alterlab-ieu / alterlab-academic-skills

生の配列から系統樹をエンドツーエンドで構築する——MAFFT による多重配列アラインメント、任意の TrimAl によるトリミング、モデル選択とブートストラップを伴う IQ-TREE 3 の最尤推定、大規模データセット向けの FastTree、その後 ETE3 または FigTree で可視化する。進化解析、微生物ゲノム学、ウイルス系統動態、タンパク質ファミリー研究、分子時計による年代推定のために配列 (FASTA) から樹を再構築するときに使用する。既存の Newick 樹の操作/比較（枝刈り、ルート付け、Robinson-Foulds、重複/種分化イベント）には alterlab-etetoolkit、単純な配列のパース/翻訳には alterlab-biopython を使用する。AlterLab Academic Skills スイートの一部。

A

alterlab-tiledbvcf

alterlab-ieu / alterlab-academic-skills

TileDB-VCF でゲノム変異データを大規模に保存・照会する——VCF/BCF を圧縮された TileDB 配列に取り込み、サンプルを逐次追加し、高速な並列の領域/サンプルクエリを実行し、VCF に書き戻す。フラットな VCF には大きすぎる集団ゲノム学の変異データセットを管理するとき、合同変異ストアを構築するとき、または領域ごとに数千のサンプルを照会するときに使用する。AlterLab Academic Skills スイートの一部。

Excel（.xlsx/.xls）ファイルの読み取り、書き込み、結合、変換、検証を自動化する。ユーザーがスプレッドシート、.xlsx ファイル、Excel データ、CSV から Excel への変換、Excel のバッチ処理、テーブルからのレポート生成を扱うときに使用。

A

automation-workflows

alphaonedev / openclaw-graph

汎用的なワークフロー自動化: IFTTT スタイルのトリガー、webhook チェーン、データ変換パイプライン

A

azure-ai-contentunderstanding-py

sickn33 / agentic-awesome-skills

Python 向け Azure AI Content Understanding SDK。ドキュメント、画像、音声、動画からマルチモーダルコンテンツを抽出するために使用します。

B

biorxiv-database

jaechang-hits / sciagent-skills

REST API 経由で bioRxiv/medRxiv のプレプリントを検索する。DOI、カテゴリ、日付範囲で検索し、メタデータ（タイトル、要旨、著者、カテゴリ、DOI、バージョン履歴）と PDF を取得する。認証不要。査読済みの生物医学用途には pubmed-database、より広範な学術検索には openalex-database を使用する。

B

brenda-database

jaechang-hits / sciagent-skills

BRENDA 酵素 DB の SOAP/REST クエリ：速度論パラメータ (Km、Vmax、kcat、Ki)、EC クラス、基質特異性、阻害剤、補因子、生物種データ。80K+ の酵素、7M+ の値。学術利用は無料登録。代謝モデリングには cobrapy-metabolic-modeling、代謝物には hmdb-database を使用。

C

chatlab-convert

chatlab / chatlab

サポートされていないローカルチャットのエクスポートを、再利用可能なローカルスクリプトで検証済みの ChatLab JSONL または JSON に変換します。

C

china-deck-refresh

jwangkun / claude-for-financial-services-cn

既存の A 株投資プレゼン資料を最新データでリフレッシュ・更新する。元の deck-refresh スキルを、中国語のプレゼン、A 株データの更新、国内市場の慣行に適応させる。トリガー：「更新PPT」「刷新演示」「refresh deck China」「update presentation」「更新演示文稿」「refresh slides [company]」。

C

china-xlsx-author

jwangkun / claude-for-financial-services-cn

A 株の財務分析向けにプロフェッショナルな Excel ブックを作成する。元の xlsx-author スキルを、中国の財務モデリング基準、CAS の慣行、A 株の書式に適応させる。トリガー：「A股Excel模型」「财务模型制作」「create model China」「build model xlsx」「制作模型」「Excel model [company]」。

クリーンで読みやすいモダンなウェブページの本文コンテンツを取得。WeChat 公式アカウント記事の取得と末尾ノイズのクリーニングに対応し、無駄な情報と token 消費を削減する。ニュース、ブログ、お知らせ、および通常の fetch が不安定だったり、アンチスクレイピングや動的レンダリングの干渉がある多くのページに適する。Clean readable web fetch for modern pages, with WeChat cleanup, markdown output, batch fetch, selector overrides, and support for many hard-to-fetch pages.

C

cloud-tencent-cdb

partme-ai / full-stack-skills

Tencent Cloud CDB に関する包括的なガイダンスを提供します。データベースの作成、設定、バックアップ、CDB の管理などを扱います。ユーザーが Tencent Cloud CDB について質問する場合、CDB データベースの作成、CDB の設定、Tencent Cloud のデータベースサービスの管理が必要な場合に使用します。

C

confluent-cloud-flink-sql

confluentinc / agent-skills

Confluent Cloud 上で動作する Flink SQL を書き、デバッグする。CC と Apache Flink（OSS）の方言の境界を厳守する。作業ディレクトリが Confluent Cloud Flink ワークスペースである場合、Flink SQL ステートメントを CC コンピュートプールで実行する前に確認する必要がある場合、またはユーザーが CC Flink、Confluent Cloud Flink SQL、`confluent flink` CLI、CFU コンピュートプール、`CREATE CONNECTION` に言及する場合、あるいはランタイムが Confluent Cloud である Flink SQL の確認やデバッグを求める場合に使用する。Flink SQL の質問がなされ、Apache Flink OSS のランタイムであることが何も示されない場合にもトリガーする。以下ではトリガーしない: Java での Flink UDF の構築・デプロイ（UDF/UDTF/PTF — flink-udf を使用）; データベースから Flink を経て Tableflow/Iceberg/Delta Lake に至る完全な CDC パイプライン（confluent-cloud-cdc-tableflow を使用）; Kafka Streams のトポロジ作業（kafka-streams-programming を使用）; または Flink SQL が Confluent Cloud ではなく Apache Flink OSS で動作することが確認されている場合。

C

crimeometer

membranedev / application-skills

CrimeoMeter 連携。Deals、Persons、Organizations、Leads、Projects、Activities などを管理する。ユーザーが CrimeoMeter データを操作したいときに使用する。

C

croql

crowdin / skills

文字列、翻訳、TM セグメント、用語集の用語に対する Crowdin CroQL 式の作成、修正、最適化を支援します。ユーザーが CroQL、Crowdin のフィルター、エディターの高度なフィルタリング、ローカライズデータの "where" 条件、または `croql` パラメータを使った API クエリに言及した場合は常に使用してください。クエリ構文の支援を明示的に求めていない場合でも使用します。

D

data-anonymizer

dkyazzentwatwa / chatgpt-skills

テキストと CSV ファイル内の PII（氏名、メール、電話番号、SSN、住所）を検出してマスクする。複数のマスキング戦略と、可逆トークン化のオプションを用意。

D

Database Design

jmsktm / claude-settings

データベーススキーマ設計、Supabase/PostgreSQL のベストプラクティス、RLS ポリシー、最適化に関するエキスパートガイド。テーブル、リレーションシップの設計やデータモデルの実装時に使用します。

D

datadog-dashboards

pproenca / dot-skills

Datadog ダッシュボードを構築する際にモデルが持ちがちな誤ったデフォルトを正す。2026 年 7 月に Datadog のドキュメントで検証済み。Datadog ダッシュボードの作成、編集、レビュー時に使用する——ウィジェットの選択、metric/log/span クエリの記述、ウィジェット JSON の生成。もっともらしい数値を描画しつつ誤っているクエリを扱う——`.as_count()` は graph editor では自動的に付与されるが API 経由では決して付与されないため、プログラムによるカウントは暗黙に平均化される。`p95` は distribution メトリクスでのみ解決され、それを平均するのは平均の平均になる。比率は両側に `.as_count()` が必要で、そうでなければ補間された平均を割ることになる。また、存在するメトリクスに基づかせること（架空の名前を使わないこと）、UI の名前と異なる wire type 文字列（Pie Chart は `sunburst`、Table は `query_table`）、Datadog 自身のレイアウト標準も扱う。Datadog MCP サーバーが接続されていることを前提とする。Terraform や素の Dashboard API の管理、monitor と SLO の作成、Datadog 以外の可観測性ツールには使用しない。

D

db-partitioning-sharding

hainrixz / claude-db

水平スケーリングのトポロジーを監査する — 大規模/時系列テーブルに対する宣言的パーティショニングの適合性、ホットパーティション / パーティションキー偏りのリスク、正当化される前に複雑さを増す早すぎるシャーディング。モジュール M16。Performance & Scale スコアに反映される。

D

db-platform-fit

hainrixz / claude-db

マネージドプラットフォーム適合性（M21）— プロジェクトをホスティングプラットフォーム（Supabase、Neon、PlanetScale、Turso、Cloudflare D1、CockroachDB、Yugabyte、DynamoDB、RDS/Aurora）の実情と照らし合わせて確認する。エンジンバージョンの新しさ（EOL 日付を捏造しない）、誠実な価格 / ベンダーロックインのトレードオフ、プラットフォームごとの機能サポート — 最も重要なのは外部キーサポート（PlanetScale Vitess は歴史的に FK を制限している。D1/SQLite、サーバーレスドライバー、接続数制限）。Design & Integrity と Performance & Scale の両スコアに反映される。

D

db-replicas-views

hainrixz / claude-db

読み取りスケーリングの正確性を監査する — 読み取りをレプリカにルーティングする際の read-your-writes 一貫性、およびマテリアライズドビューの陳腐化 / リフレッシュ戦略。モジュール M17。Performance & Scale スコアに反映される。

D

db-specialized-fit

hainrixz / claude-db

専用エンジンの適合性（M20）— ベクトル、時系列/OLAP、グラフ、検索ストアがその用途に合わせて正しく構成されているかを確認する。M20a ベクトル（次元が埋め込みモデルと一致し、距離指標がモデルの学習方法と一致し、HNSW/IVFFlat パラメータが存在する）、M20b 時系列/OLAP（ハイパーテーブル/パーティションの適合性、継続的集約、圧縮）、M20c グラフ（エッジモデリング、スーパーノードリスク、インデックスに支えられたルックアップ）、M20d 検索（アナライザー/マッピング、FTS 設定）。サブモジュールごとに Design & Integrity と Performance & Scale のスコアに反映される。

D

deneb-visuals

data-goblin / power-bi-agentic-development

Deneb ビジュアルの作成、Vega/Vega-Lite スペックの記述、PBIR レポートにおける Deneb のベストプラクティス。ユーザーがどのような文脈で「Deneb」に言及した場合でも、または Power BI の Vega/Vega-Lite スペック、Deneb のクロスフィルタリング、Deneb のインタラクティブ性、pbiColor テーマ統合、Deneb のフィールド名エスケープ、Deneb の描画問題について尋ねた場合に自動的に呼び出す。

D

dotnet-dapper-query-builder

ronnythedev / dotnet-clean-architecture-skills

Dapper を使用して最適化された読み取りクエリを生成する。結合のためのマルチマッピング、ページネーション、動的フィルタリング、CTE、および高性能なデータアクセスのベストプラクティスを含む。

E

etetoolkit

jaechang-hits / sciagent-skills

ETE Toolkit (ETE3)：Python による系統樹の解析と可視化。Newick/NHX/PhyloXML を解析し、ノードを走査・注釈し、TreeStyle/NodeStyle で図を描画し、NCBI 分類を統合し、PhyloTree の比較ゲノミクスを実行する。種樹、遺伝子ファミリーの進化、注釈付きの樹図に使用。

E

experiment-design

growthenginenowoslawski / coldoutboundskills

単一変数のコールドメール実験を実施するためのフレームワーク。実験タイプ(リストのみ、コピーのみ、組み合わせ)、信頼度の重み付け、最小サンプルサイズ、成功基準を定義します。ユーザーがキャンペーンの改善、新しいリストと古いリストのテスト、コピー変種の比較を望むときに使用します。学習ループの最大の誤り——リスト + コピー + オファーを同時に変えてすべてのシグナルを失うこと——を防ぎます。

E

explain

hainrixz / claude-db

データベーススキーマ、モデル、または個別の指摘を平易な言葉で説明し、パラダイムを踏まえた図を添える — テーブル/コレクション/キースペースとは何か、それらがどう関係するか、データがどこにあるか。読み取り専用。教えるだけで、何も変更しない。スキーマ、データモデル、関係、または特定の監査指摘の意味について、説明、記述、解説、作図、図示を求められたときに使用。

F

financial-modeling

magnus919 / agent-skills

前提条件を起点とした財務モデル、ユニットエコノミクス、価格設定、資金調達シナリオ、SaaS 運営指標を構築・レビューする。CAC、LTV、ペイバック、ランウェイ、ARR、チャーン、NDR、Rule of 40、営業効率を計算するとき、収益、コスト、キャッシュフロー、価格設定、キャップテーブル、資金調達をモデル化するときに使用する。本スキルを無関係な依頼に使用しないこと。最も近い指名の専門スキルにルーティングする。

F

firmographic-analysis

gtmagents / gtm-agents

企業レベルのエンリッチメントデータを解釈してアカウントをセグメント化し、購買トリガーを見つけ、アプローチをカスタマイズするときに使用。

F

Full-empirical-analysis-skill-Stata

brycewang-stanford / auto-empirical-research-skills

伝統的な Stata エコシステムにおける古典的なエンドツーエンド実証分析ワークフロー——ネイティブ Stata + reghdfe + ivreg2 + csdid + did_imputation + eventstudyinteract + sdid + rdrobust + rddensity + synth + synth_runner + psmatch2 + teffects + ebalance + coefplot + esttab + asdoc + binscatter。**デフォルトで経済学実証論文スタイル**（AER / QJE / AEJ）——各実行で出版可能な出力セットを生成し、多列回帰表（M1→M6 の段階的な統制変数/固定効果）を中心に、表 1（記述統計）、メカニズム/異質性/頑健性の表、イベントスタディ図・係数図・トレンド図を付す。応用経済学者が毎論文で実行する完全な 8 ステップの Stata パイプラインを網羅——(1) データのインポートとクリーニング（use/import、destring、misstable、duplicates、merge assert）、(2) 変数構築（gen/egen/winsor2/xtile/xtset と L./F./D.）、(3) 記述統計と表 1（tabstat/balancetable/asdoc）、(4) 古典的な診断検定（sktest/swilk/hettest/imtest/xtserial/xttest3/vif/dfuller/kpss/hausman/estat overid）、(5) ベースライン・モデリング（reg/xtreg/reghdfe/ivreg2/ivregress/csdid/did_imputation/eventstudyinteract/sdid/rdrobust/synth/psmatch2/teffects/heckman/qreg/ppmlhdfe）、(6) 頑健性チェック一式（bacondecomp/honestdid/rwolf/ritest/wildbootstrap/oster）、(7) 追加分析（サブグループ/三重差分/交互作用項/medsem/marginsplot/グループ別 binscatter）、(8) 出版可能な表と図（esttab/outreg2/estout/coefplot/marginsplot/rdplot/twoway の組み合わせ）。**同じ 8 ステップの骨組みを共有する 2 つの並行ドメインモードも網羅**——**モード A——疫学/公衆衛生**（対象試験エミュレーション、`teffects ipw` / `teffects ipwra` / `teffects aipw` / `eltmle` による IPTW + g-formula + TMLE の二重頑健トリプレット、`mrrobust`（IVW / Egger / 加重中央値）と `mregger` / `mrpresso` によるメンデルランダム化、`sts` / `stcox` / `streg` / `strmst2` による KM / Cox / AFT / RMST 生存分析、`evalue`（Linden-Mathur）による E 値感度分析、主層化——STROBE / TRIPOD 報告）、および **モード B——ML 因果推論**（`ddml` / `pdslasso` による DML、`crforest` と `ddml interactive` による S/T/X/R/DR メタ学習器、`crforest` / `cforest` による因果フォレスト、`bart` / `bartCause` 系の外部コマンドによる BART/BCF、`crforest` による CATE 分布 + ポリシーツリー、オフポリシー評価、共形因果外部コマンド、公平性監査、`pcalg` / 外部 Python 呼び出しによる DAG 学習）。ユーザーが完全な Stata 実証分析を求めたり、再現可能な .do ファイルのパイプラインを必要としたり、Python StatsPAI / Full-empirical-analysis-skill に対応する Stata 版を必要としたり、特定の Stata ステップを単独で指定したりする場合に使用（"run reghdfe with two-way clustering"、"csdid event study"、"winsor2 at 1%"、"esttab to LaTeX"、"coefplot with CI"、"ivreg2 weak-IV test"、"synth_runner placebos"、"teffects psmatch balance check"）。モード A のトリガー："target trial emulation Stata"、"teffects ipw aipw"、"eltmle"、"mrrobust"、"mregger weighted median"、"stcox AFT survival"、"strmst2"、"evalue Stata"、"STROBE Stata"、"公共健康 Stata"、"流行病学 Stata"。モード B のトリガー："ddml Stata"、"pdslasso"、"crforest causal forest Stata"、"policy tree Stata"、"因果机器学习 Stata"。

G

grist

membranedev / application-skills

Grist 連携。ワークスペース、ユーザー、ロールを管理します。ユーザーが Grist のデータを操作したい場合に使用します。

H

hypeauditor

membranedev / application-skills

HypeAuditor 統合。データとレコードを管理し、ワークフローを自動化します。ユーザーが HypeAuditor データを操作したいときに使用します。

I

investment-research-prompts

timlai666 / skills

ユーザーが銘柄スクリーニング、ポートフォリオのリスクレビュー、高配当ポートフォリオの設計、決算前分析、業界の競合分析、DCF 評価、テクニカル分析、株式トレンド/異常検知を必要とするときは、このスキルを必ず使用する。選股、投資組合風險、股息策略、財報前瞻、DCF 估值、技術面分析、產業競爭研究、趨勢識別 といったリクエスト、または投資リサーチのプロンプトで必ず発動する。

J

jimubi-bigscreen

jeecgboot / skills

ユーザーが大屏（大屏）の作成/設計、全画面データ可視化を依頼したとき、または "创建大屏"、"生成大屏"、"新建大屏"、"设计大屏"、"做一个大屏"、"BI大屏"、"数据大屏"、"可视化大屏"、"监控大屏"、"create big screen"、"design big screen"、"BI visualization big screen" と言ったときに使用する。"做一个销售数据大屏" のような大屏の要件を説明したときや、"展厅展示"、"监控室大屏" のような全画面表示に言及したときにもトリガーされる。大屏（大屏）には必ずこのスキルを使用すること——ダッシュボード（仪表盘/看板）には使用しない。ダッシュボードはまったく異なるレイアウトとスタイルシステムを使う。

L

lamindb-data-management

jaechang-hits / sciagent-skills

オープンソースの FAIR 生物学データフレームワーク。アーティファクト (AnnData、DataFrame、Zarr) をバージョン管理し、系統を追跡し、オントロジー (Bionty) で検証し、データセットをクエリする。Nextflow、Snakemake、W&B、scVI と統合。scRNA-seq には scanpy、オントロジー検索には bionty を使用。

L

linkfox-amazon-ads-sp-insights-report

linkfox-ai / linkfox-skills

Amazon 広告の Sponsored Products（SP）インサイトレポートスキルで、Audience のセグメント別パフォーマンスと Search Term Impression Share/Rank（検索語のインプレッションシェア/ランク）という 2 種類の Amazon Ads Reporting API v1 beta レポートを統一的に取得します。profile から advertiser account へのマッピング、レポート作成、ステータスのポーリング、複数シャードの CSV ダウンロードとディスクへの保存を自動で行います。ユーザーが SP オーディエンスレポート、SP 検索語インプレッションシェア、またはインプレッションシェアランクを明示的に要求した場合にのみトリガーされます。通常の SP 検索語パフォーマンスレポート、SB/SD/DSP レポートではトリガーしてはいけません。このスキルは linkfox-amazon-ads-auth に依存しています。

M

member-insights

gtmagents / gtm-agents

ロイヤルティ会員の行動分析、セグメンテーション、実験に使用

ユーザーが特定の URL をクロールまたは取得して内容を抽出・要約する必要があるときに使用。既知の URL を取得するために必要なコマンドの使用手順を提供する。トリガーワード：网页抓取, 抓取网页, 提取网页内容, web crawl, 爬取, fetch url, 总结网页, 抓取 URL, 读取网页

M

migrate

hainrixz / claude-db

データベースマイグレーションを実行前に安全性の観点でリントする — ロックレベル、テーブルリライト、可逆性を分類し、破壊的/ブロッキングな操作を指摘し、expand-contract によるロールアウトを提案する。デフォルトでは読み取り専用の分析。データ損失を伴う手順は、ライターが関与する前に明示的なトークンハンドシェイクを必要とする。デプロイ前にマイグレーション、ALTER/DROP、enum 変更、バックフィル、スキーマ変更のレビュー、リント、チェック、リスク低減を求められたときに使用。

M

migration-engineering

magnus919 / agent-skills

モノリスからのサービス抽出を含む、安全なシステム間移行を計画・実行します。互換性ウィンドウ、二重稼働、突合、カットオーバー、リカバリ、非推奨化を通じて、データ、スキーマ、インターフェース、インフラストラクチャ、サービスの所有権を移すときに使用します。分解が正当化されるかの判断、目標アーキテクチャの設計、特定の技術の実装には使用しないでください。これらは関連するアーキテクチャまたは専門スキルに振り分けてください。

自動進化する機械学習コンペティションエージェント。各実験から学習し、HCC 多層メモリを蓄積して LB スコアを継続的に向上させる。MLE-Bench 1 位の ML-Master の方法論に着想を得ている。

フルスタック可観測性 - 再現性、リネージ、モニタリング、アラート

M

mne

tondevrel / scientific-agent-skills

EEG、MEG、sEEG、ECoG を含むヒトの神経生理データを探索、可視化、分析するためのオープンソース Python パッケージ。

M

molfeat-molecular-featurization

jaechang-hits / sciagent-skills

ML 向けの分子特徴量化ハブ（100+ の特徴量化器）。SMILES からフィンガープリント (ECFP、MACCS、MAP4)、記述子 (RDKit 2D、Mordred)、事前学習済み埋め込み (ChemBERTa、GIN、Graphormer)、ファーマコフォアへ変換。並列化/キャッシュ対応で Scikit-learn と互換。QSAR、バーチャルスクリーニング、類似性、分子 DL に使用。

N

networkx

tondevrel / scientific-agent-skills

複雑ネットワークの構造、動態、機能を作成、操作、研究するための Python パッケージ。さまざまなグラフ型（有向、無向、多重グラフ）をサポートし、標準的なグラフアルゴリズムの豊富なライブラリを備える。ネットワーク分析、グラフ理論、ソーシャルネットワーク分析、生物学的ネットワーク、インフラネットワーク、経路探索、中心性指標、コミュニティ検出、グラフアルゴリズム、最短経路、PageRank、連結性分析、ルーティング最適化に使用する。

N

next

hainrixz / claude-db

何を先に修正すべきかをユーザーにコーチする — 監査の指摘をスコアへの影響と工数で単一の順序付き ToDo リストに並べ、各項目がその位置にある理由を説明する。読み取り専用。助言するだけで、何も変更しない。次に何をすべきか、何を先に修正すべきか、何が最も重要か、優先順位の付け方、監査後の始め方を尋ねられたときに使用。