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 96,770 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
有料 API によるウェブスクレイピングと検索：カスケード式エスカレーション（高速 HTTP -> ブラウザ -> ステルス+プロキシ）で任意の URL をクロールし、複数 URL の一括クロールを行い、Exa でウェブ検索する。x_payment ツールで USDC のマイクロペイメントを自動処理（$0.005/クロール、$0.01/検索）。組み込みの web_fetch が失敗またはブロックされたときのエスカレーション手段として使用する。使用場面：(1) web_fetch が空またはブロックされたコンテンツを返した、(2) JS レンダリングやアンチボット保護されたページのスクレイピング、(3) 複数 URL の一括クロール、(4) Exa によるクエリでのウェブ検索。
スプレッドシートファイルが主要な入力または出力となる場合は、常にこのスキルを使用します。既存の .xlsx、.xlsm、.csv、.tsv ファイルを開く、読み取る、編集する、修正する（列の追加、数式の計算、書式設定、グラフ作成、乱雑なデータの整理など）、新しいスプレッドシートを一から作成する、または他のデータソースから作成する、表形式ファイル間で変換するタスクが対象です。ユーザーがスプレッドシートのファイル名やパスに触れ（「ダウンロードにある xlsx」のような軽い言及も含む）、その処理や作成を求める場合は特に使用します。形式の崩れた行、ずれたヘッダー、不要データを含む乱雑な表データを適切なスプレッドシートに整理・再構成する場合も対象です。成果物はスプレッドシートファイルである必要があります。主な成果物が Word 文書、HTML レポート、単独の Python スクリプト、データベースパイプライン、Google Sheets API 連携の場合は、表データが関係していても使用しません。
Alibaba Cloud LoongCollector / SLS のインストール、収集のオンボーディング、Pipeline 設定の管理と検証、マシングループ、権限のトラブルシューティング、Lens クエリ。厳格なルール：該当するリクエストでは、最初のツールが本 skill を読み込まなければ、SSH 調査、ディレクトリ設定、チェックリスト/ファイルの書き込み、クラウドの読み取りを一切行ってはならない。トリガー：「安装 LoongCollector」「ECS 安装采集器」「自建 Linux 主机安装 LoongCollector」「ACK 安装 loongcollector」「自建 K8s 部署采集」「从安装到能查到日志」「SLS 日志采集接入」「SLS 日志采集接入相关的事」「修改采集配置」「改采集配置」「采集配置校验」「validate_pipeline.py」「SLS 机器组」「新建 Logtail Pipeline 采集配置」「Logtail Pipeline」「ClusterAliyunPipelineConfig」「SLS Lens 查询」「无数据排查」「心跳异常」「SLS 采集权限排查」「SLS 权限排查」「阿里云 CLI 凭证没有 SLS 操作权限」「Logtail」「iLogtail」「AgentSight」「Agentloop」「input_agentsight」「eBPF Runtime」「ebpf-event」。
Domo App Studio ページ内でプロコードの JavaScript カスタムアプリを構築して埋め込む。カスタムアプリのビルドパイプライン（basic-custom-app-build、domo-app-theme）と App Studio のレイアウト（basic-app-studio、advanced-app-studio）を橋渡しする。ネイティブカードとプロコードアプリの間の意思決定ルーティング、デザインスキルとのビルド調整、キャンバス統合、ページレベルのフィルター伝播（domo.onFiltersUpdated）、App Studio 変数統合（domo.onVariablesUpdated、domo.requestVariablesUpdate）、変数状態管理の pending/commit パターンを扱う。可視化やインタラクションがネイティブカードの能力を超える場合、ユーザーがプロコードエディターに言及した場合、または App Studio にカスタムアプリを埋め込む場合に使用する。
Omegaモデルで埋め込みを行う前に、多変量時系列データをクリーニング、分割し、特徴量化します。再利用可能な3つの構成要素を含みます。`DataPreprocessor`（タイムスタンプの規則性、欠損区間、nullを診断し、補完を伴う連続した欠損考慮型の時間ブロックを構築）、`DataSplitter`（時間順を守った時間外またはランダムな訓練／テスト分割）、`FeaturePreparer`（センサーごとの埋め込みを「joint state」（X、y、メタデータ）行列にピボットし、L2／標準化／PCAを任意で適用）。ユーザーがOmegaモデル（`atai-newton-omega-model`）用の生センサーCSVを準備している場合、訓練データに欠損区間があり削除・補完・分割の判断に迷っている場合、またはn-shot CSVがノイズの多い状態で体系的なクリーニング手順を求めている場合に使用します。推論の実行や埋め込みの生成には使用しないでください（`atai-newton-omega-model`を使用）。動画／画像／テキストデータには使用しないでください（`atai-newton-fusion-model`を使用）。時系列専用です。
財務・業務データ分析を自動化し、データの価値を深く掘り下げ、専門的なレポートを生成する。起動シナリオ：ユーザーが財務諸表（損益計算書、貸借対照表、キャッシュフロー計算書）、業務データ（販売データ、運用データ、顧客データ、コストデータ）を提供する場合、またはデータ分析、データマイニング、レポート生成、KPI 計算、トレンド分析、差異分析、前年比・前期比分析、多次元分析、データクレンジングを求める場合。トリガーキーワード：分析数据、财务分析、业务分析、做报表、数据挖掘、看看数据、分析一下、出报告、KPI、趋势、同比、环比、差异分析、数据质量、收入分析、成本分析、客户分析、运营分析。
Google BigQuery に対して SQL を実行し、そのカタログを閲覧する——クエリの送信（同期または非同期）、ジョブステータスのポーリング、結果のページング、データセット/テーブルの一覧表示、テーブルスキーマの読み取り。ユーザーが BigQuery テーブルをクエリしたいとき、「このデータセットには何があるか」を尋ねるとき、BigQuery ジョブのステータスを確認するとき、または bigquery.googleapis.com や `project.dataset.table` パスに言及したときに使用する。このサービスを扱うときは常にこの skill から始める——同梱のスクリプトとレシピが最速の道筋。
ユーザーがコマンドラインから CData ドライバーを通じてデータソースへの接続、クエリ、探索を行いたいときに使用する。内容は次のとおり：エンタープライズシステム（Salesforce、NetSuite、Snowflake、SQL Server、Jira など）への接続の作成やテスト、接続済みデータへの SQL クエリの実行、スキーマの探索（テーブル、列、ストアドプロシージャの一覧表示）、データソース固有のストアドプロシージャの実行、CData ドライバーのダウンロード、インストール、アクティベーション。データソース固有のガイダンスを追加するすべてのドライバーレベルの cdata- スキル（cdata-salesforce、cdata-airtable など）の前提となる基盤として機能する。
Cloudflare Vectorize。Workers 上のセマンティック検索、RAG、AI アプリケーション向けのグローバル分散ベクトルデータベース。固定次元と距離メトリック（cosine、euclidean、dot-product）によるインデックス作成、insert/upsert/query/delete/list のベクトル操作、メタデータと名前空間のフィルタリング、topK 検索、ドキュメントのチャンク化とバッチ取り込みパイプライン、Workers AI（@cf/baai/bge-base-en-v1.5）または OpenAI（text-embedding-3-small/large）による埋め込み生成を扱う。Vectorize インデックスの作成、vectorize バインディングの接続、埋め込みの挿入、RAG またはセマンティック検索パイプラインの構築、wrangler vectorize コマンドの実行、メタデータインデックスのタイミングエラー、次元の不一致、フィルター構文の問題、insert と upsert の混同のデバッグに使用する。
Contentsquare iOS SDK（現行バージョン 1.11.x）の統合またはアップグレードを行います。Session Replay、画面トラッキング、トランザクション、アナリティクス、マスキング、プライバシーのオプトイン／オプトアウトを扱います。ほかの作業に先立ち、必ず Contentsquare プロジェクトのヘルスチェックを実施します（データソース ID を尋ねるかアプリの bundle id を特定し、ヘルスチェックエンドポイントを呼び出してプロジェクトの状態を報告）。Contentsquare、CSQ、CSQ.start、CSQ.trackScreenview、CSQ.optIn、CSQ.registerWebView、WKWebView トラッキングを扱う場合や、SDK 1.0–1.6 / `configureProductAnalytics` から `CSQ.start(environmentID:options:)` に移行する場合に使用します。
@data-client の schema（Entity、EntityMixin、Collection、Union、Query、Values、All、Invalidate、Lazy、Scalar）でデータをモデリングし、正規化、ID ベースのキャッシュ、単一の信頼できる情報源によって、アトミックで一貫性があり参照等価な非同期データを実現する。pk、static schema、resource()/RestEndpoint schema、可変リスト/マップ（push/unshift/assign/remove/move）、多態型/判別可能型、メモ化セレクター/派生データ、部分エンティティ/補助エンティティ、リレーショナル/ネスト/結合データ、楽観的更新を定義・編集するとき、または @data-client/rest、/endpoint、/graphql、/normalizr をまたぐキャッシュ無効化を行うときに使用。データモデル、リモートデータの形、キャッシュ、正規化、ID、結合、多態性、可変コレクション、ストアの一貫性について議論するときは積極的に適用する。
調査的なデータ分析手法を用いて、データセット内の目立たないシグナル、隠れたパターン、巧妙な相関関係を特定します。ソーシャルメディアのエクスポート、ユーザーデータ、行動データセット、より深い洞察が求められるあらゆる構造化データを分析するときに使用します。personality-profiler と組み合わせることでシグナル抽出を強化できます。「どんなパターンが見えるか」「隠れたシグナルを見つけて」「これらのデータセットを関連付けて」「このデータで見落としているものは何か」「データセットを横断して分析して」「目立たない洞察を見つけて」といったリクエストや、表面的な分析を超えたいときに発動します。また、データ分析タスク中に興味深い異常や相関に気づいたときに積極的に使用します。
アルゼンチンと米国の金融商品に関する Data912 の市場データエンドポイントを照会します。ユーザーが MEP/CCL の気配値、アルゼンチンのリアルタイム市場パネル（株式、オプション、cedears、手形、社債、債券）、米国パネル（ADR、株式）、ticker 別の OHLC ヒストリカル系列、米国のオプションチェーン、またはボラティリティ/リスク指標を求めた場合に使用します。また、ユーザーが "Data912"、"mep"、"ccl"、"cedears"、"option chain"、"historical bars"、"OHLC"、"implied volatility"、"historical volatility"、"volatility percentiles" に言及し、API ベースの市場スナップショットを期待する場合にも使用します。
リレーショナルおよびNoSQLモデル、正規化、インデックス戦略、関係モデリング、データ型、制約、パフォーマンス最適化など、包括的なデータベーススキーマを設計します。ER図、スキーマ移行、パーティショニング、PostgreSQL、MySQL、MongoDBなどのデータベースのベストプラクティスを扱います。データベースの設計、スキーマ作成、データモデリング、クエリ最適化、または「database design」「schema design」「data modeling」「ERD」「normalization」「indexing」「database architecture」といった語が出た場合に使用します。
REST API 経由で 78 の公開された科学、生物医学、材料科学、経済のデータベースを検索する。対象：物理学/天文学（NASA、NIST、SDSS、SIMBAD）、地球/環境（USGS、NOAA、EPA）、化学/薬物（PubChem、ChEMBL、DrugBank、FDA、KEGG、ZINC、BindingDB）、材料（Materials Project、COD）、生物学/ゲノミクス（Reactome、UniProt、STRING、Ensembl、NCBI Gene、GEO、GTEx、PDB、AlphaFold、InterPro、BioGRID、Gene Ontology、dbSNP、gnomAD、ENCODE、Human Protein Atlas、Human Cell Atlas）、疾患/臨床（COSMIC、Open Targets、ClinicalTrials.gov、OMIM、ClinVar、GDC/TCGA、cBioPortal、DisGeNET、GWAS Catalog）、規制（FDA、USPTO、SEC EDGAR）、経済/金融（FRED、World Bank、US Treasury）、人口統計（US Census、Eurostat、WHO）。化合物、遺伝子、タンパク質、パスウェイ、バリアント、臨床試験、特許、経済指標の検索、または公開データベースの API クエリを行うときに使用する。
MongoDB と PostgreSQL のデータベース管理。データベース：MongoDB（ドキュメントストア、集約、Atlas）、PostgreSQL（リレーショナル、SQL、psql）。機能：schema 設計、クエリ最適化、インデックス、マイグレーション、レプリケーション、シャーディング、バックアップ／リストア、ユーザー管理、パフォーマンス分析。アクション：design、query、optimize、migrate、backup、restore、index、shard databases。キーワード：MongoDB、PostgreSQL、SQL、NoSQL、BSON、aggregation pipeline、Atlas、psql、pgAdmin、schema design、index、query optimization、EXPLAIN、replication、sharding、backup、restore、migration、ORM、Prisma、Mongoose、connection pooling、transactions、ACID。使用場面：データベース schema の設計、複雑なクエリの作成、クエリ性能の最適化、インデックスの作成、マイグレーションの実行、レプリケーションの設定、バックアップ戦略の実施、データベース権限の管理、遅いクエリのトラブルシューティング。
ユーザーが Substrait クエリプランの生成、自然言語からの Substrait プランの作成、データクエリの Substrait JSON への変換、Substrait DSL パイプラインの記述、データ要求のクエリプランへの変換、JSONL データセットのテストエントリの処理を求める場合に使用。DSL コードの記述、MCP ツール（compile_substrait_dsl、get_substrait_dsl_examples、load_test_entry）の呼び出し、コンパイルエラー時の自己修正を扱う。トリガー："generate substrait"、"generate substrait dsl"、"generate functional plan"、"generate fp"、"process entry"、"run entry"、"generate dsl"。
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。