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
KooCLI v3.2.0+ と DWS Autopilot MCP Server に基づく、DWS クラスタのメモリ高騰の根本原因診断スキル。メモリメトリクスを自動収集し、根本原因（顧客側 / システム側）を分析し、標準化された診断レポートを出力する。DWS クラスタのメモリ使用率が高すぎる場合、メモリアラーム、OOM のシナリオに適用できる。トリガーワード：内存高、内存告警、内存诊断、内存使用率过高、内存不足、OOM、内存溢出、动态内存使用率超阈值、high memory、memory alarm、memory diagnosis。
JimuReport ジェネレーター — 自然言語でレポート要件を記述するかスクリーンショットを提供すると、JimuReport を自動生成する（データレポート、印刷レポート、グループレポート、ループレポート、データ入力など全タイプに対応）。ユーザーが「积木报表」「jmreport」「Excel レポート」「データ入力」「可視化レポート」「印刷レポート」「グループレポート」「ループレポート」「スクリーンショットからレポートを生成」「JimuReport を作成」「可視化レポートを作る」「积木设计器」「create jimureport」「visual report」と言う場合に使用する。ユーザーが Excel 風のレイアウト、#{} によるデータバインディング、複数シートのレポートを含むレポート要件を記述した場合、またはレポート生成のためにスクリーンショットを提供した場合にもトリガーされる。
MATLAB でデータファイルを読み書きする。表、スプレッドシート、区切りテキスト、または CSV、Excel、Parquet、JSON、XML 形式の構造化ファイルを扱うタスクで使用する。インポート、エクスポート、読み込み、解析、変換、検証、インポートオプションの設定、URL からの読み取り、ロケールやエンコーディングの処理、ファイルエラーの診断、レガシーなファイル I/O コードのモダナイズなどが含まれるがこれらに限らない。MATLAB はこれらのワークフロー向けの組み込み関数を提供し、追加製品は不要。
sqlite-net-pcl を使って .NET MAUI アプリに SQLite ローカルデータベースストレージを追加する。ORM 属性付きのデータモデル、遅延初期化を伴う非同期データベースサービス、DI 登録、WAL モード、ファイル管理を扱う。任意の UI パターン（XAML/MVVM、C# Markup、MauiReactor）で動作する。使用対象："SQLite database"、"local database"、"sqlite-net-pcl"、"offline storage"、"CRUD database"、"database service"、"WAL mode"、"CreateTableAsync"、"local data persistence"、"ORM attributes"。使用対象外：REST API のデータ取得（maui-rest-api を使用）、安全な認証情報の保存（maui-secure-storage を使用）、ファイル選択（maui-file-handling を使用）。
ユーザーが Azure ML と Azure Data Factory の本番ワークフローの自動化を求めた場合にこの skill を使用する。次の場合に積極的に有効化：(1) Azure ML のコードアセット登録、azure-ai-ml SDK、AML のコードバージョン、`result.version`、要求バージョンと実際のバージョン、(2) ADF から Azure ML へのオーケストレーション、ADF WebActivity、マネージド ID による blob 読み取り、`connectVia`、マネージド VNet IR、(3) コードアセットのバージョンポインタ blob、latest.json 契約、トレーニング/スコアリングのコードバージョン伝播、(4) プライベートストレージのファイアウォール、Microsoft ホストの CI エージェント、一時的なネットワークルール、ストレージのデータプレーンスモークテスト、(5) marshmallow<4 の固定、AML SDK のインポート失敗、Azure ML インフラストラクチャの実行時検証。提供：運用上安全な Azure ML + ADF 自動化パターン。
NetBox Data Exchange（NDX）— インフラコンポーネントのメタデータを厳選したカタログ。デバイス/モジュール/ラックの型定義は全世界に公開されている（閲覧と手動での YAML ダウンロードが可能）。「enrichment data」（ライフサイクル日付、熱、環境、運用、プラットフォーム/NOS、可観測性プロトコルのメタデータ）および NetBox Cloud/Enterprise の組み込み NDX 機能は商用。API 経由で enrichment data を利用する場合、EOL/ライフサイクル分析を行う場合、デバイスタイプをインポートする場合、NDX データの構造を理解する場合に使用する。
オントロジーを設計し、ナレッジグラフを構築する。OWL/RDF オントロジー、SKOS タクソノミー、SPARQL クエリ、ナレッジグラフの構築、セマンティック推論、リンクトデータのパターンを扱う。「build ontology」「design knowledge graph」「create taxonomy」「SPARQL query」「semantic reasoning」「linked data」「RDF modeling」「ontology alignment」「knowledge representation」で起動する。
曖昧な GIS 業務や複数段階にわたる GIS 業務を計画・実行し、規模やチームに応じて信頼できるデータソース、計算、ストレージ、成果物の提供方法を共同で選定します。ベクター／ラスター／点群解析、ルーティング、QGIS、タイル、ウェブマップを扱います。未解決の地理空間アーキテクチャやエンドツーエンドの分析に使用します。範囲が限定されたタスクには、インストール済みの geospatial-data-discovery、spatial-sql、reproducible-gis-project を優先してください。専門ツールがない場合は、単独での GIS サポートにも対応します。気軽な場所検索、通常の道案内、空間情報を扱わないコーディングには使用しないでください
エンジニアと QA 担当者が性能テスト結果を解釈し、ボトルネックを特定し、2 種類のレポート（エンジニアと QA 向けの技術レポート、ステークホルダーと経営層向けの業務レポート）を作成するのを支援する。ユーザーが k6、Gatling、Locust、JMeter、Artillery などのツールの負荷テスト結果、CSV 統計、HTML レポート、パーセンタイル データ、テスト出力を共有し、数値の意味を理解したい、問題を診断したい、結果を伝えたいときに、このスキルを使用する。「analyze my test results」「what do these numbers mean」「my p95 is high」「error rate under load」「write a performance report」「explain the results to my manager」「how do I present this to stakeholders」「I found a bottleneck」といったフレーズで発動する。
定量分析、または既存の JPG/PNG、HTML、PDF を Quant Buddy の共有可能なライブページまたはリアルタイムダッシュボードとして公開し、作成、更新、再利用、検収、公開リンクでの受け渡しに対応する。個別銘柄プロファイル、バリュエーションと財務、指数の変動、マルチファクタースクリーニング、コモディティ日報、テンプレート、共有シェル、カードなどのページに適する。ユーザーが QuantBuddy ライブページの URL を提示して解釈を求めた場合にも使用する。/quant-buddy-view、/qbv、qbv または QBV が明示的に呼び出され、かつリクエストが純粋な相談、コード保守、ドキュメント解説でない場合は、既定で共有可能なライブページのタスクとして扱う。A 株の名称、略称、コードで一意に識別できる入力、または単一銘柄の総合分析の簡単な依頼（「贵州茅台」「600519」「分析一下贵州茅台」など）はいずれも既定で個別銘柄クイックページを要求したものとみなす。まず QBS で検証し完全な個別銘柄分析を返信した後、同じラウンドで new_asset_page を実行し、ユーザーが「ページを生成」と補足する必要はない。WebAgent ホストが金融に関する質問を Q&A とライブページの両方で統一的に納品することを求める場合、単発の相場、騰落率、バリュエーション、概念の説明、口語的な近況の質問も、QBS の初回回答後に本スキルへ引き継ぐ。そのようなホストの取り決めがない場合、単発の質問は QBS が回答する。振り返り、モニタリング、作図、バックテスト、K ラインなどの操作は引き続き既定でライブページの意図があるものとする。ウェブページを明示的に不要とする場合やテキストのみの返信を求める場合はページを作成しない。
サーバーアクセスログ、HTTP 取得、robots/llms/sitemap のチェック、エクスポートされたサマリーから、認証情報を必要としない公開ウェブサイトの監視証拠を分析しつつ、生の IP と非公開のクエリデータを保護する。ユーザーがクローラーや AI ボットがサイトに到達したか、公開の SEO/LLM 検出ファイルが応答するか、または観測された事実を不明な Search Console、順位、アナリティクス、引用の主張とどう区別するかを求めた場合にこのスキルを使用する。
SHAP（SHapley Additive exPlanations）を使用したモデルの解釈可能性と説明可能性。機械学習モデルの予測の説明、特徴量重要度の計算、SHAPプロット（ウォーターフォール、ビーズウォーム、バー、散布図、フォース、ヒートマップ）の生成、モデルのデバッグ、モデルのバイアスや公平性の分析、モデルの比較、説明可能なAIの実装に使用します。ツリーベースモデル（XGBoost、LightGBM、Random Forest）、ディープラーニング（TensorFlow、PyTorch）、線形モデル、あらゆるブラックボックスモデルに対応します。
SQL Server データベースのパフォーマンスを診断し最適化する。遅い T-SQL クエリの診断、インデックスのチューニング、実行プランの読み取り、パラメータスニッフィングの修正、バッチ操作の最適化、トランザクションログの肥大化の削減、ロックとブロッキングのトラブルシューティング、tempdb の構成、または以前は高速だったクエリが遅くなった場合に使用。高スループットの INSERT/UPDATE/DELETE 操作の記述、最小ログ記録の実装、カバリングインデックスの設計、待機統計の分析にも使用。
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。