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
エージェントワークフローでの永続的な PostgreSQL ストレージにこのスキルを使用 — オンデマンドでデータベースを起動し、fork 上で schema マイグレーションを安全にテストし、Ghost を使ってデータベースをアセットとしてエージェント間で受け渡す。**ユーザーが次を求めたときにトリガー：** - 新しい PostgreSQL データベースをすばやく作成する - エージェントワークフローでデータベースのライフサイクルを管理する - 変更を安全にテストするためにデータベースを fork する - 本番データベースに影響を与えずに fork 上で分析や重いクエリを実行する - データベーススナップショットを共有して他者が自分のコピーを起動できるようにする - エージェント間でデータベースを入力または出力として受け渡す - エージェント用のデータベースを作成する - クエリ時のみ課金される多数のデータベースが必要 - Ghost MCP サーバーまたは CLI をセットアップする **注：** Ghost MCP サーバーがすでにインストールされている場合は、そのツールを直接使用 — このスキルは MCP がない環境向け、または何が可能かの参考資料。**キーワード：** Ghost, ghost.build, database, create database, fork database, PostgreSQL, managed Postgres, MCP, agent database, connection string
Earth Engine、GEE、ee.、geemap が言及されたとき、作業にそのサーバーサイドカタログが必要なとき、または広域や長期アーカイブに対して Earth Engine とローカルの xarray やデスクトップ処理のどちらを選ぶかに呼び出す。イメージコレクション、マスキング、コンポジット、リデューサー、ゾーン統計、時系列、分類、クォータを考慮したバッチ処理、エクスポートを扱う。これは実行プラットフォームの skill であり、科学的な手法を remote-sensing-analysis や change-detection が担う場合はそれらと組み合わせて使用する。
Fabric ワークスペースをまたいでセマンティックモデルと下流レポートの関係を追跡する。ユーザーが "find downstream reports"、"show report lineage"、"impact analysis"、"what depends on this dataset"、"cross-workspace lineage"、"which reports are connected"、"get model dependencies" を求めたり、モデルからレポートへの依存関係の追跡に言及したときに自動的に呼び出す。
FOLIO Spring Boot モジュールで Liquibase データベースマイグレーションを作成、編集、レビューする場合に使用。db マイグレーション、スキーマ変更、changeset の作成、XML changelog の作成、データベースマイグレーションスクリプト、FOLIO モジュールのテーブル／カラム／インデックス／FK 変更では常にこのスキルを使用する — ユーザーが「add a column」「create a table」「write a migration」と述べただけの場合でも同様。FOLIO のフォルダ構成（changelog-master → changelog-vX.Y → vX.Y/ ファイル）、changeset ID の命名規則（JIRA@@scope-action-target）、コメントタグ、FOLIO 標準のカラム型を強制する。
lyt シリーズの既存製品検証 skill。ユーザーがすでに具体的な製品、候補品リスト、商品スクリーンショット、1688/競合リンク、サプライチェーン資料、CSV/XLSX の候補品表、またはバックエンドのテストデータを持っており、ある製品や一群の候補品がテストプールに入れる価値があるかを判断したい場合に用いる。「テスト可 / 保留 / 非推奨」、事実/推測/仮説、7 次元検証、最小検証案、データ補完リストを出力する。越境 EC、TikTok Shop、EC 商品販売、サプライチェーン、商品プール、コンテンツ、広告、インフルエンサー配信、店舗運営に関する製品検証の問い合わせのみを扱う。トリガー：/lyt-product-validation、/产品验证、/单品验证、/候选品筛选、「この製品はできるか」「これらの候補品をどう絞るか」
ユーザーがメタヒューリスティクスを使って複雑な最適化問題を解きたい、遺伝的アルゴリズムやシミュレーテッドアニーリングなどの自然に着想を得たアルゴリズムを適用したいときに使用する。また、ユーザーが "genetic algorithm"、"simulated annealing"、"tabu search"、"ant colony"、"particle swarm"、"evolutionary algorithms"、"nature-inspired optimization"、"heuristic search" に言及したとき、または厳密な最適化手法が大規模問題には遅すぎる場合にも使用する。厳密手法については optimization-modeling を参照。多目的については multi-objective-optimization を参照。
生物データアクセスと計算生物学ツールのための OpenBio API。使用場面：(1) 生物学的データベース（PDB、UniProt、ChEMBL など）のクエリ、(2) 科学文献（PubMed、bioRxiv、arXiv）の検索、(3) 構造予測（Boltz、Chai、ProteinMPNN）の実行、(4) パスウェイ/エンリッチメント解析の実施、(5) 分子生物学実験（プライマー、クローニング）の設計、(6) バリアントと臨床データの解析、(7) プラスミドファイル（GenBank、SnapGene）の解析と編集。
独自の研究論文コレクションを対象に、根拠に基づく質問応答と検索拡張生成（RAG）を構築し、回答に該当する論文と箇所を正確に引用します。PDF フォルダーとの「チャット」や検索、文献コーパス全体の証拠の統合、特定の内容を述べている論文の特定、SQLite FTS5、pgvector（Postgres）、Chroma、Qdrant、FAISS を使ったベクトル／ハイブリッドインデックスの構築に利用します。引用可能な検索結果を返す、依存関係ゼロのローカル全文インデックスを含みます。
論文の Figure の意味を解釈し、「人間に図の読み方を教える」高可読性の Markdown レポートを出力します。1 つまたは複数の figure ファイルの絶対パスと人手による解釈の入力に対応し、図の近くからその図を生成したソースコードを自動的に取得しようと試み、parallel-vibe に似た方法で `codex exec`/`claude -p` を通じてプロセスレベルの分離のもとで各図を解釈します（同時実行の上限は既定で 3、config.yaml で調整可能）。適用外：ユーザーが単に図のサイズ変更/トリミング/形式変換を望んでいる場合、または画像やソースコードの直接変更を求める場合（本 skill は画像とソースコードを終始読み取り専用とし、変更は厳禁です）。
意図した製品成果を観測された結果と比較し、ローンチから学習へのループを閉じる。ローンチ後のエビデンスを収集し、予想・観測・不確実・推測された主張を区別し、前提を更新し、機能の健全性を評価し、継続/改善/収穫/ピボット/一時停止/廃止の中から選択する。非推奨化、移行、顧客対応、再利用可能な学習の保持を伴う廃止ライフサイクルも含む。インシデントのポストモーテムや根本原因分析には使用しない（incident-learning または site-reliability-engineering にルーティング）。分析の計測や指標ダッシュボードの設計には使用しない（product-analytics-and-measurement にルーティング）。任意の閾値を普遍的廃止ルールとして使用しないこと。意思決定には人の判断と文脈が必要である。
マルチメソッドの地球物理モデリングおよびインバージョンのフレームワーク。エージェントが次のことを行う場合に使用する：(1) 電気抵抗トモグラフィ（ERT）インバージョンを実行する、(2) 地震波屈折トモグラフィ（SRT）を実行する、(3) 誘導分極（IP）データをモデル化する、(4) 地中レーダー（GPR）をシミュレートする、(5) 地球物理問題のための有限要素メッシュを作成する、(6) 複数のデータセットのジョイントインバージョンを実行する、(7) 地球物理応答を順モデリングする、(8) タイムラプスモニタリングデータを分析する。
1 つの実験で公開されたセッションを監視し、各セッションのバリアントを記録して均等にサンプリングし、実験終了時に停止する Replay Vision `experiment` スキャナーを構成します。ステータスガード、バリアント間で比較可能なプロンプト、実験固有の対象数に基づくクレジット消費量の見積もり、実際のセッションでプロンプトをプレビューできるよう無効状態で作成する方法、バリアント別の結果の読み取りを扱います。 トリガー条件：Replay Vision に実験を監視させたい場合、実験の録画を AI でスキャンまたは分析したい場合、「テストバリアントでユーザーは実際に何をしているのか」と尋ねる場合、または実験で公開されたセッションに限定したスキャナーを求める場合。 トリガーしない条件：実験に紐づかない汎用スキャナーを作成する場合（creating-replay-vision-scanners を使用）、スキャナーがすでに生成した観察結果を読む場合（exploring-replay-vision-observations を使用）、または AI 分析を行わず手動で実験の録画を閲覧する場合（analyzing-experiment-session-replays を使用）。
Supabaseがメンテナンスする、あらゆる環境で稼働するPostgres向けのベストプラクティスです。Postgresデータベース内の内容を作成または変更する前に、このスキルを読み込んでください。対象は、テーブルや列の作成・変更（列型の選択を含む）、スキーマ設計、マイグレーションと宣言的スキーマファイル、RLSポリシーと検証テスト、インデックス、トリガー、データベース関数、キューとスケジュールジョブ（pg_cron、pgmq）、ベクトル／セマンティック検索（pgvector）、ダンプの復元（pg_restore）やデータのインポートです。遅いクエリ、CPU使用率の高さ、タイムアウト、EXPLAINプラン、接続枯渇、ロック、肥大化、または誤ったユーザーやテナントに表示される行の診断時にも読み込んでください。これは単なるパフォーマンスガイドではありません。スキーマ、マイグレーション、セキュリティ、SQL作成の作業にもこのルールが必要です。列を1つ変更する場合や単一のクエリでも同様です。
orbit CLI を使って AI の token 消費量、コスト、利用傾向を追跡します。ユーザーが token 使用量、AI コスト、Claude Code の支出、使用した token 数、モデル別のコスト内訳、セッション履歴、token 分析について尋ねたときはいつでもこのスキルを使用してください。'how much have I spent'、'token usage'、'show me costs'、'what's my AI spending'、'how many tokens today'、'cost per model'、'list sessions'、'track usage'、'token report'、'weekly usage'、'monthly costs' などのフレーズ、および token/コスト追跡のあらゆるタスクで起動します — 'am I spending too much on Claude'、'what did that session cost'、'show me the dashboard'、'how much is opus costing us' のような何気ない言及であっても対応します。
動画チャンネルの投稿検索ツール。ユーザーが入力したキーワードで人気投稿を検索し、新着順、いいね数順、お気に入り数順、総合順で並べ替えできます。結果は構造化されたテーブルで表示します。ユーザーが動画チャンネルの人気コンテンツや話題の動画を探したい、投稿データを調べたい、ある種類のコンテンツの反応を知りたい場合に使用します。トリガー語句：動画チャンネル検索、動画チャンネル投稿検索、動画チャンネルの話題動画、動画チャンネル人気投稿、動画チャンネルコンテンツ検索、動画チャンネルを検索、WeChat 動画チャンネル検索。API がポイント不足（code=3210）を返した場合、Alipay を自動で起動してチャージ後に検索を続行します。
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。