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
バイオインフォマティクス、ケモインフォマティクス、ゲノミクス、構造生物学、プロテオミクス、創薬にわたる科学研究ツールとワークフローを扱う場合にこのスキルを使用する。このスキルは、機械学習モデル、データセット、API、解析パッケージを含む 600 以上の科学ツールへのアクセスを提供する。科学ツールの検索、計算生物学ワークフローの実行、多段階の研究パイプラインの構成、OpenTargets/PubChem/UniProt/PDB/ChEMBL などのデータベースへのアクセス、研究タスクのためのツールディスカバリー、あるいは科学計算リソースの LLM ワークフローへの統合に使用する。
あらゆる TRES Finance レポートの XLSX を分析し、自動で所見サマリーを作成します。ユーザーが TRES Finance から出力された .xlsx ファイルをアップロードし、そのレポートを "analyze"、"summarize"、"review"、"check"、"audit"、"look at"、"what does this show"、"any issues"、"anything interesting"、"walk me through" してほしいと依頼した場合は常にこのスキルをトリガーします。ユーザーが Excel ファイルをアップロードし、TRES、reconciliation、balances、transactions、cost basis、roll forward、ERP sync に言及した場合もトリガーします。このスキルはファイル構造からレポートタイプを識別し、レポート固有のロジックに基づく的を絞った分析を実行し、異常、主要指標、アクション項目を強調する明確な所見サマリーを作成します。
TRES Finance における組織のサブトランザクションパターンを分析し、反復的なトランザクションのグループを特定し、それらを間隔ごと（日次または月次）に 1 つの集約エントリに統合して ERP 統合をよりクリーンにするデータドリブンなロールアップルールを提案します。ロールアップルールの一覧表示と削除も行います。ユーザーがロールアップルール、トランザクションの集約、トランザクションの統合、トランザクションノイズの削減、ガス代のロールアップ、ステーキング報酬のロールアップ、マイクロトランザクションのロールアップ、多数の小さな元帳エントリをより少ないサマリーエントリにまとめることについて尋ねた場合は常にこのスキルをトリガーします。"create a rollup rule"、"suggest rollup rules"、"what should I roll up"、"show my rollup rules"、"delete a rollup rule"、"aggregate transactions"、"too many transactions"、"reduce transaction count"、"roll up fees"、"daily rollup"、"monthly rollup" でもトリガーします。ウォレットのトランザクションが多すぎる場合、高頻度のアクティビティ、または雑然とした元帳エントリがある場合は、ロールアップルールを積極的に提案してください。すでに指定された単一のルールの正確な影響を計算する場合や、送信済み／保留中のルールをレビューする場合は、代わりに tres-rollup-review スキルを使用してください。
semantius コマンドライン経由で Semantius プラットフォームに関わるあらゆることには、このスキルを使用する。us1-9d4f2a7b ユーザーが次を望むときにトリガーする：エンティティ、フィールド、モジュール、権限、ロール、ユーザー、業務レコードの作成・読み取り・更新・削除；エンティティのサブタイプや拡張（アクティビティの種類としてのメールや通話、ビジネスパートナーとしての顧客やサプライヤー）やラベル付きの列挙値を含むセマンティックデータモデルの構築またはクエリ；RBAC の設定；Semantius テーブルへのデータの挿入またはインポート；Semantius データ全体に対する分析クエリの実行；レコード、リスト、モジュールへの Web UI リンク（ディープリンク）の取得；または Semantius メールサービス（`crud sendEmail`）経由でのトランザクションメールの送信。semantius コマンドを連鎖させるシェルスクリプトや Bun スクリプトを書くときにもトリガーする。
X(Twitter) の投稿コメント分析ツール。ツイートのリンクまたはツイート ID を入力すると、一次コメントのデータを取得でき、カーソルによるページングに対応し、4 次元の感情分析（ポジティブ/ネガティブ/ニーズ/競合）を行う。ユーザーが X(Twitter) のツイートコメントを確認したり、ツイートの世論を分析したり、ユーザーのフィードバックを把握したりするときに使用。トリガーワード：X コメント、Twitter コメント、ツイートコメント、X 投稿コメント分析、コメント検索、コメント分析、コメント世論、コメントを見る、twitter コメント、X ツイート。
数式、書式設定、データ分析、可視化をサポートする包括的なスプレッドシートの作成、編集、分析。スプレッドシート（.xlsx、.xlsm、.csv、.tsv）を扱う際に使用する：数式と書式を備えた新しいスプレッドシートの作成、データの読み取りや分析、数式を保持したまま既存のスプレッドシートを変更、データ分析と可視化、数式の再計算。数式、書式、複数シートのブック構造が不要な単純な CSV/TSV 操作には使用しない — プレーンテキストのツールの方が高速。BigQuery やウェアハウス規模の SQL 分析には使用しない。
Zyte MCP ツールでは対応できない Zyte アカウント関連の作業：認証情報（設定、ログイン、API キーの取得、ブロックされたサイトへの対応）、Scrapy Cloud へのプロジェクトのデプロイまたはプッシュ、ジョブの全アイテム、ログ、リクエストのファイルへの保存（Zyte MCP の結果は省略されます）、Zyte API プランの料金（プラン、階層、割引、契約、無料クレジット）、docs.zyte.com に基づく Zyte 製品またはアカウント／請求に関する使い方やドキュメントの質問。Scrapy Cloud のジョブ、記録された使用量、ウェブサイトごとの料金は Zyte MCP ツールで対応します。これらのツールがない場合に限り、Zyte MCP の接続方法をユーザーに案内するため、このスキルを使用してください。ローカルでのスパイダーの作成／デバッグには使用しないでください（scrapy-extra）。
ユーザーが、阿里云 Elasticsearch またはセルフマネージド Elasticsearch にログを書き込むログ収集設定ファイル（OpenTelemetry Collector または Elastic Beats / Filebeat）を生成する必要がある場合に使用。ファイルログ、ログ API 取り込み（OTLP / HTTP webhook）、Kafka ログトピックを扱う。write a filebeat.yml、generate an otelcol config、send logs to ES、collect nginx or Java application logs to Elasticsearch、sync Kafka logs to ES といった自然なリクエストにも一致する。常に Elasticsearch を対象とする設定ファイルを 1 つ出力し、技術スタックを混在させたり、ES 以外の出力を出したりしない。
実世界のエンティティとそのつながりに関する、検証済みで出典付きの事実 — 企業、人物、投資家、資金調達ラウンド、M&A、法律、規制、制裁、国と場所、業界、製品、財務指標、マクロ指標、為替レート。すべての値に出典と日付が付く。タスクが次のことを必要とする場合に使用する：条件によるエンティティの絞り込みや発見、関係のたどり（創業者、経営幹部、所有権チェーン、投資家、司法管轄区、制裁）、法律や制裁の照会、マクロ/市場/財務数値の最新の出典付き値または履歴の取得、あるいは訓練時の記憶が古くなっている最近の事実の取得 — 調査（デューデリジェンス、競合マッピング）や構造化出力（表、リスト）向け。Web ページではなく型付き JSON を返す。検証済みのエンティティ事実については Web 検索やスクレイピングより優先する。意見、リアルタイムの値（今この瞬間の価格、天気、スコア）、すでにコンテキストにある事実には使用しない。
Catsu を使い、11 のプロバイダー（OpenAI、VoyageAI、Cohere、Jina、Mistral、Gemini、Together AI、Mixedbread、Nomic、DeepInfra、Cloudflare）にわたる統合された高性能な埋め込み API 呼び出しを、単一の一貫したインターフェースで行う。モデルの選択と検出、指数バックオフによる自動リトライ、コストとトークンの追跡、Matryoshka 次元削減、入力タイプのヒント（query と document）、async/await のサポート、リクエストごとの API キー上書きを扱う。使用場面：埋め込みの生成、埋め込みプロバイダーの比較、検索または RAG システムの構築、埋め込みの Python または Rust アプリへの統合。
Cloudflare Vectorize V2（2024 年 9 月 GA）でセマンティック検索を構築する。V2 の破壊的変更を扱う：非同期ミューテーション、1 インデックスあたり 500 万ベクトル（従来 20 万）、31ms のレイテンシ（従来 549ms）、returnMetadata 列挙型、V1 の非推奨化（2024 年 12 月）。使用タイミング：V1 から V2 への移行、mutationId を用いた非同期ミューテーションの処理、挿入前のメタデータインデックスの作成、または "returnMetadata must be 'all'"、V2 のタイミング問題、メタデータインデックスのエラー、次元の不一致のトラブルシューティング。
ColdIQ マーケットプレイスを通じて、LinkedIn URL、検証済みの仕事用/個人用メール、電話番号で連絡先をエンリッチします。プロバイダーを安価な順に重ねて処理します。リストのメールを探すとき、メールウォーターフォールを構築するとき、到達可能性を検証するとき、電話番号を探すとき、ドメインから企業の LinkedIn URL を解決するとき、キャンペーン前に連絡先をエンリッチするときに使用します。トリガー：「enrich contacts」「find emails」「email waterfall」「verify emails」「bounce check」「find phone numbers」「company LinkedIn URL」「enrich before campaign」「deliverability」。リストを構築するための開拓/検索（coldiq-search-enrich / apollo-search を参照）やリストの重複排除（list-dedup を参照）には使用しないでください。
Python での並列コンピューティング向けの柔軟なライブラリ。NumPy、pandas、scikit-learn などの Python ライブラリをマルチコアシステムや分散クラスタへスケールさせる。遅延評価とタスクスケジューリングを備え、RAM 容量を超えるデータを扱える。アウトオブコアコンピューティング、並列処理、分散コンピューティング、大規模データ分析、dask.array、dask.dataframe、dask.delayed、dask.bag、タスクスケジューリング、遅延評価、メモリ制限を超えるスケーリングに使用。
LandingAI ADE を使用してエンドツーエンドのドキュメント処理ワークフローとパイプラインを構築するためのスキルです。ユーザーが次のことを必要とする場合にトリガーします：(1) ドキュメントのバッチを並列または非同期で処理する、(2) 混在するドキュメントタイプ向けに分類してから抽出するパイプラインを構築する、(3) チャンク化とベクトル DB への取り込みを含め、RAG システム用に解析済みドキュメントを準備する、(4) 抽出結果を Snowflake などのデータベースに読み込む、または CSV/DataFrames にエクスポートする、(5) 抽出結果を可視化する：ページにバウンディングボックスのオーバーレイを描画する、チャンク画像を切り出す、ドキュメント内で見つかった特定の単語やフレーズをハイライト／注釈する、(6) ドキュメント処理用の Streamlit または Web UI を構築する、(7) 単語レベルのグラウンディングを使ってドキュメントのセクション内の特定の用語を見つけてハイライトする（例: Introduction 内の "L2S" をハイライト、PII を秘匿化、抽出した値を元のページに注釈する）。このスキルは ADE SDK の基本を扱う document-extraction スキルを補完します。ドキュメント画像をプロンプトに追加して LLM に関連情報を見つけさせるよりも、より高精度かつ低コストで parse/extract/split 操作を実行するコードを書くには document-extraction を使用してください。これらの操作をパイプラインに組み合わせる場合、または解析済みドキュメントに対して可視化、注釈、単語レベルのグラウンディングが必要な場合は document-workflows を使用してください。
調査仮説とリストのエンリッチメントをつなぐエンリッチメント列を設計する。2 つのモード：セグメンテーション（企業ごとに仮説への適合度をスコアリングする列）とパーソナライゼーション（企業固有のフック用の列）。ユーザーと対話しながら列を設計する。list-enrichment でそのまま実行できる column_configs を出力する。トリガー："data points"、"enrichment columns"、"column design"、"what to research"、"data point builder"、"build columns"、"segmentation columns"、"personalization columns"。
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。