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
ユーザーが生物学、化学、物理学、天文学、気候、ゲノミクス、材料、医学、生態学、エネルギー、工学、数学、創薬、タンパク質設計、気象モデリング、定理証明、単一細胞、PDE 求解などの科学領域で AI/ML の作業を行うときに使用する。Hugging Science は科学データセット、モデル、ブログ記事、インタラクティブな Space の厳選カタログである。このスキルは `datasets`、`transformers`、HF Inference API、`gradio_client`、および方法論の引用を通じてリソースの発見と利用を支援する。
ユーザーが生物学、化学、物理学、天文学、気候、ゲノミクス、材料、医学、生態学、エネルギー、工学、数学、創薬、タンパク質設計、気象モデリング、定理証明、単一細胞、PDE 求解などの科学領域で AI/ML の作業を行うときに使用する。Hugging Science は科学データセット、モデル、ブログ記事、インタラクティブな Space の厳選カタログである。このスキルは `datasets`、`transformers`、HF Inference API、`gradio_client`、および方法論の引用を通じてリソースの発見と利用を支援する。
データのクエリ、追跡、再現を可能にし、FAIR 原則に準拠させる生物学向けオープンソースデータフレームワーク、LaminDB を扱う際に使用します。生物学データセット（scRNA-seq、空間データ、フローサイトメトリーなど）の管理、計算ワークフローの追跡、生物学オントロジーによるデータのキュレーションと検証、データレイクハウスの構築、生物学研究におけるデータ系譜と再現性の確保に適しています。データ管理、アノテーション、オントロジー（遺伝子、細胞種、疾患、組織）、スキーマ検証、ワークフローマネージャー（Nextflow、Snakemake）および MLOps プラットフォーム（W&B、MLflow）との連携、デプロイ戦略を扱います
MATLAB Coder または GPU Coder を使用して AI モデル（PyTorch、LiteRT）から C/C++ または CUDA コードを生成する。コード生成を最終目標として AI モデルをアプリに統合したい場合 — MEX、CUDA MEX、静的ライブラリ、動的ライブラリ、実行可能ファイルの生成 —、または Simulink でモデルをシミュレーションとコード生成に使用する場合に使用する。loadPyTorchExportedProgram による PyTorch ExportedProgram（.pt2）と、loadLiteRTModel（R2026a+）による LiteRT（.tflite）を扱う。キーワード：PyTorch、torch、.pt2、ExportedProgram、loadPyTorchExportedProgram、invoke、codegen、MEX、CUDA、GPU、C、C++、deploy、AI model、deep learning model、LiteRT、TFLite、TensorFlow Lite、Simulink、slbuild、PyTorch ExportedProgram ブロック、MATLAB Function ブロック、dlosslib、loadLiteRTModel。
Curve Fitter アプリで曲線や曲面を対話的にフィッティングし、完全なノーコードのフィッティングワークフローを実現する。Curve Fitter アプリ、cftool、curveFitter、または「カーブフィッティングツール/アプリ」が何らかの形で言及された場合に本スキルを呼び出す。フィットタイプ（回帰、補間、平滑化、スプライン、カスタム方程式）の探索や比較、外れ値の対話的な除外、フィッティングワークフローの反復、フィットタイプ選択の支援、および図へのエクスポート、MATLAB コードの生成、ワークスペースへのフィット、Simulink Lookup Tables へのエクスポートにも使用する。
MATLAB R2026a と GNU Octave の数値計算コードを設計、レビュー、移行します。arguments ブロック付き関数、配列とインデックス、テーブルとタイムテーブル、matlab.unittest テスト、MATLAB Projects、exportgraphics の図、MAT ファイルの一覧、MATLAB と Python の相互運用を扱います。.m ファイルをスキャンし、argv コマンドを計画し、成果物のハッシュを計算する静的ヘルパースクリプトを含み、コードは実行しません。.m コードの作成やレビュー、MATLAB リリース間または Octave へのコード移行、再現可能なテストやプロジェクトの設定、信頼できない MAT または .mlx ファイルの安全な検査、Python Engine の互換性確認に使用します。NumPy や SciPy を用いた純粋な Python 数値計算には使用しないでください。
MATLAB で医用画像データ（DICOM、NIfTI、NRRD）を読み取り、書き込み、操作する。Image Processing Toolbox の関数（dicomreadVolume、niftiread、dicomContours、dicomanon）と Medical Imaging Toolbox の拡張 API（medicalVolume、medicalImage、medicalref3d、extractSlice、updateOrientation）を扱う。医用ファイルの読み取り、DICOM シリーズの一覧表示、空間参照の抽出、向きの変更、RT 構造の操作、DICOM データの匿名化に使用。一部の機能には Medical Imaging Toolbox が必要——詳細はスキル本文とリファレンスを参照。
表層スタッツ（wOBA、ERA、打率）が下層の Statcast 品質（xwOBA、FIP、xBA）から乖離しているファンタジーベースボールの選手を特定する — `regression_index` を -100（非常に幸運、売り時）から +100（非常に不運、買い時）で出力する。トレードやウェイバーにおける買い時/売り時の判断の主要シグナル。ユーザーが "buy low"、"sell high"、"regression candidate"、"lucky"、"unlucky"、"xwOBA gap"、"ERA-FIP gap"、"BABIP"、"due for regression" に言及したとき、または選手の過剰・過小パフォーマンスに基づいてトレードで獲得/放出するか判断しているときに使用する。
Python または R を使って、Nature 系およびその他の高インパクトジャーナル向けの投稿級の原稿図を作成、修正、監査、仕上げする。マルチパネルの科学プロット、matplotlib/seaborn、ggplot2/patchwork/ComplexHeatmap、ジャーナル対応の SVG/PDF/TIFF 書き出しを扱う。OpenRouter GPT Image 2 によるグラフィカルアブストラクトや、ユーザーが AI 生成を明示的に求めた場合の概念図・メカニズム図にも使用する。実行前に図の結論、エビデンスの論理、書き出しを確定し、選択または保存されたプロットバックエンドに従う。トリガー：paper figures、scientific/academic plotting、manuscript data visualization、論文配図、学術写作配図、科研绘图、科研作图、画图、作图、出図、論文図表、可視化、論文示意図、メカニズム示意図、図形摘要。ダッシュボードや Illustrator/Figma 主体のインフォグラフィックには使用しない。
NCATS Translator ARAX 本番 API をクエリし、範囲が限定され、型付きで、来歴に富む 1 ホップおよびエンドポイント固定の 2 ホップの生物医学知識グラフ関係を取得する。Biolink 制約下の RTX-KG2 検索、明示的に選択したプロバイダによる ARAX フェデレーション、独立したエンティティ正規化、クualiファイ Questionnaire を考慮したグラフ探索、TRAPI エッジバインディング、文献、知識ソースの来歴の inspections に使う。推論、ランキング、オープンエンドな経路探索、臨床ガイダンス、センシティブなクエリには使わない
ユーザーが「query OpenObserve」「create OpenObserve dashboard」「edit OpenObserve panel」「fetch OpenObserve logs」「run OpenObserve search」「list OpenObserve streams」「ingest into OpenObserve」を求めた場合や、REST API 経由で OpenObserve Cloud / セルフホスト版を扱う場合に使用するスキル。認証、search/SQL、streams、ダッシュボード（CRUD とパネル単位の操作）、v8 パネルの JSON schema、既知の落とし穴（再集計、ハッシュの並行性、マイクロ秒のタイムスタンプ）を扱う。
厳格な正確性の制約下で成果物を反復的に改善しつつ、測定されたコストを最小化したいときに使用 —— テストスイートをグリーンに保ちながらコードモジュールをリファクタリングして複雑さを削減する、または同じ行を返しながら SQL クエリを高速化する。各反復では 1 つの焦点を絞った変更を適用し、必ず通過すべき正確性ゲートを確認し、必ず低下すべき指標を測定し、両方が成立する場合にのみ変更を保持し、そうでなければ元に戻す。プラトーまたは予算までループする。機能追加、バグ修正、または動作や結果を変えることが許される変更には適さない。
Entity Framework Core（EF Core）を使用するアプリケーションのデータアクセスをレビューし、最適化します。サービス、リポジトリ、インポート、バックグラウンドジョブの EF Core のパフォーマンスと正確性のレビューに使用します。対象は、低速またはメモリ消費の大きいクエリ、過剰な往復、見えにくい SaveChanges、早すぎる実体化、動的なクエリ構築、結果グラフの追跡、一括書き込み、DbContext のライフタイムや重複操作、検索の意味、ページング、生 SQL、モデル／インデックスの網羅性です。スキーマを EF Core が管理しているかどうかにかかわらず使用できます。EF Core 用であり、Dapper や生の ADO.NET 用ではありません。
PyMC v5+ によるベイズ統計モデリング。確率モデルの構築、事前分布の指定、MCMC 推論の実行、収束の診断、モデル比較に使用する。PyMC、ArviZ、pymc-bart、pymc-extras、nutpie、JAX/NumPyro バックエンドを扱う。ベイズ推論、事後サンプリング、階層/マルチレベルモデル、GLM、時系列、ガウス過程、BART、混合モデル、事前/事後予測チェック、MCMC 診断、LOO-CV、WAIC、モデル比較、do/observe による因果推論を含むタスクで発動する。
LLM ガードレールの学習データを生成するため、範囲を限定したレッドチーミング自動リサーチループを実行する。あなた (このスキルを実行するエージェント) が攻撃者であり審判である：攻撃を立案し、すべての応答にラベルを付ける。ハーネスが呼び出す唯一のモデルはテスト対象であり、任意の OpenAI 互換 API (OpenRouter、Moonshot/Kimi、Fireworks、Ubicloud、OpenAI、またはカスタム) を介し、そのキーは `.red-team/.env` にある。すべての試行 (成功・失敗) は JSONL に書き出され、Llama Guard 形式でガードレールをファインチューニングする準備が整う。有害コンテンツ、ジェイルブレイク、プロンプトインジェクション、バックドア/トリガー動作について LLM をレッドチームまたはストレステストするよう求められた場合、安全/不安全データセットを構築する場合、または新規攻撃を大規模に採掘する場合に使用する。hacker スキル (コード/インフラの悪用可能性) を補完する：本スキルはモデル動作を対象とし、データを生成する。
[Deprecated] @cloudbase/js-sdk 経由で CloudBase Relational Database に接続するフロントエンド Web アプリの構築時に使用します。標準的な初期化パターンを提供し、その後ブラウザーから Supabase 形式のクエリを使用できます。新しい環境では PostgreSQL と app.rdb() を使用し、代わりに postgresql-development スキルを参照してください。
Vanguard と Fidelity の CSV エクスポートから退職口座の保有資産を解析してレポートします。設計上 CSV のみに対応——Vanguard の IRA と Fidelity の 401k は SnapTrade に接続されていないため、現時点でライブ/DB の経路はなく、永続化先もありません。sync retirement、update retirement、vanguard sync、401k update、IRA sync、または imports/retirement/ ファイルの処理でトリガーします。
scikit-survival（sksurv）を使った右打ち切り生存分析のワークフローを構築、評価、監査します。Cox PH、Coxnet、IPC ridge、生存木、ランダムフォレスト、ブースティング、SVM、および競合リスクのノンパラメトリック累積発生率を扱います。データリークを防ぐ scikit-learn パイプライン、ネスト化 CV、打ち切りを考慮した指標も対象です。イベント発生までの時間データへの生存モデルの適合、構造化アウトカム配列の作成、IPCW concordance、dynamic AUC、Brier スコアの計算、原因別累積発生率の推定、またはデータリークのないモデル調整に使用します。scikit-survival は Fine-Gray 回帰を提供していないため、その用途には使えません。
Shopify カタログ全体の商品データの問題を見つけたいときに使用："audit my catalog"、"find PDP problems"、"which products have missing photos / thin or missing descriptions / pricing anomalies"、"$0 or compare-at-inverted prices"、"products missing type or vendor"、"catalog quality sweep"、"product data health check"、"which listings are broken"、"run a catalog audit before a big sale"。読み取り専用：問題を特定して順位付けするだけで、何も変更しない。見つけた問題の修正には使用しない（不要データの削除/アーカイブは shopify-catalog-cleanup、SEO meta の欠落は shopify-seo-metadata、画像 alt テキストの欠落は shopify-alt-text を使用）。
SQLAlchemy Python ORM。モデル、セッション、クエリを扱う。Python のデータベースアプリケーション向け。使用する場面：ユーザーが "sqlalchemy"、"declarative_base"、"DeclarativeBase"、"Session"、"Query"、"relationship()"、"alembic" に言及したり、"python orm"、"sqlalchemy models"、"sqlalchemy async"、"sqlalchemy relationships"、"python database" について尋ねた場合。使用しない場合：Node.js/TypeScript の ORM — `prisma`、`drizzle`、`typeorm` の Skill を使用、Django ORM — Django 固有のリソースを使用、生の SQL — `database-query` MCP を使用、NoSQL — `mongodb` Skill を使用、その他の Python ORM（Peewee、Pony）— 非対応。
sqlx Rust ライブラリでソリューションを構築するための包括的なガイド。以下の場合にこのスキルを使用する：Rust でコンパイル時チェック付きの SQL クエリを書く；非同期 Rust で PostgreSQL、MySQL、SQLite データベースに接続する；sqlx でコネクションプールを設定する；データベースマイグレーションを実行する；クエリマクロ（query!、query_as!、query_scalar!）を使う；FromRow で SQL の行を Rust 構造体にマッピングする；Rust でトランザクションを処理する；#[sqlx::test] でデータベーステストを行う；SQL の JSON カラムを扱う；PgListener で PostgreSQL の LISTEN/NOTIFY を使う；sqlx のエラーを適切に処理する；Cargo.toml で sqlx の feature flags を構成する；cargo sqlx prepare でオフラインモードを設定する；QueryBuilder で動的クエリを使う；または sqlx でリポジトリパターンを実装する。ユーザーが sqlx、Rust database、Rust PostgreSQL、Rust MySQL、Rust SQLite、Rust SQL toolkit、compile-time query checking、async database Rust、database migrations Rust、sqlx pool、sqlx macros、または Rust でのあらゆる SQL データベース操作に言及した場合は、必ずこのスキルを使用する。
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。