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
データ可視化のための Syncfusion .NET MAUI デカルトチャート（SfCartesianChart）を実装する。折れ線、面、縦棒、横棒、ファイナンシャル、統計、積み上げなど 20 種類以上のチャートタイプに対応する。デカルトチャート、折れ線グラフ、面グラフ、またはファイナンシャルチャート（candle、OHLC）を実装する際に使用する。チャートの軸、凡例、ツールチップ、トラックボール、ズームとパン、チャート注釈を扱う。
ユーザーが Syncfusion MAUI Spark Charts を実装する必要がある場合は常にこのスキルを使用する。spark chart、スパークライン、マイクロチャート、トレンドの可視化、狭いスペースでのデータ可視化、チャートタイプ（折れ線、面、縦棒、勝敗）、マーカー、範囲バンド、軸の構成、データポイントのスタイルでトリガーする。チャートのカスタマイズ、パフォーマンス最適化、マーカー構成、データバインディングパターン、アクセシビリティ要件にも直ちに使用する。
使用量の計測、請求、エンタイトルメントのために OpenMeter REST API を扱います。CloudEvents の取り込み、meters、features、plans、customers、subscriptions、entitlements、notifications、billing profiles、invoices、apps、addons、grants、Stripe marketplace をカバーします。OpenMeter の統合、計測のデバッグ、カタログ同期スクリプトの構築を行うとき、またはユーザーが OpenMeter API に言及したときに使用します。
このスキルは Edward Tufte の『The Visual Display of Quantitative Information』のデータ可視化原則を適用して、インパクトの高いスライドを作成する。プレゼンテーションの設計、チャート/グラフの作成、スライドの明瞭さのレビュー、データの可視化に変換するときに使用。「make a slide」「create presentation」「design chart」「visualize data」「review my slides」「make this more impactful」といったフレーズでトリガー。
`uip insights`によるUiPath Insightsの履歴モニタリング：ジョブ指標、障害分析、プロセス性能、キュー合計、SLAリスク、タイムライン、障害の詳細分析、マシンの可用性、障害ランキング、実行時間、フィルター範囲の検出、アラート定義・履歴・配信・権限の参照、Insightsのユーザー・ロール・グループの参照、Maestroプロセスダッシュボードの読み書き、エクスポート先の確認、Lookerダッシュボード一覧と埋め込みURLに対応します。ライブのOrchestratorレコードやジョブの開始／停止／ログには→uipath-platform、根本原因分析には→uipath-troubleshoot、ワークフロー作成には→uipath-rpa、組織IDには→uipath-admin。
pint と uncertainties を使って物理単位を追跡し、科学計算における測定不確かさを伝播させます。単位変換と次元チェック、GUM 不確かさ予算、Type A および Type B 評価、包含係数と拡張不確かさ、モンテカルロ伝播、有効数字とプラスマイナス表記、曲線フィッティングにおける誤差伝播、CODATA 定数、単位が削除されたり不確かさ伝播が壊れたりした Python コードの監査に使用します。また、無次元数（Reynolds、Peclet、Damkohler、Knudsen、Biot、Womersley）、拡散時間や Debye 長などの特性スケール、観測された大きさの範囲を用いて、桁違いの妥当性を確認します。「この値は物理的に妥当か」「この単位を確認して」「この流れはどの領域か」と尋ねられた場合や、結果が桁違いに見える場合に使用します。
公式ドキュメント（references/llms-txt.md）に基づき、LoRA と QLoRA を使ってより高速かつ低メモリでトレーニングするライブラリ Unsloth による大規模言語モデルのファインチューニングを案内します。Unsloth で LLM の LoRA または QLoRA ファインチューニングを設定する場合、トレーニング中の GPU メモリ使用量を削減する場合、Unsloth の機能や API を調べる場合、トレーニングコードをデバッグする場合、またはベストプラクティスを学ぶ場合に使用します。Unsloth を使わず、通常の Hugging Face Transformers または PEFT で行う一般的なモデルのトレーニングには対応しません。
Walrus blob のライフサイクル管理：epoch、ライフタイム、blob の延長、blob の削除、blob オブジェクトの burn、blob の共有、blob 属性の設定、大容量アップロードの処理。ユーザーが blob のライフタイムを延長したい、blob を削除または burn したい、共有 blob を作成したい、blob 属性を設定/取得/削除したい、大容量データのアップロード（>1 GiB）を計画したい、ストレージコストを見積もりたい、同時アップロードのメモリを管理したい、epoch ベースの有効期限を理解したい場合に使用する。基本的な保存/読み取りは `walrus-cli` を参照。quilt は `walrus-quilts` を参照。
このスキルは、BrowserAct Web Search Scraper API を通じて任意のウェブサイトから完全な Markdown コンテンツを自動抽出するのを支援する。ユーザーが次のようなニーズを表明した場合、Agent はこのスキルを積極的に適用すべきである：特定のウェブサイトから完全な markdown を抽出する、記事リンクの内容をスクレイプする、対象 url のテキストを取得する、ウェブページを markdown 形式に変換する、ブログ記事の本文を取得する、指定されたウェブページからデータを抽出する、ウェブサイトの html を markdown に解析する、ニュース記事の可読テキストをダウンロードする、チュートリアルページの内容を取得する、任意の http または https url からすべての markdown テキストを抽出する、ウェブリンクからドキュメントをスクレイプする、単一のウェブページのテキストを取得する。
1 つのスキルに 2 つのサービス：(1) Chainbase CLI による Web3 オンチェーンデータ — ユーザーがブロックチェーンデータ、トークン保有者、ウォレットアドレス、トークン価格、ENS ドメイン、トランザクション、DeFi ポートフォリオ、その他のオンチェーン分析について尋ねた場合に使用。トリガー：「top holders of」「who holds」「wallet address」「token price」「token transfers」「ENS domain」「on-chain data」「blockchain query」「SQL query on-chain」。Ethereum、BSC、Polygon、Arbitrum、Optimism、Base、Avalanche、zkSync などの EVM チェーンに対応。(2) Tops（chainbase tops）による暗号資産ソーシャルインテリジェンス — ユーザーがトレンドの暗号資産ナラティブ、ソーシャルでの言及、Twitter/X の暗号資産に関する議論、ナラティブの発見、トピックの盛り上がり、KOL/コミュニティのシグナルについて尋ねた場合に使用。トリガー：「trending topics」「crypto narrative」「what's trending in crypto」「social mentions」「who is talking about」「crypto twitter」「KOL signals」「narrative search」「topic posts」。
Weights & Biases（W&B、wandb）で機械学習の実験を記録、追跡します。メトリクス、ハイパーパラメーター、チェックポイント、スイープ、系譜情報付きアーティファクト、モデルレジストリ、カスタムチャート、共有可能なレポートを扱います。PyTorch、HuggingFace Transformers、PyTorch Lightning、Keras/TensorFlow との連携も含みます。トレーニング実行を記録して構成間で比較する場合、自動ハイパーパラメーター探索を実行する場合、データセットやモデルをアーティファクトとしてバージョン管理する場合、モデルのバージョンを登録する場合、またはチームのワークスペースで結果を共有する場合に使用します。オフラインまたは接続が不安定な環境でのトレーニングに wandb.init を設定する場合にも使用します。ML の実行以外での一般的なデータのバージョン管理には対応しません。
Adapty Attribution における広告キャンペーン、チャネル、広告セット、広告、国、キーワードの実績についての質問に使用します。ROAS、回収期間、CPI、トライアル単価、インストール数、トライアルから有料への転換、返金、予測収益の確認のほか、拡大・停止するチャネルやキャンペーン、予算の移動先、インストール数減少の理由、Meta、TikTok、Google の数値が Adapty と異なる理由、Meta、TikTok、Google Ads、カスタムトラッキングリンク、ウェブファネルを使った Adapty Attribution の設定方法に対応します。
AI GO カスタムアプリ（ai-go.app）の開発時に使用：フロントエンド（React + TypeScript）または Server-Side Action（Python）の開発、デプロイと検証、新規 App のゼロからの計画（要件の洗い出し、Custom App／Hosted App 製品ラインの判断）、ユーザー認可アーキテクチャの計画（ロール、app ロールの許可リスト、社内外の担当者の一括招待）、データアーキテクチャの計画（データセンターでの自建テーブル / Data Reference）、Webhook の接続や App スケジュールの設定、既存システムやプロジェクト一式（フロントエンド＋バックエンド＋DB；Supabase / Google Sheet / MySQL など）の AI GO への移行／取り込み。
ユーザーが "market research"、"market analysis"、"PESTEL analysis"、"competitive landscape"、"trend report"、"industry analysis"、"market sizing"、"data interpretation"、"competitive analysis"、"act as a market researcher"、"market research mode"、"market trends"、"SWOT analysis"、"market opportunity" について尋ねた場合、または市場を分析し、データを解釈し、戦略的な市場インテリジェンスレポートを作成する専門知識が必要な場合に、このスキルを使用します。AlterLab FC Skills コレクション（PR・広告部門）の一部です。
ユーザーが "infographic"、"data visualization"、"information design"、"data viz"、"chart design"、"visual storytelling with data"、"information graphics"、"statistical graphics"、"diagram design"、"act as an infographic designer"、"infographic mode"、"data-ink ratio"、"chart selection"、"dashboard design"、"visual data"、"Tufte"、"ISOTYPE"、"icon array"、"pie chart"、"bar chart"、"flow diagram"、"process visualization"、"data story" について尋ねた場合、または情報デザインを通じて複雑なデータを明確で説得力のある視覚的ナラティブに変換する専門知識が必要な場合に、このスキルを使用します。AlterLab FC Skills コレクション（VCD 部門）の一部です。
互換性のある KOLSprite MCP ツールを使い、1 つ以上の Amazon ASIN について、現在の TikTok 外部での注目度、直近の月次動向、商業シグナルを分析します。Amazon の出品者が ASIN または Listings を提示し、TikTok シグナルの有無、直近 30 日とその前の 30 日の比較、または TikTok での機会がより大きい ASIN を尋ねた場合に使用します。一般的な TikTok 調査、Amazon 売上の正確な帰属分析、将来売上の予測には使用しないでください。
ICH Q2(R2)/Q14、ICH M10、USP 1220/1225/1226、CLSI EP、ISO/IEC 17025 に基づき、Python スクリプト（plan_validation、check_response、check_accuracy_precision、check_detection_limits、check_bioanalytical_run、compare_methods）を使って分析法のバリデーション、ベリフィケーション、移管を計画、評価します。プロトコル、直線性、真度と精度、DL/QL、M10 実施チェック、TOST 同等性、Deming および Passing-Bablok を扱います。事前に受入基準を定めたバリデーションプロトコルの設計、直線性・精度・検出限界データの評価、ICH M10 の生物分析実施または ISR の確認、ラボ間での分析法の比較や移管に使用します。分析法がバリデート済みかどうかは判定しません。USP、CLSI、ISO の規格本文は含まれません。
HuggingFace Transformers と LAVIS を通じて Salesforce BLIP-2（Q-Former が凍結された画像エンコーダーと OPT や FlanT5 などの LLM を接続）を使い、画像キャプション生成、視覚的質問応答、画像とテキストの照合、特徴抽出を行う方法を解説します。画像キャプションの生成、VQA システムの構築、タスク固有のトレーニングなしでのゼロショット画像・テキスト理解、テキストによる画像の照合や検索、または INT8/INT4 量子化による限られた GPU メモリへの BLIP-2 モデルの適合に使用します。指示に従うマルチモーダルチャットには LLaVA または InstructBLIP を、単純な画像・テキスト類似度には CLIP を優先してください。
CZ CELLxGENE Census をプログラムから照会し、バージョン管理された公開単一細胞・空間トランスクリプトームデータを取得します。集団規模の細胞メタデータ、遺伝子発現スライス、Census の集計数、ソース H5AD の URI/ダウンロード、埋め込み、空間 Census データ、または生物種、組織、疾患、アッセイ、細胞型をまたいだ参照アトラス比較が必要な場合に使用します。独自のローカル単一細胞データの解析には scanpy、anndata、または scvi-tools を使用してください。
ユーザーが結果の草稿やデータに裏付けられた主張のセットを持ち、公開前にそれぞれを基盤データセットに対して敵対的に検証したいときに使用 — 調査結果の公開前レッドチーム。草稿から個別に検証可能な主張を抽出し、各主張の数値をデータに対して再現し、それを覆す可能性が最も高い脅威（外れ値、交絡因子、シンプソンの逆転、極小のサブグループ、代替の仕様）に対してストレステストし、検証済み、脆弱、反証済みのいずれかに分類する。脆弱および反証済みの主張は修正され — 留保をつける、範囲を限定する、撤回する — すべての主張が検証されるか適切に限定されるまで続ける。結果は、生き残ったすべての主張が再現されストレステストを通過した草稿となる。データセット上の新たな発見の自由な探索（それはデータ分析タスク）には適さず、単一の既知の異常やパイプライン障害の診断にも適さない — これは既存の草稿に対するゲートである。
Confluent Cloud または Confluent Platform 向けに、優先項目（レイテンシ、スループット、可用性、耐久性）に応じた助言のみの Kafka チューニングを行います。計画中の topic の規模見積もりや、p99 レイテンシの低減、確認済み書き込みの損失防止など、定量的な目標に向けた既存のクラスター、topic、producer、consumer の調整を求められた場合に使用します。構成を読み取り専用で調査し、変更案、トレードオフ、検証方法を提案します。変更は管理者が適用します。次の場合は使用しないでください。WarpStream または Apache Kafka OSS のみのクラスター、Flink SQL または UDF の作成・調整・デバッグ（confluent-cloud-flink-sql または flink-udf を使用）、Kafka Connect の調整、新しい Java/Python クライアントの実装（developing-kafka-java-client または developing-kafka-python-client を使用）、Kafka Streams/KStream/KTable の開発（kafka-streams-programming を使用）、CDC、Tableflow、Iceberg パイプライン（confluent-cloud-cdc-tableflow を使用）。
外部ソース（Azure DevOps、内部 API、JSON ファイルなど）からエンティティを取り込むカタログバックエンドモジュールを構築するときに使用。通常の EntityProvider と、大容量ソース向けの IncrementalEntityProvider の両方をカバーし、catalogProcessingExtensionPoint または incrementalIngestionProvidersExtensionPoint によるモジュールの接続も含む。"catalog provider"、"ingest entities from X"、"import entities from <source>"、"incremental ingestion" などのフレーズでトリガーされる。
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。