Skills

プロフェッショナルな A 株の朝刊/夕刊レポートを生成する。市場指数の相場、市場センチメント、ローソク足チャート、業界/コンセプトセクターのランキング、個別銘柄の値上がり・値下がりランキング、テーマニュースの追跡、総合分析を含み、Markdown + PNG チャート + PDF で出力する。データソースは東方財富の公開 API。毎日の A 株レポートや市場分析の作成を依頼されたとき、またはユーザーが A股/大盘/股市/行情/晚报/早报 に言及したときに使用する。

A

accountscore

membranedev / application-skills

AccountScore 連携。データとレコードを管理し、ワークフローを自動化する。ユーザーが AccountScore のデータを操作したいときに使用。

A

actuarial-risk-modeling

magnus919 / agent-skills

保険、アクチュアリー、金融リスク、その他重大な不確実性を伴う結果に対するモデルの分析、選択、検証、または説明に使用する。回帰、一般化線形モデル、頻度・severity、パネルデータと縦断データ、生存分析、時系列、クレディビリティ、準備金、テールリスク、キャリブレーション、モデルガバナンスを扱う。汎用的なソフトウェア予測、通常の SaaS 財務モデル、または関連する専門家のレビューなしの資格を要するアクチュアリー、投資、法律、規制に関する助言には使用しない。

A

ad-campaign-analyzer

gooseworks-ai / goose-skills

広告キャンペーンのパフォーマンスデータ（Google、Meta、LinkedIn）を分析し、効果が出ているもの、予算を浪費しているもの、具体的な削減／拡大／テストの推奨事項を特定する。統計分析、ファネル診断、マルチチャネルの予算再配分を実行し、具体的な金額シフトの推奨とシナリオモデリングを提供する。

A

agent-mongo

shhac / agent-mongo

読み取り専用の MongoDB コマンドライン。データベース、コレクション、スキーマ、インデックスの調査、ドキュメントのクエリ（find、id による取得、count、sample、distinct、aggregate）、データベースまたはコレクションの統計情報の確認、MongoDB の接続と認証情報の管理（MONGODB-OIDC、workforce/workload アイデンティティフェデレーション、SSO を含む）に使用する。

A

alterlab-blast

alterlab-ieu / alterlab-academic-skills

コマンドラインから NCBI BLAST+ 2.17.0 の配列検索を実行する：makeblastdb（-parse_seqids 付き）、解析しやすい表形式 -outfmt 6/7 を使う blastn/blastp/blastx/tblastn、適切な -task の選択（megablast、blastn、blastn-short）、-taxids/-negative_taxids による分類学的範囲の限定、-mt_mode によるマルチスレッド。さらに大規模なタンパク質検索向けの DIAMOND blastp --ultra-sensitive パス。また、-max_target_seqs はヒューリスティックな保持件数であり、top-N のベストヒットフィルターではないことを警告する。ユーザーがコマンドライン BLAST、makeblastdb、ローカル BLAST データベース、blastn/blastp/blastx/tblastn 検索、DIAMOND タンパク質検索を求めたときに使用する。Bio.Blast のウェブ版 NCBIWWW API には alterlab-biopython を、簡易な一行のデータベース照会には alterlab-gget を優先する。AlterLab Academic Skills スイートの一部。

A

apple-ml

fandhe-ai / agent-reference-skills

Apple のオンデバイス機械学習フレームワークリファレンス。Core AI（.aimodel）／Core ML／Create ML／Vision／Natural Language／Speech／Media Intelligence／Music Understanding。AIModel、InferenceFunction、MLModel、MLModelConfiguration、MLMultiArray、MLTensor、MLComputeUnits、MLImageClassifier、MLTextClassifier、MLDataTable、VNCoreMLRequest、VNImageRequestHandler、VNRecognizeTextRequest、RecognizeTextRequest、NLTagger、NLEmbedding、NLLanguageRecognizer、SpeechAnalyzer、SpeechTranscriber、SFSpeechRecognizer、SFSpeechAudioBufferRecognitionRequest、SFTranscription、FaceGroupAnalyzer、MusicUnderstandingSession。

A

arcgis-pro-automation

muend / geoai-skills

arcgis-mcp-bridge を通じて、制御されたローカルの ArcGIS Pro および ArcPy ワークフローを自動化する：.aprx プロジェクトとファイル ジオデータベースを検査し、パスおよび変更のガード付きでジオプロセシング、投影、ラスター、ネットワーク、空間統計、編集、シンボロジ、レイアウト出力を実行する。ユーザーが ArcGIS Pro、ArcPy、.aprx、.gdb、Esri のジオプロセシング、muend/arcgis-mcp-bridge、その health_check、PathGuard、確認ゲート、またはスケッチから GIS への抽出を明示的に挙げた場合に使用する。ArcGIS Online や Enterprise の管理、QGIS や PyQGIS、一般的なオープンソース GIS、すでに開いている ArcGIS Pro セッションのライブ GUI 操作ではトリガーしない。

A

audience-demographic-analyzer

archive-dot-com / creator-marketing-skills

インフルエンサーのオーディエンス属性を分析し、そのフォロワーがターゲット顧客に一致するかどうかを明確な合格/不合格の判定で示す。オーディエンス適合性の評価、インフルエンサーの属性確認、オーディエンスデータの分析、オーディエンス内訳の確認、属性の整合性の評価、インフルエンサーのオーディエンスの審査、クリエイターのフォロワーがターゲット属性に一致するかの判断、プラットフォームのエクスポートや統計スクリーンショットの確認、インフルエンサー統計の貼り付け、オーディエンス品質の評価、インフルエンサーのオーディエンスが適切かの判断、このクリエイターが価値があるかの確認、オーディエンスレポートの作成、クリエイターのオーディエンスの比較、ターゲット属性とのオーディエンス重複の評価に使用する。属性以外の全般的なクリエイター審査については creator-vetting-scorecard を参照。新しいクリエイターの探索については creator-discovery を参照。

A

azure-cosmos-java

sickn33 / agentic-awesome-skills

Java 向け Azure Cosmos DB SDK。グローバル分散、マルチモデル対応、リアクティブパターンによる NoSQL データベース操作。

A

azure-eventhub-py

sickn33 / agentic-awesome-skills

Python 向け Azure Event Hubs SDK によるストリーミング。高スループットのイベント取り込み、プロデューサー、コンシューマー、チェックポイント処理に使用。

A

azuresql-db-connections

microsoft / azure-sql-database-container

アプリのデータベース接続を、ローカルの Azure SQL Database コンテナ（Private Preview）に対して、また変更なしでクラウドの Azure SQL Database に対しても信頼できるものにする：接続プーリングと再試行/一時的な障害の処理。ユーザーが「connection pooling」「retry logic」「transient fault」「retry on transient error」「EnableRetryOnFailure」「connection resiliency」「reliable connections」「pool size」「Max Pool Size」に言及したとき、または「the connection keeps dropping」「connections time out under load」「add backoff」「make the DB layer resilient」と言ったときに使用。これは Azure SQL エンジン（EngineEdition 5）であり、mssql/server の SQL Server イメージではない。SQL Server や Azure SQL と通信するデータアクセス層を強化するときに常にこれを選ぶ。

A

azuresql-db-dab

microsoft / azure-sql-database-container

Microsoft Data API Builder (DAB) を使用して、ローカルの Azure SQL Database コンテナ上に即座にノーコードの REST + GraphQL API を立ち上げる。ユーザーが「テーブルを API として公開したい」、「データベース上に REST API を追加したい」、「GraphQL API を生成したい」、「SQL の前に API を置きたい」、「コードを書かずに CRUD API を作りたい」、または「dab init / dab-config.json」を求める場合に使用。DAB を介してデータベースから組み込みの MCP エンドポイントを提供する方法でもある（これは DAB が提供する API サーフェスであり、独立した SQL MCP サーバーではない）。ユーザーが既存のテーブル上で REST または GraphQL を必要としているだけの場合は、controller/ORM API を手書きするよりもこれを優先する。トリガーには「Data API Builder」、「dab start」、「instant API over Azure SQL」、「expose entities as REST/GraphQL」が含まれる。ユーザーが「give me an API for this database」とだけ言った場合でもこれを選ぶ。

A

azuresql-db-functions

microsoft / azure-sql-database-container

Azure Functions と Azure SQL バインディングを使い、ローカルの Azure SQL Database コンテナの上にサーバーレス API とイベント駆動のハンドラーを構築する。ユーザーが「a serverless API over SQL」「Azure Functions with a database」「HTTP CRUD with SQL input/output bindings」「run code when a row changes」「react to inserts/updates/deletes」「event-driven on Azure SQL」「SQL trigger function」を求めたときに使用。Azure SQL トリガーバインディング（Change Tracking に支えられる）がローカルのイベント駆動メカニズムであり、Change Event Streaming（CES）はクラウド専用でローカルコンテナに対しては実行できない。トリガーには「func start with SQL」「SqlTrigger」「SqlInput/SqlOutput binding」「local.settings.json SqlConnectionString」がある。ローカルの Azure SQL エンジン上でサーバーレスエンドポイントや変更駆動のロジックを構築するときにこれを選ぶ。

B

backup-retention-policy

dengineproblem / agents-monorepo

バックアップポリシーの専門家。バックアップ戦略、retention rules、disaster recovery に使用。

B

bioinformatician

dangeles / claude

データ分析パイプライン、統計検定、バイオインフォマティクスのワークフローをコード（Python/R）で実装する際に使用。特にゲノミクス、トランスクリプトミクス、プロテオミクス、その他のオミクスデータに適する。非オミクスの Python 実装（senior-developer を使用）、バイオインフォマティクスの文脈を伴わない純粋な統計手法の選択（statistician を使用）、既存の分析の生物学的妥当性に関する疑問（biologist-commentator を使用）には使用しない。

B

budgetsai

membranedev / application-skills

Budgets.ai 連携。データ、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 Budgets.ai のデータを操作したいときに使用します。

B

bulk-ingestion

garrytan / gbrain

あらゆる大規模データソース（音声ライブラリ、メールのエクスポート、ドキュメントコーパス、チャットのエクスポート、API ダンプ）を大規模に brain ページへ変換するためのエンドツーエンドの規律。ライフサイクルの流れ：SCHEMA → ACCESS → TRIAL → EVALUATE → IMPROVE → CODIFY → TEST → SKILLIFY → BULK → MONITOR。状態は永続的な JSON マニフェスト（MANIFEST-PATTERN.md 参照）で追跡されるため、クラッシュ、セッション境界、サブエージェントへの分散が発生しても、記憶ではなく実際の状態から再開できます。

B

business-case-builder

w95 / awesome-claude-corporate-skills

費用便益分析、ROI 計算、リスク評価、実装タイムライン、ステークホルダー分析を含むビジネスケースを作成する

C

cdata-cli-adonet

cdatasoftware / cli-skills

CData ドライバーを介してデータソースに接続する C# / .NET アプリケーションコード（VB.NET、F# も含む）を書くときに使用する — cdata-cli のディスカバリー Skill で接続と SQL を検証した後に行う。言語を CData ADO.NET Data Provider のエディションに対応付ける方法、NuGet（CData.<Source>）からプロバイダーを追加する方法、そのライセンスを有効化する方法、ADO.NET クラス（<Source>Connection / <Source>Command）で接続する方法を扱う。これは cdata-cli の .NET ビルドフェーズ向けの相棒であり、対象アプリケーションが .NET で動作する場合は常に呼び出す。

C

check-forecast-signals

koala73 / worldmonitor

確率的予測とそのスコアカードのコンテキストを取得する。ユーザーが World Monitor が何を予測しているか、確率がどう変化したか、予測がどれほど較正されているかを尋ねたときに使用。

C

clustering-analyzer

dkyazzentwatwa / chatgpt-skills

K-Means、DBSCAN、階層クラスタリングを使ってデータをクラスタリングします。顧客セグメンテーション、パターン発見、データのグループ化に使用します。

C

cockroachdb

membranedev / application-skills

CockroachDB 連携。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 CockroachDB のデータを操作したいときに使用します。

ウェブサイト全体またはセクションをクロールし、すべてのページからコンテンツを抽出する。共通の URL プレフィックス配下の多数のページからコンテンツが必要なときに使用する："crawl the whole site"、"get all docs pages"、"scrape every blog post"、"download the full docs for RAG"、"extract all pages under /api"。非同期 BFS — ジョブを開始して結果をポーリングする。crw ワークフローラダーのステップ 4。

"Dask"、"parallel computing"、"distributed computing"、"larger than memory" の場合、または "parallel pandas"、"parallel numpy"、"out-of-core"、"multi-file processing"、"cluster computing"、"lazy evaluation dataframe" について尋ねる場合に使用します。

D

data-management

dralgorhythm / claude-agentic-framework

データストレージを効果的に設計・管理します。データベース、スキーマ、データ移行を扱うときに使用します。スキーマ設計、移行、データ整合性を扱います。

D

django-db-side-computation

lvtd-llc / skills

Django のパフォーマンスに敏感な Python ループを、annotation、aggregate、フィルタ付き aggregate、F 式、関数、Subquery、OuterRef、Exists、Window 式、db_default、GeneratedField によるデータベース側の計算に移す。Django のコードが行を取得した後に Python でカウント、合計、フィルタ、フラグ付け、ランク付け、値の導出を行うときに使用。

D

django-materialized-views

lvtd-llc / skills

古いデータを許容できる高コストなレポートまたはダッシュボードクエリ向けに、Django で PostgreSQL のマテリアライズドビューをモデル化、マイグレーション、リフレッシュ、検証する。ORM/インデックス/クエリの書き換えでは不十分で、結果が頻繁に読まれ、鮮度を制限でき、Django アプリで非管理モデル、RunSQL マイグレーション、リフレッシュコマンド、同時リフレッシュが必要なときに使用。

D

django-pagination-performance

lvtd-llc / skills

大きなクエリセット向けに Django と Django REST Framework のページネーションを改善する。有界のページサイズ、安定した並び順、インデックス付きの並び順、オフセット上限、keyset ページネーション、DRF CursorPagination、count クエリのトレードオフを用いる。結果セットの増加に伴い、リストページ、管理ビュー、API、エクスポート、無限スクロールが遅くなる、一貫しなくなる、メモリを大量に消費する場合に使用。

D

django-query-plan-reading

lvtd-llc / skills

QuerySet.explain()、EXPLAIN、EXPLAIN ANALYZE、スキャン種別、結合、推定値、実測タイミング、バッファ、行数を使って Django/PostgreSQL のクエリ実行計画を読み、比較する。1 つの SQL クエリが Django のレイテンシを支配しているとき、またはインデックス、ORM の書き換え、ページネーションの変更、マテリアライズドビューにクエリ計画による裏付けが必要なときに使用。

D

django-query-profiling

lvtd-llc / skills

APM トレース、スロークエリログ、Django Debug Toolbar、クエリログ、ローカルでの再現を用いて、遅い SQL の原因となる Django ORM のコードとリクエスト経路を特定する。Django のデータベースパフォーマンス問題が疑われるが、原因となる queryset、ビュー、シリアライザ、テンプレート、ジョブがまだ特定されていない場合に使用。

D

dotnet-audit-trail

ronnythedev / dotnet-clean-architecture-skills

エンティティ向けの監査証跡インフラストラクチャを生成する。IAuditable インターフェース、EF Core SaveChanges インターセプター、および CreatedAt、UpdatedAt、CreatedBy、UpdatedBy フィールドの自動設定を実装する。

D

dotnet-specification-pattern

ronnythedev / dotnet-clean-architecture-skills

クエリロジックをカプセル化する Specification パターンを実装する。include、並べ替え、ページネーションをサポートし、組み合わせ可能で再利用可能、テスト可能なクエリ条件を実現する。

E

etl-core-patterns

majesticlabs-dev / majestic-marketplace

冪等性、チェックポイント、エラーハンドリング、チャンキング、リトライロジック、ログ記録を含む、ETL の信頼性に関する中核パターン。

アップロードされた Excel/PDF ファイルの財務データを分析し、スパークラインのトレンドチャート付きのインタラクティブなレポートを生成する。PDF、DOCX、Markdown、HTML への出力に対応。使用場面：(1) ユーザーが財務データを含む Excel/CSV/PDF をアップロードしたとき、(2) ユーザーが財務分析や企業レポートを求めたとき、(3) ユーザーが財務諸表から可視化レポートを希望したとき、(4) ユーザーが銘柄コード + 財務分析に言及したとき、(5) ユーザーが財務データを含む Feishu のシート/ドキュメントのリンクを共有したとき。

F

financial-analysis

geogons / skill-financial-analyst

株式リサーチ、ポートフォリオレビュー、機会の発見のための包括的な財務分析スキル。ユーザーが次のことをしたいときにこのスキルを使用します：株式の分析、ポートフォリオのレビュー、新しい銘柄アイデアの探索、買い/売り評価の取得、サポート/レジスタンス水準の算出、インサイダー取引や議会取引の確認、Reddit/StockTwits/ニュースからのセンチメント評価、アナリスト評価の取得、エントリー/エグジット目標株価の生成。トリガー：stock analysis、portfolio review、stock scanner、financial analysis、buy/sell rating、price target、technical analysis、sentiment analysis、insider trading、Congress trades、stock ideas、swing trade、entry levels、exit levels、support resistance、watchlist、deep dive、stock report。

F

forest-admin

membranedev / application-skills

Forest Admin 連携。データ、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 Forest Admin のデータを操作したいときに使用します。

H

haystack

magnus919 / agent-skills

Haystack で本番用の検索および NLP パイプラインを構築する。パイプラインの DAG 構成、ドキュメントストア、レトリバー、PromptBuilder（Jinja2）、ジェネレーター、評価、Hayhooks デプロイを扱う。検索パイプラインを構築する場合や NLP アプリケーションフレームワークを比較する場合に使用する。このスキルを無関係なリクエストに使用しないこと。最も近い指名の専門家にルーティングする。

H

headless-browser

oxylabs / agent-skills

Chrome DevTools Protocol（CDP）経由で、Playwright または Puppeteer を使い Oxylabs のリモートヘッドレスブラウザに接続する。アンチ検出、レジデンシャルプロキシ、ジオターゲティング、永続セッションとプロファイル、セッション録画、デバッグ用のライブ VNC 検査を内蔵。サイトが JavaScript でレンダリングされる場合、ボットをブロックする場合（DataDome、Cloudflare、Akamai）、実際のブラウザセッション、スクリーンショット、PDF が必要な場合は、WebFetch やローカルブラウザの代わりに使用する。接続、リトライ、エラー復旧、そして人手を介さずに保護されたターゲットを安全にスクレイピングする方法を扱う。

H

huawei-cloud-mrs-host-fault-diagnose

huaweicloud / huaweicloud-skills

Huawei Cloud MRS クラスタの障害診断スキル。段階的な根本原因の特定により、サービス障害、インスタンス障害、ホスト障害を診断する：まずログを素早くスキャンし、ホストの問題が見つかった場合はホストのトラブルシューティングを行い、結論に至らない場合は詳細調査を行う。診断は、組み込みの LakeWatch API クライアント（lakewatch モード）または MRS Manager API クライアント（manager モード）と、fault_layer/ および scenarios/（lakewatch）または fault_layer_manager/ および scenarios_manager/（manager）配下のレイヤー別ナレッジベースによって駆動される。API モードは check_api_mode.py によって自動検出される。ナレッジベース外のコマンドは捏造しない。サービス名またはノード名が指定される MRS の障害診断および根本原因特定のシナリオに適用される。トリガーワード："故障诊断"、"故障定位"、"fault diagnosis"、"fault diagnose"、"MRS故障"、"服务故障"、"实例故障"、"主机故障"、"集群排查"、"集群诊断"、"启动失败"、"停止异常"、"KrbServer故障"、"DBService故障"、"fault troubleshooting"

J

jax

tondevrel / scientific-agent-skills

Python+NumPy プログラムの合成可能な変換。微分、ベクトル化、GPU/TPU への JIT コンパイル。高性能な機械学習研究と複雑な科学シミュレーションのために設計されています。自動微分、GPU/TPU アクセラレーション、高階微分、物理情報機械学習、微分可能なシミュレーション、自動ベクトル化に使用します。

K

kafka-consumer-lag

lensesio / agentic-engineering-for-apache-kafka

Lenses MCP サーバーを使用して Kafka コンシューマーグループの lag を分析する。lag の原因（スループットのボトルネック、リバランス、パーティションの偏り、停止したコンシューマー）を診断し、改善策を提案する。ユーザーが「check consumer lag」「why are consumers slow」「lag report」と言った場合や、コンシューマーグループの健全性や offset の進捗について尋ねた場合に使用する。offset のリセットやコンシューマーグループの管理には使用しない。

K

kafka-security-audit

lensesio / agentic-engineering-for-apache-kafka

Lenses MCP サーバーを使用して、コードベースと稼働中クラスター全体の Kafka セキュリティ設定を監査する。認証（SASL）、暗号化（SSL/TLS）、認可（ACL）、シークレット管理、環境階層の不一致をチェックする。ユーザーが "audit Kafka security"、"check security config"、"is my cluster secure" と言った場合、または認証、暗号化、資格情報について尋ねた場合に使用する。証明書の設定、SASL ユーザーの作成、ACL のセットアップには使用しない。

L

laravel-eloquent

fusengine / agents

データベースモデルを扱うとき（Laravel 13 の Eloquent ORM、PHP 属性、リレーション、クエリ、オブザーバー、ファクトリ）に使用します。

L

laravel-eloquent

fusengine / claude-plugins

認知的自動化と協調型エージェントシステムによって、開発を再定義します。

L

laravel-migrations

fusengine / agents

データベーススキーマの設計や Laravel 13 マイグレーションの管理（Schema Builder、カラム、インデックス、外部キー、シーダー）を行うときに使用します。

L

laravel-migrations

fusengine / claude-plugins

認知的自動化と協調型エージェントシステムによって、開発を再定義します。

L

lighton

membranedev / application-skills

LightOn 連携。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 LightOn のデータを操作したいときに使用します。

M

matlab-import-tracking-data

matlab / matlab-agentic-toolkit

生データ(CSV、XLSX、TXT、MATLAB テーブル)を Sensor Fusion and Tracking Toolbox で使用される形式にインポートします。真値軌跡とセンサー検出データの両方を扱います。真値の場合:trackingScenarioRecording、チューニング用タイムテーブル、truthlog、または変換済みテーブルを構築します。センサーデータの場合:タスク指向の dataFormat 構造体(推奨)または objectDetection 配列(レガシー)を構築します。飛行ログ、GPS ログ、レーダー検出、IR 測定、lidar/カメラのバウンディングボックス、ADS-B データ、AIS 船舶軌跡、その他トラッカー、フィルターのチューニング、トラッカー評価で使用する録音データをインポートする際に使用します。

M

matlab-prepare-signal-data

matlab / matlab-agentic-toolkit

分析や ML トレーニングのために信号データを調整、読み込み、準備、ラベリングする際にこのスキルを使用します。内容:分析の前に単一の信号をクリーニングする(ギャップの補完、ドリフトの除去、外れ値の除去、ノイズ除去、時間基準のリサンプリング/整列)、`signalDatastore` パイプラインの構築、Signal Labeler 用の `labeledSignalSet` の作成、ラベルの導出(ファイル名、フォルダー、ファイル内、ROI、時間周波数 ROI)、層化された train/val/test 分割、長い信号のフレーム化、並列処理、`trainnet` 用のデータストア出力の整形。トリガーには "clean up this signal"、"remove drift / detrend"、"fill gaps"、"remove spikes / outliers"、"denoise"、"resample to a uniform rate"、"align channels"、"labels from filenames"、"stratified split"、"prepare for Signal Labeler"、および `fillgaps`、`fillmissing`、`detrend`、`filloutliers`、`smoothdata`、`resample`、`synchronize`、`signalDatastore`、`labeledSignalSet`、`filenames2labels`、`folders2labels`、`splitlabels`、`framesig`、`framelbl`、`createDatastores` などの関数名が含まれます。

M

modeling-conversion-metrics

posthog / skills

PostHog のデータウェアハウスビュー（HogQL）または外部の dbt プロジェクト上で、再利用可能なコンバージョンモデル（ファネル/ステップのコンバージョン率、離脱、コンバージョンまでの時間）を構築する。ユーザーがコンバージョン率、ファネル、ステップ完了、離脱、アクティベーションファネル、サインアップから有料化、または「A を行ったユーザーのうち何 % が（N 日以内に）B を行ったか」といった指標をモデル化、定義、計算したいときに使用する。ファネルモデル（順序付きステップ、コンバージョンウィンドウの時間枠、厳密な順序と任意順序）、個人単位とグループ単位の集計、全体のコンバージョンとステップ間のコンバージョン（異なる 2 つの数値）、内訳のアトリビューション、保存済みのファネルインサイトが倉庫ビューより優れる場合を扱う。PostHog では windowFunnel を用いて HogQL でファネルをモデル化し、dbt ではイベントストリームをステージングしてテスト付きの fct_conversion マートを計算する。ビューと dbt の仕組みについては先に modeling-warehouse-foundations を読む。query-funnel と組み合わせてインタラクティブな分析を行う。

説明はまだありません

M

mysql-patterns

joneqian / claude-skills-suite

クエリ最適化、schema 設計、インデックス、セキュリティのための MySQL データベースパターン。よくあるパターンのクイックリファレンス。

N

nansen-pm-deep-dive

nansen-ai / nansen-cli

Polymarket 市場の詳細分析—OHLCV、オーダーブック、主要保有者、ポジション、取引、PnL ランキング。特定の予測市場を分析する場合に使用します。

O

octoparse

membranedev / application-skills

Octoparse 連携。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 Octoparse のデータを操作したいときに使用します。

O

oxylabs-headless-browser

oxylabs / agent-skills

Chrome DevTools Protocol（CDP）を通じて、Playwright または Puppeteer で Oxylabs のリモートヘッドレスブラウザに接続する。アンチ検出、CAPTCHA 処理、レジデンシャルプロキシ、ジオターゲティングを内蔵。ブラウザ自動化にリモート実行、ステルス機能、レンダリング済みページ、スクリーンショット、PDF、複雑な JavaScript 操作が必要なときに使用する。

P

paperspace

membranedev / application-skills

Paperspace 連携。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 Paperspace のデータを操作したいときに使用します。

P

payload-cli

timschoch / skilly

payload CLI で Payload のマイグレーションと型生成を実行します。Payload のコレクションやフィールドを変更した後、またはマイグレーションの実行・確認に使用します。コンテンツ編集や生の SQL には使用しません。

P

powerbi-consumption-cli

microsoft / skills-for-fabric

Microsoft Fabric Power BI セマンティックモデル（旧「Power BI データセット」）の読み取り専用クエリ操作において唯一サポートされる経路です。MCP サーバーの ExecuteQuery ツールで DAX クエリを実行して：(1) セマンティックモデルのメタデータ（テーブル、列、メジャー、リレーションシップ、階層など）とそのプロパティを検出し、(2) セマンティックモデルからデータを取得します。トリガー：「DAX query」「semantic model metadata」「list semantic model tables」「run EVALUATE」「get measure expression」。

説明はまだありません