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
Zarr-Python 3 を使い、チャンク化・圧縮された N 次元配列とグループを保存する方法を案内します。ローカル、メモリ内、ZIP、fsspec 対応の S3/GCS/HTTP ストアに加え、NumPy、Dask、Xarray との連携を扱います。配列の作成、サイズ変更と追加、属性、チャンクとシャードのサイズ設定、コーデック、統合メタデータ、v2 から v3 への移行を網羅します。Zarr 配列やグループの作成・読み込み、大規模データセットのチャンクサイズや圧縮方式の選択、S3 または GCS 上の配列の読み書き、時系列配列への追加、Zarr-Python 2 から 3 へのコード移行に使用します。Dask または Xarray で並列 I/O を設定する場合にも使用します。ラベル付き多次元データセットには Xarray を使用してください。
ユーザーが "data journalism"、"data visualization"、"data storytelling"、"FOIA request"、"RTI request"、"spreadsheet analysis"、"chart design"、"act as a data journalist"、"data journalist mode"、"infographic"、"open data"、"statistical analysis for journalism"、"investigative data"、"public records"、"Datawrapper"、"Flourish"、"Tableau Public"、"D3.js"、"chart type selection" について質問する場合、またはジャーナリズムのストーリーテリングのためにデータを見つけ、分析し、可視化する専門知識を必要とする場合に、このスキルを使用する。AlterLab FC Skills コレクション（ニューメディア・コミュニケーション部門）の一部。
ユーザーが「キャンペーンレポート」「パフォーマンスレポート」「KPI ダッシュボード」「キャンペーン評価」「Barcelona Principles」「キャンペーン後の分析」「指標レポート」「ROI 測定」「メディア評価」「レポートジェネレーターとして振る舞う」「レポートジェネレーターモード」「キャンペーン結果」「広告効果」「分析レポート」について尋ねる場合、またはキャンペーンのパフォーマンスレポート、評価フレームワーク、KPI ダッシュボードの構築に関する専門知識を必要とする場合に、このスキルを使用します。AlterLab FC Skills コレクション（広報・広告部門）の一部です。
投資アナリストや政策研究者向けのエンドツーエンドのリサーチワークフロースキル。トリガー時にユーザーが選ぶ 3 つのスコープモード — light（4〜5 ページの意思決定メモ、約 15 分、グラフ 0 点）、medium（12〜15 ページのトピックブリーフ、約 1 時間、グラフ 6〜10 点）、heavy（フラッグシップレポート 30〜40 ページ / 1.5 万語以上、約 2〜3 時間、グラフ 25〜35 点以上、多段階ワークフロー、マルチ LLM、PDF + Word + WeChat + HTML の派生版）。レポートは既定で英語；AI はユーザーのチャット言語で返信する。実際のマクロ/政策/株式レポートで実戦検証済み（例：Saudi Vision 2030 の詳細分析）。ユーザーが /analyst-research、/flagship-research と入力したとき、または "research report"、"topic analysis"、"investment research"、"做研报"、"投研报告"、"主题分析"、"深度分析"、"policy assessment"、"industry deep-dive" などのニーズを述べたときにトリガーする。対象外：純粋なニュース解説（topic-brief を使用）、スライドデッキ（deckster-slide-generator を使用）、単発の Q&A。
Azure Monitor と Log Analytics のセキュリティ面での利用に関するガイダンス — Microsoft Sentinel と Defender for Cloud にデータを供給する workspace 戦略の設計、analytics・basic・auxiliary のログ階層の選択、保持とアーカイブ、取り込み前にノイズを除外するテーブルレベルの変換、Data Collection Rules（DCR）と Azure Monitor Agent（AMA）、workspace のトポロジー（単一・リージョン・ソブリン）、コミットメント階層とコスト管理、workspace のカスタマー管理キー、テーブルレベル RBAC を含む RBAC、Sentinel との統合（workspace の要件）、レガシー MMA の廃止。WHEN：Log Analytics workspace の設計、Azure Monitor のセキュリティデータ、Sentinel workspace、ログ階層 basic auxiliary、AMA Azure Monitor Agent、DCR data collection rule、取り込み変換での列の削除、ログの保持とアーカイブ、workspace CMK、テーブルレベル RBAC、ログ取り込みのコスト管理。DO NOT USE：Sentinel の検出ルール作成（sentinel-detection-engineering を使用）、App Insights の計装（appinsights-instrumentation を使用）、セキュリティ以外の可観測性。
ByteHouse AI クエリ Skill。自然言語から SQL への変換（Text2SQL）、SQL 実行、テーブル構造の照会、マルチモーダルのベクトル化とベクトル検索などの機能を提供し、ByteHouse クラウドデータウェアハウスでの日常的なクエリ、SQL 生成と実行のシナリオをカバーする。ユーザーが "ByteHouse"、"テーブルを照会"、"データを照会"、"Text2SQL"、"自然言語クエリ"、"データベースを一覧表示"、"テーブルを一覧表示"、"SQL を実行"、"SQL を生成"、"マルチモーダル検索" などを挙げた場合、または ByteHouse 上でこれらのタスクを遂行する必要がある場合は、本 Skill を使用する。
Databricks ジョブ、Lakeflow パイプライン、Declarative Automation Bundles（DABs）向けのサーバーレスコンピューティングです。STANDARD または PERFORMANCE_OPTIMIZED を使用し、サーバーレスでワークロードを実行できない場合に限り classic を使います。ジョブやパイプラインの作成、デプロイ、スケジュール設定、編集、またはコンピューティングの選定に使用します。ジョブ仕様を記述する前に呼び出してください。既存の classic ワークロードの移行には databricks-serverless-migration を使用してください。
Deepline を使って、ビジネス分析、RevOps、GTM 指標、パイプライン、収益、ファネル、顧客、データウェアハウスに関する質問に回答する際に使用します。「Snowflake をクエリ」「パイプラインを分析」「ACV 合計」「四半期ごとに分解」「セマンティックレイヤーを使用」「セマンティッククエリを実行」などの表現や、snowflake_get_semantic_layer / snowflake_run_semantic_query の使用で起動します。見込み顧客の開拓、データ補完、連絡先検索、アウトバウンド、パーソナライズのワークフローには使用せず、deepline-gtm を使用してください。
Docling を使い、対応形式の文書（PDF（デジタル作成またはスキャン）、DOCX、PPTX、XLSX、HTML、Markdown、AsciiDoc、CSV、画像、音声、XML）を統一された DoclingDocument（Markdown または構造化 JSON）に変換して内容を把握します。直接読めない文書の読み取り、解析、変換、抽出、チャンク分割が必要な場合に使用します。「この PDF には何が書かれているか」「これを markdown に変換」「表を抽出」「RAG 用にチャンク分割」「スキャン文書を読む」「この DOCX/PPTX を解析」などに対応します。`docling` CLI、Python SDK（DocumentConverter + PipelineOptions）、リモート Service Client（セルフホストまたはマネージド docling-serve）、依存関係を最小限にする docling-slim のインストール extras を扱います。
Cloudflare D1 データベース向けの型安全な Drizzle ORM パターン: スキーマ定義、Drizzle Kit と drizzle.config.ts によるマイグレーション管理、リレーションとリレーショナルクエリ、結合、プリペアドステートメント、トランザクション的な処理のための D1 batch API、Workers/Wrangler 統合。D1 のトランザクションエラー（SQL BEGIN は非対応）、マイグレーション中の外部キー制約の失敗、Wrangler でのモジュールインポートエラー、D1 バインディングの欠落、マイグレーション適用の失敗、スキーマの TypeScript 推論エラー、プリペアドステートメントのキャッシュ、ロールバックパターン、TypeScript strict モードのエラー、リモートとローカルのデータベースの混同、wrangler.toml と wrangler.jsonc の混在など 12 個の既知の落とし穴を解説する。D1 スキーマを構築するとき、型安全なクエリを書くとき、Drizzle マイグレーションを実行・修復するとき、または D1_ERROR、BEGIN TRANSACTION、d1 binding、スキーマ推論エラーに遭遇したときに使用する。
Docker、Docker Compose、または Electric Cloud で Electric をデプロイする。DATABASE_URL（プーラーではなく直接接続）、ELECTRIC_SECRET（v1.x 以降は必須）、開発用の ELECTRIC_INSECURE、wal_level=logical、max_replication_slots、ELECTRIC_STORAGE_DIR の永続化、プールされたクエリ用の ELECTRIC_POOLED_DATABASE_URL、ELECTRIC_DATABASE_USE_IPV6 による IPv6、Kubernetes のレディネスプローブ（200 と 202）、レプリケーションスロットのクリーンアップ、Postgres v14+ の要件を扱う。Electric のデプロイや論理レプリケーション向けの Postgres 設定時に読み込む。
GrowthBook 実験の結果を取得し、キャッシュされたデータが 24 時間を超えている場合にのみスナップショットを更新して解釈します。ユーザーが "what are the results of X"、"analyze this experiment"、"is X winning"、"did the test work"、"show me the results"、"dig into the dimensions" と尋ねたときに使用します。読み取りのみで、実験を停止または変更しません。結果を確認した後に停止する場合は experiment-stop を使用してください。
チームの過去に停止した実験に基づき、GrowthBook REST API を通じて新しい実験アイデアを提案します。ユーザーが "what should we test next"、"give me experiment ideas"、"brainstorm A/B tests"、"what's worth testing"、"ideas for experiments" と尋ねたときに使用します。提案のみで、実験は作成しません。特定のテストを設計する場合は experiment-design を使用してください。結果を読む場合は experiment-analyze を使用してください。
自動フォーマット検出でデータセットを FiftyOne にインポートする。すべてのメディア タイプ（画像、動画、点群、MCAP マルチモーダル記録）、ラベル形式（COCO、YOLO、VOC、KITTI）、マルチモーダルなグループ化データセット、LeRobot v3 ロボット学習エピソード データセット、Hugging Face Hub データセットに対応。ローカル ファイルまたは Hugging Face からデータセットをインポートするとき、自動運転データを読み込むとき、ロボティクス/AV のセンサー ログ（MCAP、ROS bag）をインポートするとき、LeRobot のロボット学習エピソード（テレオペレーション記録、observation.state/action データ）をインポートするとき、またはグループ化データセットを作成するときに使用する。
GLM-V のネイティブなグラウンディング機能を使用して、座標変換やバウンディングボックスの可視化などを行うスキルです。GLM-V のネイティブグラウンディングは、画像内でプロンプトが指定する任意の対象を検出し、画像サイズに基づいて 0～1000 に正規化した相対座標を出力できます。座標形式には 2D バウンディングボックス（デフォルト）、2D ポイント、3D バウンディングボックスがあります。GLM-V は、動画内でプロンプトが指定する複数の対象の時空間的な位置特定と追跡にも対応し、毎秒 2D バウンディングボックスを出力します。
厳格な ICT/SMC フレームワークを用いて流動性の高い市場を分析します。複数時間足のバイアス、流動性スイープ、ディスプレースメント、終値で確認された MSS/BOS、FVG/OB/Breaker/OTE のリトレースメント、プレミアム・ディスカウントの位置、セッション時間、無効化条件、目標、リスク対リワードを組み合わせます。ICT チャートのレビュー、リアルタイム市場分析、OHLCV スキャン、ユーザーのトレード仮説の検証に使用します。監査可能なセットアップ状態と条件付きプランを返します。一般的なインジケーター分析、注文執行、機関投資家の意図が実証済みだとする主張には使用しません。
Apify を通じて実データから Instagram のニッチ分野とプロフィールを確認します。ログインは不要です。ハッシュタグをスキャンして、現在拡散している投稿（いいね数、コメント数、投稿者）を確認し、効果的な形式やフックを把握します。自分または競合の任意のアカウントについて、フォロワー数、投稿数、プロフィール文、カテゴリなどの統計を取得します。Instagram では他のアカウントへの「いいね」やコメントをした人は表示されないため、提供するのは調査とプロフィール情報であり、エンゲージした人の情報ではありません。「自分のニッチで何が効果的？」「このハッシュタグをスキャンして」「競合の統計」などで使用します。キャプションの作成には使用しません（ig-caption-writer 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。