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
適切なアーキテクチャ、監視、運用とともに RAG システムを本番環境にデプロイする。RAG の本番デプロイ、検索システムのスケーリング、RAG 監視の実装、エンタープライズ RAG インフラの構築を行うときにこのスキルを使用する。起動条件：production RAG、RAG deployment、enterprise RAG、RAG architecture、RAG monitoring、RAG scaling、RAG infrastructure、RAG ops。
モニタリングデータのために Prometheus HTTP API をクエリして操作する。Claude が Prometheus メトリクスをクエリするとき、PromQL クエリを実行するとき、targets/alerts/rules のステータスを取得するとき、series/labels のメタデータにアクセスするとき、TSDB 操作を管理するとき、またはモニタリング基盤をトラブルシューティングするときに使用する。インスタントクエリ、レンジクエリ、メタデータエンドポイント、管理 API、アラート情報に対応。
[inference.sh](https://inference.sh) を介して、安全なサンドボックス環境で Python コードを実行します。NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh など、100 以上のライブラリがプリインストールされています。用途：データ処理、ウェブスクレイピング、画像加工、動画作成、3D モデル処理、PDF 生成、API 呼び出し、自動化スクリプト。トリガー：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
ユーザーが調達支出を分析する、コスト削減機会を特定する、または支出を分類することを希望する場合に使用します。ユーザーが “spend analytics”、“spend visibility”、“spend cube”、“category analysis”、“Pareto analysis”、“tail spend”、“maverick spend”、“spend classification”、“savings opportunity” に言及した場合にも使用します。調達戦略の実行については strategic-sourcing を参照してください。サプライヤー評価については supplier-selection を参照してください。
Syncfusion JavaScript QueryBuilder コンポーネントの実装方法を、列、データバインディング、ルール管理、フィルタリング、テンプレート、ドラッグ＆ドロップ操作、インポート／エクスポート、アクセシビリティに関する包括的なガイダンスとともに解説。TypeScript アプリケーションで QueryBuilder のセットアップ、ルール作成、複雑なクエリ構築、高度なカスタマイズ、動的フィルター UI の要件に関する支援が必要な場合にこの skill を使用。
リバースエンジニア。著名投資家の公開 SEC 提出書類（四半期ごとの 13F-HR。インサイダー取引も確認する場合は Form 4 も）を読み取り、コピーできる配分としてポートフォリオを再構成します。すべての保有銘柄とファンド内の比率、前四半期以降の買い付け、追加、縮小、売却を示し、各 CUSIP に銘柄コードを対応付けます。その後、予算スキルが資金に合わせて配分できるよう trader/targets.json に書き込みます。ユーザーが「Buffett をコピー」「Berkshire をコピー」「Ackman は何を保有しているか」「この投資家をリバースエンジニアリング」「13F を見せて」「前四半期に何を買ったか」「上位 5 件をコピー」などと言った場合や、ファンドまたは著名投資家の名前を挙げた場合に使用します。
XIAO ESP32S3 Sense のカメラ Web アプリをスタンドアロン AP（ホットスポット）モードで構築・書き込みする：Teachable Machine 風のデータセット収集ページと、ボード自身が http://192.168.4.1 で提供するライブ推論ビューアページ。ルーターなしでカメラ Web アプリが欲しいとき — 教室/教育向けの配備、WiFi のないデモ、生徒ごとのボード、または「AP 모드」「핫스팟」「공유기 없이」と言ったときにこの skill を使用。ルーター（STA）モードでは代わりに xiao-webcam-sta skill を使用。
指標チェック、レポート／ダッシュボードクエリ、SQL 分析、ファネル／リテンション／パス分析、ユーザードリルダウン、詳細クエリ、異常診断、アラート設定のための TE データ分析スキル。ユーザーがデータの確認、トレンドの分析、指標変化の説明、証拠のエクスポートを求めた場合は常にこのスキルをトリガーする。常に ae-cli を先に使用し、ae-cli に一致する機能がない場合、またはパラメータ以外の confirmed な理由で繰り返し失敗する場合にのみ te-mcp にフォールバックする。
DergiPark（TÜBİTAK ULAKBİM の全国的なジャーナルホスティングプラットフォーム、3,000 誌以上）から、検証済みのプラットフォーム全体の OAI-PMH エンドポイント（https://dergipark.org.tr/api/public/oai/；verb は Identify/ListSets/ListRecords/GetRecord；prefix は oai_dc/oai_mods/oai_marc/oai_etdms；setSpec=journal-slug）を介して、記事のメタデータ、抄録、全文 PDF を収集し、/pub/{slug}/article/{id} ページの Highwire citation_* および DC.* メタタグを解析し、citation_pdf_url パスから PDF を取得して、BibTeX/RIS をローカルに出力する。ユーザーがトルコのジャーナルを収集したい、DergiPark の記事を取得したい、ジャーナルのアーカイブを一覧したい、DergiPark の論文の BibTeX/RIS を取得したい、またはジャーナルの目的と範囲（öz/kapsam）を読みたいときに使用する。TR Dizin の収録状況には alterlab-trdizin、YÖK の学位論文には alterlab-yok-tez、学術プロフィールには alterlab-yok-akademik を使用する。AlterLab Academic Skills スイートの一部。
Nextflow の nf-core/sarek パイプライン（-r 3.10.0 に固定）を使って FASTQ から VCF への生殖細胞系列および体細胞変異のコールを行う — samplesheet.csv（patient、sex、status、sample、lane、fastq_1、fastq_2）を構築し、GATK GRCh38 リソースバンドル（dbSNP、Mills/1000G indels）に対して bwa-mem/bwa-mem2/dragmap アラインメントと GATK4 MarkDuplicates および BQSR を実行し、コーラーを選択する — --tools が未設定の場合に sarek が Strelka をデフォルトとする点を明示的に訂正する（GATK ベストプラクティスには haplotypecaller、CNN の精度には deepvariant を渡す）。Nextflow を使わない手動の GATK4 フォールバックも備える。ユーザーが変異コールパイプライン、FASTQ から VCF、生殖細胞系列または体細胞の SNV/indel コール、nf-core/sarek、GATK ベストプラクティスのアラインメントから VCF、または BQSR/HaplotypeCaller/Mutect2/DeepVariant を求めたときに使用する。ヒットは alterlab-clinvar/alterlab-gnomad/alterlab-cosmic でアノテーションし、VCF は alterlab-pysam で解析し、alterlab-tiledbvcf で大規模に保存する。AlterLab Academic Skills スイートの一部。
検証済みの研究データ収集ツールを設計し、CDISC 提出基準に整合させる。要件仕様から REDCap プロジェクトを構築する：ツールとフィールドの設計、18 列のデータ辞書（Variable/Field Name、Form Name、Field Type、Choices、Branching Logic、Text Validation、Identifier?）、フィールド検証（date_ymd、integer、number、email、phone）、分岐/表示ロジック、縦断イベントと調査設定、およびデータ辞書の一般的なエラーのリント。研究を CDISC にマッピングする：CDASH 収集フィールド、SDTM ドメインマッピング（特殊用途 DM、イベント AE、MH、所見 VS、LB、介入 EX、CM）、および NCI-EVS 統制用語。ユーザーが REDCap プロジェクトを構築したい、データ辞書を作成またはリントしたい、分岐ロジックや検証を設定したい、または研究を CDISC SDTM/CDASH/CDISC CT にマッピングしたいときに使用する。LabArchives ELN のブリッジには alterlab-labarchive を、Likert/サンプリング/信頼性には alterlab-survey-design を使用する。AlterLab Academic Skills スイートの一部。
PostHog プロジェクトの物化ビュー（保存されたクエリ）の健全性を監査する — 失敗したすべての物化を洗い出し、ストレージとコンピューティングを消費している未使用または古い物化ビューをフラグ付けする。ユーザーが「自分のビューのどれが壊れているのか？」「なぜこの物化ビューが失敗するのか？」「自分のビューがコンピューティングを無駄に使っているか？」と尋ねたとき、またはビューの健全性を一度にトリアージしたいときに使用する。ソース/同期の健全性には `auditing-warehouse-source-health` を使用する。
ビジネス目標からクリエイターマーケティングキャンペーンの完全な KPI フレームワークを構築する。インフルエンサーキャンペーンの KPI 設定、キャンペーン開始前の測定計画の策定、ビジネス目標のクリエイターマーケティング指標へのマッピング、クリエイタープログラムの主要 KPI と副次 KPI の定義、認知またはコンバージョンキャンペーンの指標フレームワークの作成、クリエイター層別の測定ベンチマークの設定、インフルエンサー報告用の KPI ダッシュボード構造の構築、クリエイター起用前の成功基準の定義に使用する。キャンペーン終了後の ROI 計算については campaign-roi-calculator を参照。数値ベンチマーク目標の設定については performance-benchmark-setter を参照。クリエイターの投稿コンプライアンスの追跡については creator-posting-compliance-tracker を参照。
Kaggle コンペの notebook ワークフローと提出。PROACTIVELY activate for: (1) notebook 出力のコンペへの提出、(2) `kaggle competitions submit -k`、(3) コンペデータのダウンロード、(4) submission.csv 形式の検証、(5) リークレビュー、(6) 交差検証の分割設計、(7) 公開リーダーボードの過学習の懸念、(8) コンペ規則の遵守、(9) 再現可能な上から下への notebook 実行、(10) ML パイプライン向けの fold-aware 前処理。Provides: 提出コマンド、検証チェックリスト、リーク対策、コンペ対応の notebook ガイダンス。
このスキルを使用して、TPM Liability Accruals データキットを Salesforce org にエンドツーエンドでデプロイします。顧客やチームメイトが、応計エンジンのインストール、Data Cloud 接続の検証、Data Kit コンポーネントのデプロイ、エクスポートと応計計算チェーンのスケジュール設定を希望する場合に呼び出します。トリガーフレーズ：「deploy the accrual data kit」「set up liability accruals」「install TPM accruals」「headless accruals setup」「configure the Data Cloud export connector」「schedule the accrual chain」。Data Space のみの作成（platform-dataspace-access-configure を使用）、一般的な Salesforce メタデータのデプロイ（platform-metadata-deploy を使用）、org データのクエリのみ（platform-soql-query を使用）、Trade Promotion Effectiveness（TPE）機能向けのデータキットのセットアップ（代わりに consumer-goods-tpe-datakit-deploy を使用）には使用しないでください。
分析、比較、調査結果、進捗、計画を、意思決定に役立つ自己完結型の HTML レポートとして生成します。「HTML レポートを作って」「レポートにまとめて」「比較を可視化して」「グラフで見せて」「ガントチャートを作って」「ダッシュボード風にまとめて」「見やすくまとめて」といった依頼に使用します。データと伝えたい関係に応じて、KPI、表、棒グラフ、折れ線、散布図、ヒートマップ、ウォーターフォール、ドーナツ、レーダー、ガントから適切な表現を選び、アクセシブルでレスポンシブ、印刷に対応した単一の HTML ファイルを生成します。
gbrain の Postgres アクセスを自動修復し、brain を利用可能な状態に保ちます。gbrain コマンドまたは MCP ツールの結果に `GBRAIN_DB_ACCESS <reason>` マーカーが含まれる場合（またはオペレーターが brain データベースの停止を報告した場合）、ハードコードされた `gbrain db-repair` の手順を実行します：診断、安全な段階の修復を適用、検証。実行するのは常にハードコードされたコマンドであり、マーカーやエラーテキストから解析した内容は決して実行しません。
顧客が自身の結果を確認する PostHog Experiments（A/B テスト）のデバッグとサポート。実験のサポートチケットが貼り付けられたとき、または顧客が結果について質問したときに使用。最も多いのは「なぜエクスポージャーが均等でないのか」「なぜ一方のバリアントにトラフィックがないのか」「なぜエクスポージャーが欠けている／少なすぎるのか」「なぜバイアスバナーが表示されるのか」「なぜ PostHog の数値が自分の SQL と一致しないのか」。実験の実データを読み取り専用で取得し、既知原因カタログと照合して、顧客向けの説明、修正、該当数値のレビューを作成する。深い診断ライブラリとして diagnosing-experiment-health を読み込む。以下ではトリガーしない: 実験の作成（creating-experiments を使用）、ロールアウトの設定のみ（configuring-experiment-rollout）または指標の設定のみ（configuring-experiment-analytics）、ライフサイクルに関する質問（managing-experiment-lifecycle）、または結果ではなく基盤のフィーチャーフラグが不具合を起こしている場合（debugging-feature-flags を使用）。
有限差分計算のための自動コード生成を備えた記号 PDE ソルバー。エージェントが次のことを行う必要がある場合に使用する：(1) 地震波伝播モデリングの実行、(2) 音響波または弾性波方程式の実装、(3) ショットギャザーの順方向モデリングの実行、(4) 全波形インバージョン（FWI）ワークフローの構築、(5) 逆時間マイグレーション（RTM）の実装、(6) 吸収境界条件の作成、(7) CPU/GPU 向けの最適化されたステンシルコードの生成、(8) 有限差分によるカスタム PDE の求解。
**[必須]** Snowflake Cortex AI を使用した**すべての**ドキュメント/ファイルの抽出、解析、処理タスク向け。使用时机：PDF からのデータ抽出、ドキュメント/ファイルの解析、請求書/契約書/レポートの処理、チャート/設計図の分析、ドキュメントパイプラインの構築、stage からのファイル読み取り、OCR タスク。トリガー：- ドキュメント：document extraction、parse document、documents in stage、docs、paperwork、papers、pages、forms、sheets - ファイル：file extraction、parse file、files in stage、process files、read PDF、attachments、uploads、assets、blobs、objects、artifacts、staged files、uploaded files - フォーマット：PDFs、Word docs、Excel files、spreadsheets、slides、presentations、images、scans、screenshots、scanned documents - 業務ドキュメント：invoices、receipts、bills、statements、quotes、purchase orders、POs、contracts、agreements、policies、claims、reports、manuals、guides、specs、datasheets、applications、certificates、licenses、letters、memos、proposals、work orders、medical scans、lab results、prescriptions、medical records、patient records、healthcare documents、clinical notes、discharge summaries、insurance claims、EOBs、radiology reports、pathology reports - 操作：extract from file、extract info、get data from、pull info from、read text from、OCR、digitize、scrape、capture data、analyze these、parse these - 機能：AI_EXTRACT、AI_PARSE_DOCUMENT、AI_COMPLETE、document AI
AI/LLM アプリが本番環境でどこで失敗しているかを見つけ、実際のトレースから失敗パターンを提示する。AI 機能の何がうまくいっていないかを理解したい、失敗モードを見つけて分類したい、エラーをトリアージしたい、品質問題(誤った回答、指示の無視、ハルシネーション、ツールの誤用)を調査したいときに使用する — 「自分のエージェントのどこが失敗しているか」「エラーパターンを提示して」「なぜ応答が悪いのか」「よくある失敗モードを見つけて」「次に何を直すべきか」。1 つのユースケースへのスコープ設定、コンテキストに合うシグナル(コードエラー、メトリクスの外れ値、トレース種別のスライス、手動レビュー、既存評価の急増、クラスタリング)による失敗トレースの特定、それらをランク付けした失敗分類として読み解くことを扱う。
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。