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
Grafana と LGTM スタックによる可観測性の可視化。ダッシュボード設計、パネル構成、アラート、変数/テンプレート、データソース。使用場面：Grafana ダッシュボードの作成、パネルと可視化の構成、LogQL/TraceQL クエリの作成、Grafana データソースの設定、ダッシュボード変数とテンプレートの構成、Grafana アラートの構築。使用しない場面：PromQL クエリの作成（代わりに /prometheus を使用）、アラートルール戦略（代わりに /prometheus を使用）、一般的な可観測性アーキテクチャ（インフラに注力した senior-software-engineer を使用）。トリガー：grafana、dashboard、panel、visualization、logql、traceql、loki、tempo、mimir、data source、annotation、variable、template、row、stat、graph、table、heatmap、gauge、bar chart、pie chart、time series、logs panel、traces panel、LGTM stack。
JeecgBoot Online フォーム（cgform）のライフサイクル全体の管理 — API を通じてデータベーステーブルとフォーム設定を自動作成/編集し、単一テーブル、親子テーブル、ツリーテーブル、26 種類のコントロールタイプ、および JS/Java/SQL 拡張、権限設定、データ CRUD、積木レポート連携をサポートします。ユーザーの意図が「Online フォーム」に関わる場合は必ずこのスキルを使用します。含まれるがこれに限らない例：データベーステーブルの作成・設定（"休暇申請テーブルを作る"、"online テーブルを作成する"、"ドロップダウン選択付きのテーブルを作る"、"ローコードフォーム"、"オンラインフォーム"、"テーブルを設定する"）、既存の Online テーブルフィールドの変更（"フィールドを追加する"、"フィールド型を変更する"、"子テーブルを追加する"、"フィールドを削除する"）、フォーム拡張の設定（"JS 拡張"、"カスタムボタン"、"フォーム連動"、"Java 拡張"、"SQL 拡張"）、権限の設定（"フィールド権限"、"ボタン権限"、"データ権限"、"ロールに付与"）、フォームデータの管理（"データを挿入"、"レコードを照会"、"CSV をエクスポート"、"テストデータを作成"）、および積木レポートの関連付け（"このテーブルにレポートを追加"、"印刷を統合"）。ユーザーが "online" と言わずに業務要件のみを説明した場合でも（例："氏名、部署ドロップダウン、入社日を含む従業員情報管理機能を作る"）、メタデータ駆動のフォーム設定に関わるものであれば、このスキルを起動すべきです。注意：「デザイナーフォーム」(desform) と混同しないでください — desform はドラッグアンドドロップ式のフォームデザイナーで、スキル jeecg-desform で処理します。「Online レポート」(cgreport) や「Online チャート」(onlchart) とも混同しないでください — これらは SQL 駆動の読み取り専用表示です。
Kaggle の `kernel-metadata.json` のセットアップと修復。以下の場合に積極的に有効化する：(1) kernel-metadata.json の作成、(2) メタデータ検証エラーの修正、(3) `id`、`title`、`code_file`、言語、カーネルタイプの設定、(4) private/public、internet、GPU、アクセラレータ動作の設定、(5) dataset_sources、competition_sources、kernel_sources、model_sources の添付、(6) `kaggle kernels push` 前のメタデータ準備、(7) スクリプト／ノートブックのメタデータ変換。提供内容：スキーマチェックリスト、有効なフィールド、ソース配列、デフォルト、プッシュ準備状況のレビュー。
streamlit-apps MCP ツールを介して PostHog で Streamlit アプリを作成、デプロイ、運用する — アプリの作成、ソースの設定、コードの読み取りとパッチ、サンドボックスの起動と停止、ステータスのポーリング、バージョンの一覧表示、削除、PostHog URL を介したユーザーとのアプリ共有。"create a streamlit app"、"deploy a data app"、"ship a dashboard app"、"restart/stop my app"、"why is my app not running"、"give me a link to the app" と求められた場合に使用。
marginaleffects の R および Python パッケージのマニュアルであり、書籍 "Model to Meaning" のガイド。ユーザーが予測、比較、傾き、限界効果、平均処置効果（ATE/ATT/CATE）、仮説検定、対比、反事実、リスク比、オッズ比、G-computation による因果推論について尋ねるとき、または predictions()、comparisons()、slopes()、hypotheses()、datagrid()、avg_predictions()、avg_comparisons()、avg_slopes() やプロット関数といった marginaleffects の関数について支援を必要とするときに使用する。
Volcengine マーケットインサイトアシスタント。ブランドに関する各ソーシャルプラットフォームやメディアチャネル上の公開コンテンツデータを取得し、AI で本当に注目すべき情報を絞り込み、潜在的なビジネスチャンスの手がかりを発見する支援をする。ユーザーが以下のいずれかの場面に言及したときにこのスキルを使用する：最近ネット上で自分のブランドや製品について話題になっているか知りたい、競合が最近ソーシャルメディアでどんな動きをしているか見たい、ある話題や出来事のネット上の議論の熱量やトレンドを知りたい、自分の業務に関連する業界情報やホットなコンテンツを定期的に取得したい、絞り込んだコンテンツデータを自分のシステムに接続してさらに分析したい、自分のアカウント下にどのようなモニタリングタスクがあるか、またはあるタスクのデータを取得したい、最新の中東情勢・関税・貿易戦争・AI 大規模モデルなどのホットな話題のネット上の議論を知りたい、ビジネスチャンスの手がかり情報を照会して ACOR 評価・競合分析・企業プロファイルを取得したい、Volcengine マーケットインサイト、Volcengine Insight、PullPost、ListCustomSubsTask、QueryClueInfo に言及した場合。ユーザーが直接「マーケットインサイト」と言及していなくても、ブランドの声量追跡、業界動向の把握、ホットな出来事のネット上の議論、公開コンテンツデータの取得、ビジネスチャンスの照会と分析などのニーズに関わる場合は、このスキルをトリガーすべきである。
CUMCM 国内大会、MCM/ICM、Dian Gong Cup（電工杯）の数学モデリングコンテスト向けのエンドツーエンドの協働ワークフロー。ユーザーがこれらのモデリングコンテストのいずれかに明示的に取り組む場合、または問題選定からモデリング、求解、ロバスト性、執筆、コンプライアンス、最終提出レビューまでのモデリングコンテスト論文の実行/レビューを依頼した場合に使用する。10 のステージ、永続的な意思決定状態、コンテスト固有のルール/テンプレート、決定論的なスコアリング補助ツール、番号付きの意思決定、Codex/Claude Code へのハンドオフを提供する。一般的なモデル選択、通常のデータ分析、コンテスト以外の論文レビューではトリガーしない。
複数ソースからの雑多なクリエイターキャンペーン指標を、標準化されたフィールド名を持つ 1 つのクリーンなテーブルに正規化し、マスタートラッカーにマージできる状態にする。インフルエンサー指標のクリーンアップ、複数プラットフォームのキャンペーンデータの標準化、クリエイター実績数値の正規化、Instagram、TikTok、YouTube の指標を 1 つのシートにマージ、雑多なアナリティクス出力の整形、マスター表向けのキャンペーンデータ準備、生のプラットフォーム統計を一貫した形式に変換、異なるレポートツールの指標の統合、複数ソースのクリエイターデータの重複排除、出力ごとに異なる列名の修正、レポート前の指標ダンプの整理に使用する。エンゲージメント率の計算については engagement-rate-calculator-benchmarker を参照。キャンペーン全体のレポートについては campaign-roi-calculator を参照。単一のストーリーのスクリーンショットの解析については story-metrics-screenshot-parser を参照。
既存の Nango TypeScript createSync 実装を、nango.lastSyncDate、旧来の増分 syncType、再開不可能なフルリフレッシュから checkpoint ベースの同期へ移行する。顧客の Nango 同期コードを次のように更新するときに使用する：checkpoint スキーマを定義し、毎回の batchSave の後（paginate ループ内を含む）に getCheckpoint/saveCheckpoint/clearCheckpoint を呼び出し、--checkpoint で dryrun をテストし、checkpoint 化された増分またはフル同期の削除処理を修正する。
GPS/GNSS トラックからの移動と軌跡の分析：クリーニング、停止/トリップ検出、道路ネットワークのマップマッチング、速度/方向、フロー集計、起終点の構築。フリート、人間の移動性、動物追跡、AIS、スポーツトラックに使用する。GPS ポイント、GPX、軌道、停止検出、マップマッチング、移動オブジェクトごとのタイムスタンプ付き位置でトリガーする。個人の軌跡のプライバシー、集計、匿名化、公開にも使用する。観測トラックのない仮想ルート、等時線、静的 OD コストには network-accessibility-analysis を使用する。
蓄積したスタイルの経験を活かし、アップロードされた画像からあらゆる学術論文の図を再現する。使用場面：ユーザーが論文の図をアップロード/添付して再現や再作成を求めたとき、ユーザーが "复现这个图"、"reproduce this plot"、"match this figure"、"照着这个图画" と言ったとき、または論文の図の PNG/スクリーンショットを提供してそれを生成する Python matplotlib コードを求めたとき。フォント検出、色抽出、比率合わせ、および 8 種類の既成スタイルへのマッピングまたは新規スタイルのゼロからの作成のための分析ワークフローを含む。
pbi-cli を使って Power BI モデルのパフォーマンスをトラブルシューティングし、クエリ実行をトレースし、キャッシュを管理し、pbi-cli 環境を検証する。ユーザーが "pbi not working"、"setup issues"、"connection failed"、"slow query"、"performance"、"profiling"、"tracing"、"health check"、"model audit"、"pbi setup" を述べたとき、または pbi-cli のエラーに遭遇したときはいつでも、このスキルを呼び出す。pbi-cli で問題が起きたときに最初に確認すべきスキルである。
pbi-cli を使って Power BI セマンティックモデルの構造 —— テーブル、列、メジャー、リレーションシップ、階層、計算グループ、日付/カレンダーテーブル —— を作成および管理する。ユーザーが "create table"、"add measure"、"add column"、"create relationship"、"date table"、"calendar table"、"star schema"、"mark as date table"、"add hierarchy"、"calculation group"、またはモデル構築タスクを述べたときはいつでも、このスキルを呼び出す。複数のメジャーを一度に作成するときにも呼び出す —— このスキルには複数行の DAX 式の扱いに関する重要なガイダンスが含まれている。
MCP 経由で Qlik アプリを分析し、5-Layer Model を用いて AI 利用（Qlik Answers と Qlik MCP）向けに最適化する。ユーザーが次のことを望むときは常にこの skill を使用する：Qlik アプリが Qlik Answers や MCP とどれだけうまく連携するかを評価または改善する、AI readiness を確認する、AI 向けのフィールド命名やグループ化の問題を修正する、Master Item の説明を改善する、フィールドノイズを減らす、時間ベースの質問のために日付フィールドを監査する、同義語マッピングを作成する、アプリを AI 消費向けに準備する。また、ユーザーが "AI-ready"、"optimize for Answers/MCP"、"Qlik AI Health Check"、"AI Readiness"、"prepare app for AI"、"Answers isn't working"、"Answers gives wrong results"、"Master Items not showing"、"fields not visible to AI" と言った場合、または未グループ化の項目、ノイズの多いフィールド、欠落した説明に言及した場合にもトリガーする。ユーザーが 1 つの層、1 つの問題、1 つのフィールドだけに言及した場合でも、常にこの skill を使用する——完全な評価が対象を絞った修正の背景情報となる。
生のキャンペーン実績データを、成果・失敗・トレンド分析・翌四半期の方向転換の推奨を含む構造化された四半期ビジネスレビュー文書に変換する。クリエイタープログラムの QBR 作成、四半期のインフルエンサーマーケティングレビューの執筆、複数キャンペーンを 1 つの四半期レポートに要約、四半期末に経営層へクリエイタープログラムの成果を提示、インフルエンサー実績の前四半期比トレンドの分析、クリエイターマーケティングプログラムの取締役会向けサマリーの準備、クリエイター戦略で有効だった点と削るべき点の特定、翌四半期のクリエイターキャンペーンの戦略計画の策定、四半期を通じた全ロスターの実績レビューに使用する。単一キャンペーンの ROI 分析については campaign-roi-calculator を参照。週次のステータス更新については campaign-status-dashboard-digest を参照。個々のクリエイターのスコアリングについては post-campaign-creator-scorecard を参照。
PostHog のデータを canvas に正しく取り込みます。ホストが注入する `ph` SDK（loadInsight、query、capture、state、connectors、openExternal、navigate）、データ階層（保存済みインサイトが最優先、次に型付きクエリノード、最後にインライン HogQL）、検証可能性（インサイトに基づくメトリクスは PostHog 内の保存済みインサイトにリンクし、アドホッククエリは実行された正確なクエリを公開する）、インサイトタイプごとの結果形状、クエリごとの段階的ローディング、日付範囲の接続、閲覧者自身の接続（ph.connectors）を通じたライブのサードパーティデータ、canvas からのイベントキャプチャを扱います。canvas がメトリクス、チャート、テーブル、あらゆる PostHog データ、GitHub や MCP サーバーからのデータを表示する場合、または分析イベントを送信する必要がある場合に使用します。
JSON manifest を作成して、任意の REST API を Custom source として PostHog データウェアハウスに接続する。データソースごとのコードは不要。ユーザーが、組み込みの PostHog コネクタがない API を指定したとき——"import data from this REST API"、"sync my internal API"、"connect this API from its docs"、"build a custom data warehouse source"——に、ドキュメントの URL またはエンドポイントの自然言語による説明を提示した場合に使用する。RESTAPIConfig manifest の起草（認証——bearer、API key、HTTP basic、または OAuth2 client credentials / refresh token——ページネーション、レコードパス、増分カーソル、親子ファンアウト）、その検証、フィールドマッピングを確認するための実データ行のテスト読み取り、データソースの作成までを順に説明する。API にネイティブの PostHog コネクタがすでにある場合は、代わりに setting-up-a-data-warehouse-source を使用する——このスキルはまずコネクタレジストリを確認し、ネイティブコネクタがない API のみを扱う。
過去のデータでトレーディング戦略をバックテストし、パフォーマンス指標を解釈する。run_backtest（暗号資産戦略）と run_prediction_market_backtest（Polymarket 戦略）を提供する。実行が高速（20-60s）でコストは最小（$0.001）。Sharpe ratio、最大ドローダウン、勝率、profit factor、取引統計を返す。戦略を構築・改善した後にこのスキルを使用し、デプロイ前にパフォーマンスを検証する。徹底したバックテスト（6 か月以上を推奨）なしに絶対にデプロイしない。
TikTok ユーザーのコレクションフォルダーとその動画リンクを完全なメタデータ（再生数、いいね、コメント、シェア）付きでスクレイピングする。ユーザーが任意の TikTok アカウントのコレクション、お気に入り、保存済み動画、ブックマーク、コレクションフォルダーの内容を取得、スクレイピング、フェッチ、抽出、ダウンロードしたいときに使用。任意のユーザー識別子——ユーザー名、@username、プロフィール URL、動画 URL、短縮リンク（vm.tiktok.com）、user_id、secUid を受け付ける。外部 API 依存ゼロ、有料サービス不要、必要なのは curl_cffi のみ。公開コレクションはログイン Cookie なしで動作する（約 80% のカバレッジ）。TikTok の競合分析、コンテンツリサーチ、バイラル動画の発見、動画データベースの構築にも使用。
エンジニアリング分析（PR / CI）データを保存済みの PostHog インサイト、ダッシュボード、サブスクリプションに変換し、SQL で製品データを直接クエリする方法を説明する。engineering-analytics-sources でチームごとの GitHub ウェアハウステーブルを発見すること、HogQL で厳選された列のセマンティクスを再現すること、製品ロジックが関わる箇所（CI コスト、フィンガープリントされた失敗行、コミットの帰属）で公開されている engineering_analytics_* ウェアハウスビューを読むこと、insight-create でクエリを保存すること、subscriptions-create で配信をスケジュールすることを扱う。「save this as an insight」「put CI health / merge times on a dashboard」「email me PR throughput weekly」「chart CI cost」「track time to first review」「subscribe to these numbers」「alert on CI success rate」「what data/tables/views does engineering analytics read」と尋ねられたときに使用する。アドホックな CI とマージの質問には diagnosing-ci-and-merge-bottlenecks を、特定の CI 失敗の調査には investigating-ci-failures 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。