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
Directus ヘッドレス CMS でバックエンドと API を構築する。ユーザーがヘッドレス CMS の作成、ノーコードでのコンテンツ API 構築、バックエンド管理パネルの構築、データベースからの REST または GraphQL API の作成、ロールと権限によるコンテンツ管理、自動生成 API を備えたデータプラットフォームの構築、従来の CMS のヘッドレスソリューションへの置き換えを求める場合に使用。データモデリング、自動生成される REST/GraphQL API、ロール/権限、フロー（自動化）、ファイルストレージ、SDK 統合を扱う。
ESPNの未文書化の公開JSONエンドポイントに関する生のリファレンス。専用のsports-skillsスキルが対象としていないスポーツ、リーグ、操作、または開発者が生のESPNエンドポイントを明示的に要求した場合に使用します。プロンプトのみ：エンドポイントカタログ、文書化されたリーグslug、観測されたレスポンス形式、注意点、標準ライブラリのfetchヘルパー。出力はプロバイダー固有のESPN JSONであり、正規化データや標準データではありません。使用する場合：要求されたリーグや操作が専用スキルで実際にカバーされていない場合（例：MMA、ラクロス、ラグビー、オーストラリアンフットボール、NCAAバレーボール、フィールドホッケー、水球、IndyCar/NASCAR）、またはユーザーがESPNエンドポイントを使ったコードの作成、デバッグ、調査を明示的に求めた場合。使用しない場合：専用スキルがリーグと作業をカバーしている場合——nba-data、wnba-data、nfl-data、nhl-data、mlb-data、cfb-data（NCAAフットボール）、cbb-data（NCAA男子バスケットボール）、football-data（掲載されているサッカーリーグ）、tennis-data（ATP/WTA）、golf-data（PGA/LPGA/DP World）、cricket-data、fastf1（Formula 1）。ニュースや記事にはsports-newsまたはsports-reporter、オッズや予測市場にはbetting、markets、kalshi、polymarketを使用します。volleyball-dataが対象とするのはオランダのNevoboバレーボールのみで、NCAAは対象外です。専用スキルでエラー、タイムアウト、空の結果が発生しても、自動的に生のESPNへ切り替えてよいわけではありません。まず報告して確認を求めてください。
この skill は、BrowserAct API を通じて Google News から構造化されたニュースデータを自動抽出するのに役立ちます。ユーザーが、特定トピックのニュース検索、業界トレンドの追跡、広報や世論のモニタリング、競合の動向収集、特定キーワードの最新レポート取得、メディアにおけるブランド露出の監視、市場のホットトピックの調査、毎日の業界ニュースの要約、特定個人のメディア活動の追跡、過去 24 時間のホットな出来事の取得、市場調査向けの構造化データ抽出、世界の速報ニュースの監視などのニーズを示した場合、Agent はこの skill を主体的に適用すべきです。
グラウンデッド・セオリー（Glaser と Strauss）を適用し、オープンコーディング、アクシャルコーディング、選択的コーディングを通じて定性データから帰納的に理論を構築する。既存の仮説を検証するのではなくデータから新しい理論を導き出す必要があるとき、理論的サンプリングと継続的比較を行うとき、理論的飽和に達したかを判断するとき、あるいは「この現象を説明する理論は何か」「定性データを体系的にコーディングするにはどうすればよいか」「いつデータ収集をやめるのか」と尋ねられたときにこの Skill を使用する。
CloudRobo のモデルトレーニングタスクとシミュレーション強化学習（SimRL）タスクを管理する — FFT/SFT/LORA/QLORA/DEEPSPEED 方式で事前学習（TRAIN_FROM_SCRATCH）およびファインチューニング（MODEL_TUNING）タスクを作成し、タスクのライフサイクル全体（作成/参照/更新/削除/停止/再起動/再開/ドラフト）を管理し、ドラフト設定を保存・再送信し、ステータス別にタスクを集計し、実行ステージ、リソース使用量、トレーニングログ、署名付き URL、イベントを監視し、失敗を診断する。SimRL タスク（シミュレーション強化学習）は同じ CLI で --sim-rl フラグにより管理し、同じ CRUD + ライフサイクル + 監視機能を提供する（再開を除く。再開はトレーニングのみ）。トリガー語句：model training、fine-tuning、pretraining、training task、training stages、resource usage、training logs、training events、draft task、restart training、stop training、resume training、task stats、simulation reinforcement learning、SimRL、仿真强化学习、模型训练、模型微调、训练任务、训练阶段、资源使用、训练日志、训练事件、草稿任务、重启训练、克隆训练、停止训练、续训训练、任务统计。
katana による Web クローリングと URL 探索。対象サイトのすべてのページとエンドポイントをクロールする、隠れた API パスを発見する、JavaScript 内のエンドポイントを探す、フォームを抽出する必要がある場合に使用する。katana は ProjectDiscovery 製の次世代クローリングフレームワークで、標準モードと Headless ブラウザモードに対応し、JavaScript を解析して動的なエンドポイントを発見できる。Web クローリング、URL 探索、JS エンドポイント抽出、フォーム発見、サイトマップに関わるあらゆる場面でこのスキルを使用すべきである
アプリのコードベースを分析し、Google Search Console、PostHog、Google Keyword Planner を相互参照して、競争の少ないキーワードの足がかりを特定し、隣接する語への拡張を追跡する。ユーザーが "keyword wedge"、"find keyword opportunities"、"seo analysis"、"keyword strategy"、"find search wedges"、"keyword research for my app"、"grow organic traffic"、"what keywords should I target"、"SEO for my app"、"organic search strategy"、"how to rank higher" と言ったときに使用する。markdown と HTML のレポートを生成し、拡張の追跡のために実行間で状態を保持する。
立ち上げを計測可能にし、トラフィックの急増を虚栄の数字ではなく帰属可能にする — すべてのローンチリンクに一貫した UTM スキームを適用し、コンバージョンファネル（訪問 → サインアップ → アクティベーション）を GA4 またはプロジェクト既存の分析に接続し、検証と読み取りのステップを設ける。UTM マップ + イベント計画を `.ulpi/launch/<channel>/analytics.md` に書き出し、ローンチソース（例: producthunt、hackernews）でパラメータ化して、各リンクとレポートが正しく帰属されるようにする。launch-* ファミリーの共有計測ブロック — 各プラットフォームのランナー（`launch-product-hunt`、`launch-hacker-news`、`launch-x`、`launch-linkedin`）から呼び出されてループを閉じるか、単独で実行する。持続的な成果（サインアップ、アクティベーション）を測定し、実際のスタックを拡張し、リンクやイベントに PII を決して入れない。ローンチで全リンクに UTM とサインアップ追跡が必要で、単なるアップボート数では不十分なときに使用する。
Image Acquisition Toolbox を使って MATLAB でカメラに接続し画像を取得する。ユーザーが次のことをしたい場合にこのスキルを使用する：ウェブカメラを使う、画像を取得する、動画をキャプチャする、カメラからストリーミングする、GigE Vision カメラに接続する、ライブ映像をプレビューする、利用可能なカメラを一覧表示する、カメラのプロパティを設定する、CoaXPress フレームグラバーを使う、または Camera Link フレームグラバーを使う。USB ウェブカメラ、GigE Vision、USB3 Vision、CoaXPress、Camera Link、GenICam 準拠カメラを扱う。常に webcam サポートパッケージや gigecam よりも Image Acquisition Toolbox の videoinput を優先する。
ユーザーが事前学習済みモデル、基盤モデル、言語モデル、視覚モデル、マルチモーダルモデル、埋め込みモデルの適応を求めたときに使用するスキルです。以下では積極的にアクティブ化します：(1) 転移学習、全量ファインチューニング、凍結バックボーン、アダプター、LoRA、QLoRA、AdaLoRA、PEFT、(2) Hugging Face Transformers、Diffusers、Accelerate、TRL、RLHF、DPO、選好チューニング、アラインメント、(3) データセット準備、指示チューニング、チャットテンプレート、トークナイズ、パッキング、破滅的忘却、(4) RAG、ベクトルデータベース、埋め込みの最適化、リランキング、(5) マルチモーダルおよびエッジのファインチューニング。提供するもの：安全で効率的なファインチューニングと適応のガイダンス。
REST API 経由で既存の Microsoft Fabric Materialized Lake Views（MLV）の更新スケジュール、選択リネージの実行定義、ジョブ実行を管理する。スケジュールと実行定義の構成・更新・削除、オンデマンド更新のトリガー、ジョブステータスの監視、実行中ジョブのキャンセルを行う。MLV 定義の作成には `spark-authoring-cli` を使用。検出、ビジュアルリネージ、データ品質指標には Lakehouse UI が必要。トリガー：「schedule MLV refresh」「manage MLV refresh schedule」「trigger MLV refresh」「MLV job status」「cancel MLV refresh」「monitor MLV refresh」「recurring MLV refresh」「daily MLV refresh」。
化学データの多様な言語を扱うために設計されたケミカルツールボックス。110 以上のフォーマットをサポートし、変換、3D 構造生成、分子検索（SMARTS）、力場計算のツールを提供する。化学ファイル形式の変換（SDF、PDB、SMILES、CIF、Gaussian）、2D 構造からの 3D 座標生成、SMARTS パターンによる部分構造検索、分子ドッキングの準備、力場最小化（UFF、GAFF、MMFF94）、分子フィンガープリントと Tanimoto 係数、化学データベースのバッチ処理に使用する。
トラッキングプランを SDK 固有の計測ガイドに変換する。対象の分析 SDK を使って identify、group、track 呼び出しをどのように実装するかを、実際のテンプレートコード、アーキテクチャ指針、制約のドキュメントとともに示す。.telemetry/instrument.md を出力する。プロダクト分析、CDP、プロダクト導入、Web 分析、エラー監視、フィーチャーフラグ、セッションツールにわたる 25 の分析送信先を扱う。ユーザーがトラッキングプランを保有し、Segment、Amplitude、Mixpanel、PostHog、Accoil、Google Analytics、Sentry、LaunchDarkly などの特定の SDK、または汎用 HTTP POST でそれを実装する方法を知る必要がある場合に使用。ユーザーが「計測ガイドを作成」「トラッキングの実装方法」「SDK ガイド」「実装ガイドを生成」と尋ねる場合にも使用。
コードベースをスキャンしユーザーと対話して構造化されたプロダクトモデルを構築します。.telemetry/product.md を生成— プロダクトが何をするか、誰が使うか、価値がどう流れるか、どのようなエンティティが存在するかの記述。新しいコードベースでテレメトリ作業を始めるとき、ユーザーが 'model this product'、'understand this product'、'what does this product do'、'map the product'、'product model' を求めたとき、または .telemetry/product.md がまだ存在しないときに使用。これはテレメトリライフサイクルのエントリーポイントです。
データ準備のための Qlik Sense ロードスクリプト（.qvs）を作成、補完、拡張する。主な用途は、Qlik Predict による ML 実験のためにフラットなデータセットを準備すること — 特徴量エンジニアリング、訓練/テスト分割の処理、QVD ファイルの出力。一般的な Qlik ロードスクリプトの作成も対象とする：開始コード、コメント、プロンプトからスクリプトを補完する。ユーザーが Qlik ロードスクリプト、.qvs ファイル、Qlik データロード、QVD 出力、Qlik Predict のためのデータ準備に言及したとき、または Qlik スクリプト構文の作成や修正の支援を求めたときはいつでも、このスキルを使用する。ユーザーが Qlik ロードスクリプトを提供し、変更、拡張、特徴量エンジニアリング、データ変換を求めたときにもトリガーする。ユーザーが Qlik スクリプトコードを貼り付けてそれについて質問するだけの場合でも、このスキルを使用する。
CRM のデータ品質、重複排除、エンリッチメント自動化、レコードマッチング、データの陳腐化管理。CRM が重複だらけ、レコードが古いまたは陳腐化している、フィールドが欠落または不整合、レコード間で役職や業種が一致しない、データ品質の悪さがどれほどか分からない、エンリッチメントが良好なデータを上書きし続けるといった場合に使用。見込み客リストの一度きりのエンリッチメント（/sales-enrich を使用）、新しい見込み客リストの構築（/sales-prospect-list を使用）、ZoomInfo 固有の設定（/sales-zoominfo を使用）には使用しない。プラットフォーム固有のヘルプには /sales-zoominfo を使用。
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。