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 97,222 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
1つまたは両方のプラットフォームで、指定地域におけるアプリの実際の競合を特定し、選択した競合を追跡対象に追加して、競合監査を作成します。ライブストア検索結果でのシェア、新たに見つかった競合、カテゴリ内の順位、星評価の内訳を含む30日間の評価変動速度をまとめます。構造化されたfindings.jsonと、単体で動作するHTMLレポートを出力します。「競合は誰？」「競合分析」「競合監査」「この国で当社より上位なのは？」「指定した競合と比較して」「競合を追跡に追加」「/competitors」で起動します。
データ自動分析 + 広告配信最適化の一体型 Skill。ユーザーが Excel/CSV ファイルをアップロードしたとき、または次のいずれかのシーンに言及したときに必ず発動する：①汎用データ分析（レポート閲覧、データトレンド、可視化）、②アカウント診断（効果の悪いキャンペーン、停止すべきキャンペーン、配信診断、アカウント健康診断）、③A/B テスト分析（2 つのデータの比較、どちらのバージョンが良いか、有意かどうか、信頼度）、④日報生成（配信日報、日次報告、DingTalk/Feishu 週報、前日比較）。フィード広告の最適化担当者、運用担当者、データアナリストに適している。巨量引擎、Tencent Ads、Meta Ads、Google Ads、Kuaishou などのプラットフォームからエクスポートしたデータに対応し、営業、財務、運用など任意の構造化テーブルにも対応する。ユーザーが「分析して」「レポートを見て」「どのキャンペーンを調整すべきか」「この 2 つはどちらが良いか」「日報を作成して」と言っただけでも、この Skill を発動すべきである。
証拠優先で再現可能なワークフローを通じて、雑然とした表形式、テキスト、JSON、リレーショナルデータをクリーンアップ、プロファイリング、検証、再整形、文書化する。分析、レポート、モデリング、取り込み、移行、マッチングのためにデータを準備するときに使用し、AI が提案する修復、エンティティマッチングのレビュー、スコアキャリブレーションの限界、可逆的な修復台帳を含む。統計モデリング、ダッシュボード設計、特定のデータプラットフォームの運用には使用しない；それらのタスクは data-scientist、data-engineering、または該当するツールスキルに振り分ける。
Drizzle ORM — SQL データベース向けの型安全で軽量な TypeScript ORM。スキーマ宣言、CRUD クエリ、結合、リレーション、Drizzle Kit によるマイグレーション、データベースのシード投入。データベーススキーマの定義、クエリ（select/insert/update/delete）の作成、マイグレーションの設定、drizzle.config.ts の構成、データベース接続の確立、drizzle-zod/valibot によるデータ検証、あるいは PostgreSQL、MySQL、SQLite、Turso、Bun SQL、Neon、Supabase、PGlite、Expo SQLite、Cloudflare D1、PlanetScale、SingleStore、MSSQL、CockroachDB を扱う際に使用します。
Firecrawl v2 を使用して Web ページをクリーンな markdown にスクレイピングします — JS を多用するページ、サイト クロール、URL マッピング、ドキュメント解析（PDF/DOCX/XLSX）、LLM を活用した抽出、自律エージェントによるスクレイピング、スクレイピング後のブラウザ操作（Interact API）を処理します。search/scrape/parse/interact 用の無料のキー不要モードを利用できます（API キー不要）。品質と完全性の点で WebFetch より優先してください。トリガー：scrape URL、fetch page、crawl site、extract content、parse document、web to markdown、DeepWiki、Firecrawl。
Garmin のデータを自然な言葉で扱う——「スノーボードで一番速かったのは？」「昨夜の睡眠はどうだった？」「午後 3 時の心拍数は？」。20 以上の指標（睡眠段階、Body Battery、HRV、VO2 max、トレーニングレディネス、体組成、SPO2）にアクセスし、FIT/GPX ファイルをダウンロードしてルートを分析し、任意の地点の標高/ペースを照会し、インタラクティブな健康ダッシュボードを生成する。気軽な「今週のワークアウトを見せて」から深い「回復とトレーニング負荷を分析して」まで。
REST API を通じて Geti アプリケーションをエンドツーエンドで使用する——`application/backend/` の FastAPI バックエンドが提供する project → dataset → annotate → train → deploy パイプライン。ユーザー（コントリビューターではない）がプロジェクトの作成、メディアのアップロード、アノテーションの追加、トレーニングや量子化ジョブの起動、ジョブステータスの追跡、source → model → sink 推論パイプラインの構成、ライブ推論の有効化を望むときに使用する。バックエンドコードの変更ではなく、`/api/...` エンドポイントと非同期ジョブモデルを扱う。
訓練済みの getitune モデル（Geti トレーニングライブラリ）をデプロイ可能な形式にエクスポートする。ユーザーが `engine.export(...)` や `getitune export` を実行したい場合、OpenVINO IR と ONNX のどちらかを選択したい場合、`ExportFormat` / `Precision` で FP32 と FP16 の精度を設定したい場合、エクスポートされた成果物の書き込み先と推論のために読み戻す方法を理解したい場合に使用する。トレーニングと OpenVINO/ONNX 推論の間のエクスポート/ロードの契約を扱う。
トレーニング、テスト、予測のためにデータセットを準備し、getitune ライブラリ（Geti トレーニングライブラリ）に指定する。ユーザーが対応しているデータセット形式、`create_engine(...)` の `data=` 引数 / `--data_root` の動作、形式の自動検出が失敗する理由、COCO/YOLO/Pascal VOC/Datumaro ネイティブデータの配置方法、zip アーカイブの使用方法、Ultralytics YOLO の `data.yaml` の渡し方を尋ねたときに使用する。Datumaro ベースの自動検出とタスクごとのデータ要件を扱う。
getitune モデル（Geti トレーニングライブラリ）で推論と評価を実行する。ユーザーが `engine.predict()` / `engine.test()` や `getitune predict` / `getitune test` を呼び出したい場合、PyTorch チェックポイントとエクスポートされた OpenVINO IR（`.xml`）または ONNX（`.onnx`）モデルで推論を実行したい場合、`OVEngine` が ModelAPI 経由でデプロイ済みモデルを読み込む方法を理解したい場合に使用する。PyTorch、OpenVINO、ONNX の推論バックエンドを扱う。
getitune ライブラリ（Geti トレーニングライブラリ）の Python API または CLI を使用してコンピュータビジョンモデルをトレーニングする。ユーザーが `create_engine(...)` と `engine.train()/engine.test()` でモデルをトレーニング、微調整、評価したい場合、`getitune train`/`getitune test` を実行したい場合、`getitune.recipe.<task>` のレシピを選択または上書きしたい場合、デバイス（cpu/gpu/xpu/cuda）を選択したい場合、チェックポイントからウォームスタートしたい場合、トレーニング実行をデバッグしたい場合に使用する。分類、検出、インスタンス/セマンティックセグメンテーション、キーポイント検出を扱う。
株式分析と値動き予測。ユーザーが分析、評価、予測の意図を示した場合に起動します。例：「テンセントを分析して」「0700 の最近の動きは？」「XX は買いか」「今後の値動きを予測して」「分析レポートを作成して」など。「テンセントの現在の株価は？」「茅台の銘柄コードは？」などの簡単な問い合わせでは、この Skill は起動しません。香港株、A 株、米国株に対応し、ニュース、ファンダメンタルズ、テクニカル分析、資金フロー、マクロ情報など複数のデータソースを統合して多角的に分析し、画像や可視化チャートを含む構造化レポートを出力します。glm-5v-turbo など、画像を読み取れるマルチモーダルな主モデルが必要です。
Grafana OSS、Enterprise、Cloud の運用、設定、プロビジョニング、セキュリティ強化、トラブルシューティング。ダッシュボード、フォルダ、データソース、アノテーション、アラートルール、コンタクトポイント、通知ポリシー、サイレンス、ミュートタイミング、サービスアカウント、RBAC、プラグイン、API、as-code ワークフローを含む。Grafana 製品の作業および Grafana 側の統合に使用。SLO やページングポリシーの定義、Prometheus/Loki/Tempo/InfluxDB バックエンドの運用、一般的な Docker/Kubernetes/Terraform/リバースプロキシの作業、プラグイン開発、許可されたセキュリティ評価には使用せず、対応する専門スキルを使用すること。
IUPHAR/BPS Guide to Pharmacology（GtoPdb）で受容体-リガンド相互作用、標的/リガンドのメタデータ、ファミリー、承認薬を照会する。親和性（pKi/pIC50/pKd）、作用（Agonist/Antagonist など）、種、構造（SMILES/InChI）。認証は不要。標的は常に geneSymbol/accession で解決する。メタデータの大部分はサブリソース（/databaseLinks、/structure、/synonyms）に存在する。
ChIP-seq/ATAC-seq の BAM 向け Poisson モデルピークコーラー。MACS3 callpeak は input/IgG に対して濃縮領域（転写因子結合部位やヒストン修飾）を検出し、モチーフ解析、アノテーション、差次的結合解析に使える BED narrowPeak/broadPeak を出力する。転写因子 ChIP-seq と ATAC-seq には narrow peak、H3K27me3、H3K9me3 などのブロードなマークには broad を使用する。
PRIDE Archive v3 REST API でプロテオミクスデータセットを検索する：キーワード + ファセットフィルタ（生物種、装置、疾患、ソフトウェア）でプロジェクトを発見し、プロジェクトのメタデータを取得し、RAW/PEAK/RESULT/FASTA ファイルを一覧表示・ダウンロードし（FTP/Aspera URL を含む）、UniProt アクセッションに言及するプロジェクトを検索し、類似プロジェクトを見つける。PRIDE v3 はペプチド/PSM レベルの同定エンドポイントを公開しなくなった——スペクトルレベルのデータが必要な場合はプロジェクトの RESULT ファイルをダウンロードする。タンパク質配列には uniprot-protein-database、ドメイン構造には interpro-database を使用する。
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。