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
ライブ notebook に Lens を追加する、ガイド付き Trail で notebook を説明する、または描画済み出力や設定済み DOM ターゲット上でのユーザーの選択に対応する。Lens を有効にする、ウォークスルーを行う、結果をその場で説明する、選択した点・領域・ノートに基づいて操作する、といった依頼に使用。address モードは開いているすべての選択を処理する。marimo pair またはエディターの code-mode サイドバー経由でアクセスする、ライブ marimo notebook カーネルが必要。
TanStack DB をメタフレームワーク（TanStack Start、Next.js、Remix、Nuxt、SvelteKit）と統合します。クライアントサイドのみ：SSR はサポートされません — ルートは SSR を無効にする必要があります。ルートローダーで collection.preload() を使って eager collection をプリロードします。オンデマンドの Query Collection は、ソース collection のプリロードが no-op であるため、ライブクエリのプリロードが必要です。Promise.all による複数 collection のプリロード。フレームワーク固有のローダー API。
Honeycomb で OpenTelemetry metrics データセットを正しくクエリする方法。metrics データセットは trace/event データセットとは異なるルールに従う——多くの操作（裸の COUNT、RATE_SUM、RATE_AVG、RATE_MAX、CONCURRENCY）が禁止され、時間集計は自動で、各 metric は独自の属性を持つ。metrics データセット（gauge、counter、histogram、sum）をクエリするとき、時間集計（RATE、INCREASE、SUMMARIZE、LAST）について尋ねるとき、metrics データセットを見つけたり metric 名と属性を発見するとき、予期しない metrics クエリ結果をデバッグするとき、または CPU、メモリ、ディスク I/O、ネットワーク統計などのインフラメトリクスをクエリするときに、このスキルを使用する。メトリクスの計装（otel-instrumentation を使用）、名前に「metrics」を含む event データセットのクエリ、概念的な質問（observability-fundamentals を使用）には使用しない。
ユーザーの Yahoo Fantasy Baseball リーグ（ID 23756）における 11 の対戦チームについて、対戦相手ごとのアーキタイプ + 行動プロファイルを毎週更新する。ドメイン中立の `opponent-archetype-classifier` を包む野球特化の薄いラッパーであり、10 アーキタイプの MLB 分類体系（balanced、stars_and_scrubs、punt_sv、punt_sb、punt_wins_qs、hitter_heavy、pitcher_heavy、inactive、frustrated_active、unknown）を提供し、Yahoo のページから MLB 特徴量（ドラフト分布、FAAB 支出、ウェイバーパターン、ロースター構成、ラインナップの一貫性、トレード活動、直近の戦績、活動の新しさ）を抽出し、分類器を呼び出し、`opponent-profile-schema.md` に従って `context/opponents/<team-slug>.md` ファイルを書き込み/更新する。読み取り-変更-書き込みにより手動メモは保持される。`signals/wkNN-opponent-profiles.md` に週次サマリーシグナルを出力する。ユーザーが「opponent profiling」「classify opposing manager」「update opponent profiles」「refresh opponents」「weekly opponent scout」「MLB fantasy opponent archetype」と言ったときに使用する。
Finance Guru のポートフォリオ戦略向けに Monte Carlo シミュレーションを実行します。ユーザーが monte carlo、run simulation、stress test portfolio、probability analysis、income projections、margin safety analysis に言及した場合に使用します。4 層ポートフォリオ（Growth、Income、Hedge、GOOGL）をサポートし、Fidelity CSV から現在値を自動検出します。
npm パッケージ名のリスト（自社または競合）を受け取り、npm API から 12 週間分の日次ダウンロードデータを取得し、パッケージごとに breakout 速度スコアを計算してホッケースティック型の成長を特定し、npm レジストリと GitHub API からメンテナーのプロフィールを取得し、各 breakout パッケージについて、誰が作ったか、どう連絡するか、何を伝えるかを含むランク付けされたリードブリーフを出力する。有名になる前のエバンジェリストの発見、競合パッケージの勢いの追跡、breakout する npm パッケージの特定、npm メンテナーの Twitter や GitHub へのマッピング、パッケージ成長シグナルからの DevTools リードの発見を求められたときに使用。ユーザーが「npm パッケージからリードを見つけて」「これらの breakout パッケージを誰がメンテナンスしているか」「npm のダウンロード動向を追跡して」「有名になる前にエバンジェリストを見つけて」「npm メンテナーを Twitter にマッピングして」と言ったときに発動。
自社のアウトリーチデータから、実際に返信・承諾し、関心を示す相手をもとに、実証された理想顧客像を見つけ、類似する相手をさらに探します。MCP 経由で La Growth Machine を読み込むか、任意のアウトリーチツール（lemlist、Instantly、Smartlead、HeyReach、Apollo、Waalaxy……）からエクスポートした CSV を読み込みます。コールドアウトリーチに返信する職種、役職レベル、業界、企業規模、国を知りたい場合、セグメント別の返信率や肯定的な返信率、返信者の ICP、連絡をやめる相手、エンゲージメントに基づくデータ主導の類似顧客を知りたい場合に使用します。トリガー：「誰がアウトリーチに返信するか」「キャンペーンから ICP を特定」「返信を分析」「職種別の返信率」「次に誰をターゲットにすべきか」「本当の ICP は何か」「qui répond à mes campagnes」「profil des leads qui répondent」。SDR、営業・グロース責任者、RevOps、GTM エンジニア、創業者、代理店向け。統計的なガード（信頼区間、最小件数、交絡チェック）を備えています。sales-nav-search-builder に引き継ぎます。La Growth Machine がメンテナンスしています。
微分可能な量子コンピューティング向けのクロスプラットフォーム Python ライブラリ。PyTorch、TensorFlow、JAX などの機械学習ライブラリと統合されている。量子機械学習 (QML)、変分アルゴリズム、ハードウェア非依存の量子プログラミング向けに設計されている。量子ニューラルネットワーク (QNN)、変分量子アルゴリズム (VQE、QAOA)、古典-量子ハイブリッド機械学習、量子化学計算、量子アルゴリズムのベンチマーク、量子制御パルスの最適化、Barren Plateaus などの QML 現象の調査に使用する。
B2B サービス企業（開発・IT アウトソーシング、代理店、AEC/BIM アウトソーシング、コンサルティング会社）の案件パイプラインをレビューし、実際の案件データから単一ファイルの HTML ダッシュボードを作成します。プロジェクト、リテイナー契約、専任チームの案件を共通の価値基準で扱い、データの整合性を確認し、案件の停滞箇所（提案送付後に返答がない、調達・契約段階、連絡先が 1 人だけの案件）を特定します。自社の成約案件から受注率、サイクル期間、カバレッジを算出し、予測をコミット、ベストケース、パイプラインに分け、担当者を比較して、最大 8 件の具体的なアクションで締めくくります。入力：CRM のエクスポート（CSV またはシート）または接続済み CRM。ユーザーが「analyze my pipeline」「pipeline review」「forecast this month」「where are deals stuck」「which deals will close」「who is my top rep」「розбери пайплайн」「що з угодами」「прогноз на місяць」「де застрягають угоди」と言った場合に使用します。単一案件の適格性評価（scope-qualifier）や、アウトリーチキャンペーンの統計（outbound reporting skills）には使用しません。
SELECT のみの agents_readonly ロールを使い、psql 経由で本番の Supabase Postgres を読み取り専用でクエリする。本番の問題のデバッグ、ユーザー報告の調査、実際の利用/課金/リテンション数値の確認、データが本当に本番に反映されたかの検証に使用する。利用/PMF の数値はデフォルトで顧客のみのスコープ（David とチームは除外、ADR 0175）であり、すべての回答は使用したスコープを明記する必要がある。差別化点：これはライブの本番データで読み取り専用。テストには代わりにローカルの Docker ハーネス（npm run test:db）を使用する。
FixMyBerlin FMC の地理情報を多用する React アプリ向けの Rust/WASM 地理処理：Turf から WASM に移行すべきタイミング、crate の選択（geo、rstar、fast_paths、osm-reader、i_overlay など）、wasm-bindgen の境界、SPA と TanStack Start の Vite 統合。WASM の地理 crate の追加、遅い Turf のプロファイリング、OSM/ルーティング/等時圏、空間インデックス、wasm-pack の Vite への組み込みに使用する。
Outscraper プラットフォームのヘルプ — Google Maps、レビュー、50 以上のソースをスクレイピングし、即時利用可能な Business Catalog データベースも提供するデータ抽出プラットフォーム。Google Maps のスクレイピングで十分な数のビジネスが返らない、レビューが正しく抽出されない、メール/連絡先のスクレイピングで結果が漏れる、企業エンリッチメントデータが不完全、メール検証の誤検知が多すぎる、Outscraper API が期待どおりに動作しない場合に使用する。一般的な見込み客リスト戦略（/sales-prospect-list を使用）、クロスプラットフォームのエンリッチメント戦略（/sales-enrich を使用）、メール到達率戦略（/sales-deliverability を使用）には使用しない。
あなたの SDK またはライブラリ名を指定すると、GitHub コード検索でそれを import または require している公開リポジトリを検索し、各リポジトリを企業の組織、所属開発者、個人開発者、チュートリアルのノイズに分類し、採用シグナルの強さでスコアリングし、日付で新規採用者を検出し、あなたの上に構築している相手のランク付けリストを、高シグナルの企業ごとのアプローチ背景とともに出力する。自分の SDK を使っている相手の特定、SDK 採用の追跡、自分のライブラリ上に構築している企業の探索、既存の SDK ユーザーからの温かいリードの特定、どの組織が自分のパッケージを import しているかの確認を求められたときに使用。ユーザーが「誰が自分の SDK を使っているか」「自分のライブラリを import しているリポジトリを見つけて」「自分のパッケージの採用を追跡して」「どの企業が自分の SDK 上に構築しているか」「GitHub で自分の SDK のユーザーを見つけて」「誰が自分のパッケージを import しているか見せて」と言ったときに発動。
統計モデリング、実験設計、因果推論、予測分析を専門とする一流のシニアデータサイエンティストスキル。A/Bテスト（サンプルサイズ設計、2標本比率のz検定、Bonferroni補正）、差の差分析、特徴量エンジニアリングパイプライン（Scikit-learn、XGBoost）、交差検証によるモデル評価（AUC-ROC、AUC-PR、SHAP）、MLflowによる実験追跡を網羅し、Python（NumPy、Pandas、Scikit-learn）、R、SQLを使用します。対照実験の設計・分析、分類モデルや回帰モデルの構築・評価、観察データの因果分析、構造化された表形式データセットの特徴量エンジニアリング、統計的知見のデータに基づくビジネス上の意思決定への反映に使用します。
Shopify Standard Product Taxonomy のカテゴリーを割り当てる、「set the product category」「categorize the catalog」を実行する、またはカテゴリー／タクソノミーのメタフィールドを入力する場合に使用します。管理画面の「Category metafields」パネル（Color、Size、Material、Caffeine content）、別名である商品カテゴリー属性／タクソノミー属性（Google feed が求める属性を含む）が対象です。一括分類、カテゴリー属性と許容値の確認、予約値のメタオブジェクトの作成と安全な書き込みに対応します。「category metafields show blank/null」「my Color attribute won't save」の場合にも使用します。一括 CSV データ読み込みには使用しません（Matrixify ではできません。一括データについては shopify-matrixify を参照）。
Nature / インパクトの高いジャーナルへの投稿に向けて、原稿の統計報告を監査、修正、または起草する。ユーザーが統計分析のセクション、p 値、信頼区間、サンプルサイズ、生物学的反復と技術的反復、ランダム化、盲検化、多重比較補正、モデル仮定、図の凡例、Results の統計表現、統計に関する査読者のコメントの確認を求めたとき、または出版可能な Statistical analysis の中国語原稿が必要なときに使用する。統計審査、統計分析小节、統計方法、p值、样本量、重复数、多重比较、置信区间、效应量、图注统计、审稿人统计意见といった一般的な論文統計のリクエストでもトリガーされる。
株式・企業分析と戦略バックテストのための単一の金融スキル。当期および前期の取引所現地カレンダー日付の直近価格にはダイレクトな価格 API を使用し、履歴価格、ニュース、ファンダメンタルズ、配当・分割、スクリーニング、バックテストには Rebyte の金融データレイクを使用して、米国株と中国 A 株をカバーする。SEC EDGAR のインサイダー・提出書類調査や複数銘柄の比較も扱う。銘柄ティッカー、現在・最新価格、価格履歴、テクニカルまたは企業分析、投資リサーチ、金融データ、戦略バックテストに使用する。トリガーには AAPL、TSLA、000001.SZ、「株価」、「今日」、「最新価格」、「銘柄分析」、「銘柄比較」、「企業財務」、「インサイダー取引」、「SEC 提出書類」、「X は買いか」、「バックテスト」、「回測」が含まれる。
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。