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 96,981 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
CARTO で Moran's I 空間自己相関のワークフローを構築します。ユーザーが空間自己相関、Moran's I、空間依存性、空間相関、空間外れ値、HH HL LH LL 象限、高高クラスター、低低クラスター、空間重み行列、「is there clustering」、「are values spatially correlated」、局所空間関連指標、LISA、空間ランダム性検定に言及した場合、またはグリッド化されたデータセットで変数が空間的なクラスタリング、分散、またはランダム性を示すかを判定したい場合にトリガーされます。ホットスポットとコールドスポットを特定するだけでなく、位置をクラスタータイプ（HH、HL、LH、LL）に分類する必要がある場合にも関連します。
Google Sheets またはエクスポートした JSON の Support Ops の日次チケット指標を準備、検証、インポート、照合、修正し、CawPlan の cawplan_csm キーメトリクスドメインに取り込みます。利用場面：Support からチケットダッシュボードデータの取り込みを依頼された場合、Support のチケット件数の遡及入力やアップロード、Support 指標のエクスポート検証、CawPlan の指標と Support のシートの比較、安全な Apps Script エクスポーターの生成。不適用：一般的な CawPlan ビジネス指標、デバイス／アプリのテレメトリー、Support ダッシュボード UI の編集、週次 Google Doc の作成、新しい CSM 指標名やタグの創作
タスクがデータベース設計、スキーマ、データアクセスに関わる場合に積極的にロードします。ユーザーが "set up the database"、"create a schema"、"add a migration"、"write a query"、"set up Prisma" と言った場合に使用します。スキーマ設計と正規化、ORM のセットアップ（Prisma、Drizzle）、マイグレーションワークフロー、コネクションプーリング、クエリ最適化、インデックス戦略、シーディング、および PostgreSQL、MySQL、SQLite、MongoDB のトランザクションパターンを扱います。
Kaggle のデータセット、モデル、ソース、および kagglehub ワークフロー。以下の場合に積極的に有効化する：(1) kagglehub でデータセットをダウンロードする、(2) データセットをアップロードする、(3) Kaggle モデルをダウンロードまたはアップロードする、(4) competition_download、(5) notebook_output_download、(6) Kaggle CLI と kagglehub の選択、(7) dataset_sources、competition_sources、kernel_sources、model_sources のアタッチ、(8) モデル成果物の転送、(9) ソース依存関係のクリーンアップ、(10) notebook に対する kagglehub の制限。提供：データセット/モデルの転送パターン、ソースアタッチのガイダンス、ツール選択、制限チェック。
DDD4J MyBatis-Plus 永続層規約スキル。ActiveRecord パターン（Entity は BaseEntity→Model<T> を extends する必要がある）、@TableLogic 論理削除、監査フィールドの自動設定（createBy/createTime/updateBy/updateTime）、@Param("model") XML パラメータ規約、PaginationEntity ページングラッパー（15 件/ページ/Oracle スタイル offset）、型ハンドラー体系（BooleanEnum/JSON 二系統/ListSetArray 分割）、BaseMapper 組み込みの getPagedList/setStatus/getCountBy* などのメソッドを扱います。DDD4J プロジェクトで Entity/Repository を定義する、Mapper XML を書く、ページングクエリを使う、型ハンドラーを構成する場合にこのスキルが必要です。ddd4j-core スキルと併用します。
意見ではなく市場の取引データを用いて予測の質問に答える。ユーザーが地政学、経済、市場、業界、または結果に実際の資金が賭けられているあらゆる話題について確率を問う質問をするときに使用する。例：「第三次世界大戦の確率は？」「景気後退は起きるか？」「AI はバブルか？」「ロシア・ウクライナ戦争はいつ終わるか？」「今は金を買うのに良い時期か？」「SPY は今月 5% 下落するか？」「NVDA のオプションプレミアムは割高か？」。このスキルは予測市場、コモディティ、株式、オプションチェーン、デリバティブ、イールドカーブ、通貨から価格を読み取り、複数のシグナルを相互検証して構造化された確率レポートを作成する。
discord-cli ツールを使って金融リサーチのために Discord を読み取る（読み取り専用）。ユーザーが Discord チャンネルの読み取り、トレーディングサーバー内のメッセージ検索、ギルド/チャンネル情報の表示、暗号資産や市場のディスカッショングループの監視、Discord からの金融センチメントの収集を望むときはいつでも本スキルを使用する。トリガーには以下が含まれる："check my Discord"、"search Discord for"、"read Discord messages"、"what's happening in the trading Discord"、"show Discord channels"、"list my servers"、"Discord sentiment on BTC"、"what are people saying in Discord about AAPL"、"monitor crypto Discord"、"export Discord messages"、および金融ニュースの閲覧、市場調査、トレーディングコミュニティの議論の文脈で Discord に言及するあらゆる場合。本スキルは読み取り専用 — メッセージの送信、リアクション、その他の書き込み操作には対応しない。
ADVPL/TLPP で SQL クエリを記述・レビュー・移行する必要があるときに使用する。生の TCQuery 文字列連結ではなく、BeginSQL/EndSQL ブロックとマクロ式（%table%、%xfilial%、%notDel%、%exp%、%Order%）を用いる -- INNER/LEFT JOIN パターン、集計（SUM/COUNT/GROUP BY/HAVING）、サブクエリ、列型宣言、TCSqlExec による DML、SQL インジェクション防止を扱う。"consulta SQL"、"query embutida"、"migrar TCQuery para BeginSQL"、"escrever SELECT com filial e notDel"、"montar JOIN em ADVPL" のようなポルトガル語の表現でもトリガーされる。
アクセシブルで一貫性のあるデータビジュアライゼーション、SVG チャート、メトリクスカード、ダッシュボードタイルを、テーマに適応するスタイルと検証済みのビューポートで設計・生成します。SVG チャートの作成、メトリクスのプロット、ダッシュボードのビジュアル設計、パフォーマンス傾向の可視化に使用します。ユーザーが "fable-dataviz" と明示していない場合も対象です（例："make a chart of this data"、"plot these benchmarks"、"create an SVG graph"、"visualize these metrics"）。視覚表現を伴わないテキストのみのデータ要約や一般的なコード編集には使用しないでください。
MinerU を使って複雑な PDF ドキュメントを LLM に優しい Markdown/JSON 形式に変換します。適用対象：(1) PDF から Markdown/JSON への変換、(2) PDF 内のテキスト、表、数式、画像の抽出、(3) 学術論文、技術文書、ビジネスレポートの解析、(4) RAG アプリ向けの文書データの準備、(5) PDF のバッチ処理。トリガーキーワード："PDF 解析"、"PDF から Markdown"、"PDF の表/数式を抽出"、"MinerU"、"parse PDF" など。対象外：PDF の閲覧/記入/署名/分割結合（ホストの pdf ツールを使用）、Word/PPT など非 PDF 形式の解析、数ページだけ読めばよい場合（変換せず直接読む）。
Lenses MCP サーバーを使用して Kafka Connect コネクタ設定のよくある誤設定をレビューします。エラー処理、DLQ 設定、コンバーター、変換、タスク数、タスクのヘルスを確認します。ユーザーが「review connectors」「check connector configs」「why is my connector failing」と言う場合や、Kafka Connect の設定について尋ねる場合に使用します。コネクタの作成、デプロイ、制御には使用しないでください。
ユーザーが ML データと特徴量の取り込み、クリーニング、検証、変換、バージョン管理、監視、配信を求めたときにこの skill を使う。以下では PROACTIVELY に有効化する：(1) データ取り込み、前処理、特徴量エンジニアリング、リーク防止、訓練/サービングの偏り、(2) Spark、Dask、Polars、pandas、Ray Data、ストリーミングパイプライン、(3) Great Expectations、TFDV、Deequ、データ品質と検証、(4) DVC、レイクハウステーブル、データセットのバージョン管理、リネージ、再現性、(5) Feast、Tecton、Hopsworks のフィーチャーストア、ポイントインタイム結合、オンライン/オフライン特徴量。提供するもの：スケーラブルで再現可能、リーク防止を考慮した ML データパイプラインの設計。
データベーステーブルから Entity、Mapper、Service、ServiceImpl、Controller、DTO、VO、BO などの関連オブジェクトを含む MyBatis-Plus コードを生成するための包括的なガイダンスを提供する。ユーザーが MyBatis-Plus、mybatis-plus-generator を明示的に言及した場合、または MyBatis-Plus フレームワークを使ってコードを生成したい場合にのみ使用する。本スキルは、MyBatis-Plus プロジェクトに対するユーザーの要件に基づいて標準的な CRUD メソッドとカスタムメソッドを自動生成する。MVC と DDD アーキテクチャ、Java と Kotlin 言語に対応する。汎用的なコード生成、JPA/Hibernate、その他の ORM フレームワークには使用しない。
ユーザーがディープラーニング、LSTM、transformer、またはニューラルネットワークを用いて予測したい場合に使用。ユーザーが "ニューラルネットワーク予測"、"LSTM"、"GRU"、"transformer 予測"、"アテンション機構"、"seq2seq"、"時間畳み込み"、"ディープラーニング時系列"、または複雑な非線形パターンに言及した場合にも使用。従来の予測については demand-forecasting を参照。一般的な ML については ml-supply-chain を参照。
Kaggle notebook/kernel のライフサイクル操作。以下の場合に積極的に有効化する：(1) Kaggle notebook または kernel の作成、(2) `kaggle kernels init`、(3) `kaggle kernels push` による notebook のプッシュまたは実行、(4) メタデータ付き notebook のプル、(5) kernel のステータス、ファイル、ログ、出力の確認、(6) ファイルパターンによる出力成果物のダウンロード、(7) kernel の削除、(8) Python API による kernel 操作、(9) notebook コマンドラインワークフローの認証。提供：安全なコマンドライン/Python ライフサイクルコマンド、実行監視、出力取得、破壊的操作のガードレール。
トラッキングプランと計装ガイドから実際の計装コードを生成します。型付き SDK ラッパー関数、アイデンティティ管理、統合ガイダンスを生成し、tracking/ ディレクトリにファイルを出力。ユーザーがトラッキングコードを生成・再生成したい、デルタプランを実装したい、計装ガイドを動作するコードにしたい、'implement tracking'、'generate code'、'create tracking module'、'build analytics SDK wrapper' を求めたときに使用。
機能のリリース、変更、削除の際にトラッキングプランを更新する。新しいイベントが必要かを評価し、可能な場合は既存イベントにプロパティを追加して拡張し、バージョン付きのミニデルタと変更履歴エントリを生成する。.telemetry/tracking-plan.yaml、delta.md、changelog.md を更新する。ユーザーが新機能をリリースしたとき、既存機能を変更したとき、製品の進化に合わせてトラッキングを一貫させたいとき、「機能をリリースした」「新機能のトラッキング」「[機能] のトラッキングを更新」「この機能に必要なトラッキングは何か」「新機能を計測する」といった場合に使用。
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。