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
アプリケーションで Prisma ORM をセットアップしてデータベースに接続するか、既存の Prisma 6、7、8 アプリの接続問題をトラブルシューティングします。新しいアプリケーションでは Prisma ORM 8 をデフォルトとし、パッケージに含まれる prisma-8 スキルを読み込みます。既存の Prisma 6/7 アプリはそのバージョンを維持し、PostgreSQL、MySQL、SQLite、SQL Server、CockroachDB、MongoDB、Prisma Postgres のプロバイダー情報を参照します。
[inference.sh](https://inference.sh) を介して、安全なサンドボックス環境で Python コードを実行します。NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh など、100 以上のライブラリがプリインストールされています。用途：データ処理、ウェブスクレイピング、画像加工、動画作成、3D モデル処理、PDF 生成、API 呼び出し、自動化スクリプト。トリガー：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
B2B SaaS、一般的な B2B、地域の小規模事業者を対象に、見込み顧客を探し、選別し、アプローチ先リストを作成したい場合に使用します。「見込み顧客開拓」「見込み顧客リストを作成」「リードを探す」「リードリスト」「アウトバウンドリスト」「ターゲットアカウントリスト」「ICP に適合するアカウント」「地域の事業者を探す」「最初の顧客を探す」「デザインパートナー」「シグナルベースのアウトバウンド」「購買シグナル」「インテントデータ」「転職アラート」「ウォーターフォール型データ補完」「Clay テーブル」「類似アカウント」「キャッチオールメール」「アカウントの階層化」「連絡前にこのアカウントを調査」などの言及がある場合も使用します。メールはシーケンスに追加する前に必ず検証し、LinkedIn のスクレイピングは行いません。Sales Navigator で対象者を定義し、ライセンスされたデータから連絡先を取得します。リスト作成、シグナル、データ補完、検証、アカウント調査を扱います。実際のアウトリーチ（文面、送信設定、LinkedIn、連絡スケジュール、返信）については cold-email を参照してください。競合調査については competitor-profiling を参照してください。
バックエンドが必要な場合、または InsForge CLI を通じて InsForge のバックエンドやクラウドインフラに関わるタスクでは、いつでもこのスキルを使用します。対象は、プロジェクト、SQL、マイグレーション、RLS ポリシー、関数、ストレージ、バックアップ、デプロイ、コンピューティング、シークレット、設定、スケジュール、ログ、診断、アドバイザースキャンと抑制、インポート／エクスポート、AI/OpenRouter の設定と利用状況の概要、Stripe/Razorpay 決済、Apify のウェブスクレイピング／データソース、PostHog のプロダクト分析、バックエンドブランチ、組織メンバー管理（招待、退出、削除）、エージェントメモリ（プロジェクトの事実や決定事項の記憶／想起）、InsForge 側のバグやドキュメントの不一致の報告（フィードバック）、CLI ドキュメントです。InsForge または @insforge/sdk を使ったアプリコードには、insforge アプリ統合スキルを使用してください。
[inference.sh](https://inference.sh) を介して、安全なサンドボックス環境で Python コードを実行します。NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh など、100 以上のライブラリがプリインストールされています。用途：データ処理、ウェブスクレイピング、画像加工、動画作成、3D モデル処理、PDF 生成、API 呼び出し、自動化スクリプト。トリガー：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
ユーザーが分析トラッキングと測定の設定、改善、監査を希望する場合に使用します。「トラッキングを設定」「GA4」「Google Analytics」「コンバージョントラッキング」「イベントトラッキング」「UTM パラメーター」「タグマネージャー」「GTM」「分析の実装」「トラッキング計画」「これをどう測定するか」「コンバージョンを追跡」「アトリビューション」「Mixpanel」「Segment」「イベントが発火しているか」「分析が機能しない」などの言及がある場合も使用します。何かが機能しているかを知る方法や、マーケティング成果の測定について尋ねられた場合は常に使用します。A/B テストの測定については ab-test-setup を参照してください。
[inference.sh](https://inference.sh) を介して、安全なサンドボックス環境で Python コードを実行します。NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh など、100 以上のライブラリがプリインストールされています。用途：データ処理、ウェブスクレイピング、画像加工、動画作成、3D モデル処理、PDF 生成、API 呼び出し、自動化スクリプト。トリガー：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
ユーザーが A/B テストや実験の計画、設計、実施、または成長実験プログラムの構築を希望する場合に使用します。「A/B テスト」「スプリットテスト」「実験」「この変更をテスト」「バリアントの文案」「多変量テスト」「仮説」「これをテストすべきか」「どちらのバージョンがよいか」「2つのバージョンをテスト」「統計的有意性」「テストをどれくらい実施すべきか」「成長実験」「実験の速度」「実験バックログ」「ICE スコア」「実験プログラム」「実験プレイブック」などに言及した場合にも使用してください。2つのアプローチを比較して成果を測りたい場合や、体系的な実験の取り組みを構築したい場合は常に使用してください。トラッキングの実装については analytics-tracking、ページ単位のコンバージョン最適化については page-cro を参照してください。
[inference.sh](https://inference.sh) を介して、安全なサンドボックス環境で Python コードを実行します。NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh など、100 以上のライブラリがプリインストールされています。用途：データ処理、ウェブスクレイピング、画像加工、動画作成、3D モデル処理、PDF 生成、API 呼び出し、自動化スクリプト。トリガー：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
Agent Pulse を使って、Hermes、Claude Code、Codex、DeepSeek、OpenClaw、Copilot、Aider、Qwen、OpenCode、Goose、Cursor、Antigravity、Amp のログからローカルの AI エージェントの活動を確認します。AI エージェントのセッション、トークン、ツール／検索呼び出し、モデル使用状況、推定コスト、予算、予測、ヘルスチェック、レポート、セットアップ診断、Web/API/メトリクスのエクスポート、MCP 連携について質問された場合に使用します。
Windの金融機能を発見・インストールするためのルーティング入口。金融データ、相場照会、市場分析、今日の市場概況、市場の主軸、セクターローテーション、資金フロー、バリュエーション、銘柄選択、振り返り、ポジション、取引計画、バックテストなどに使用します。まずcatalogを読み込み、必要なデータskill／ワークフローskillを判断する必要があります。不足している場合はインストール विकल्पを提示し、ユーザーの確認後にAIが直接インストールします。コマンドだけを提示したり、汎用分析で代替したりしてはいけません。
PR、ブランチ、ファイル、ディレクトリ、機能を対象とするエンドツーエンドの分析計測ワークフローです。コードを読み、追跡すべきイベントを特定し、具体的な計測計画を一度に作成します。PRへの分析追加、「instrument this PR」「add tracking to this branch」「what analytics does this file need」「instrument the checkout flow」「run the full instrumentation workflow」など、コード変更から計測計画への作成を求める依頼で使用します。PRリンク、ブランチ名、ファイルパス、機能の説明とともに分析、イベント、計測について言及された場合にも起動します。分析ワークフローの主な入口であり、個別のステップ（diff-intake、discover-event-surfaces、instrument-events）を別々に呼び出すより優先します。
PR またはブランチの差分を読み取り、後続の分析計測スキル向けに構造化された YAML 変更概要を作成します。ユーザーが PR リンク、ブランチ比較、または生の差分を共有し、変更内容、追跡が必要な内容、機能の計測方法を知りたい場合、最初のステップとして使用します。「review this PR」「what changed in this branch」「help me instrument this diff」「check analytics coverage for this change」など、分析レビューの開始を求める依頼で起動します。
このコードベースで分析トラッキング呼び出しが実際にどのように記述されているかを調べます。イベント送信に使われる具体的な SDK 呼び出し、関数シグネチャ、インポートパターンを確認します。新たなトラッキング追加前に既存の分析計測パターンを把握する必要がある場合、「how do we track events here?」「show me the analytics setup」「what's the analytics pattern in this codebase?」と尋ねられた場合、または instrument-events や discover-event-surfaces の実行前に適切なコーディングスタイルを確認する必要がある場合に使用します。重複を除いたパターン一覧、一般化した例、各パターンが見つかったファイルパスに加え、呼び出し箇所から推定した主要なイベント名とプロパティ名の規則を出力します。分析計測コードを書く前に必ず使用してください。
change_brief YAML（diff-intake の出力）を基に、計測候補となる分析イベントを網羅的に列挙します。PM の視点を持つエンジニアとして検討に値する内容をすべて提示し、PM が本当に重要なものを判断できるようにします。分析計測ワークフローのステップ 2 として、diff-intake が change_brief を生成した直後に使用します。ユーザーが change_brief YAML を持ち、追加すべき分析イベントを知りたい場合や、「what should I track for this PR」「what events should I instrument」「generate event candidates」、またはコード変更の分析カバレッジの不足を洗い出す依頼で起動します。
event_candidates YAML（discover-event-surfaces の出力）を基に、優先度 3（重大）のイベント向けに具体的な計測計画を作成します。ソフトウェアアーキテクトとして、コードベース内の既存の分析パターンを調べ、指定されたファイルを読み込んでスコープ内の変数を特定し、グラフに役立つ最小限のプロパティを設計し、各トラッキング呼び出しの正確な挿入位置を特定します。構造化された JSON trackingPlan を出力します。分析計測ワークフローのステップ 3 として、discover-event-surfaces の後に使用します。ユーザーが event_candidates を持ち、トラッキングコードの生成を求める場合や、「instrument these events」「generate tracking plan」「add analytics for these events」「where should I put the tracking calls」、または候補イベントを具体的な実装指針に変換する依頼で起動します。
Amplitudeにおけるイベント分類体系の生成、データ監査、ガバナンスのベストプラクティスに関する信頼できる情報源です。エージェントがイベントトラッキング計画、命名規則、プロパティ標準、データ品質、廃止ワークフローを作成、検証、監査、評価、改善提案する必要がある場合に使用します。顧客独自の基準（Data → Settings の命名規則と AI Context）に照らした計画の確認も対象です。命名規則、プロパティ標準、評価フレームワーク、安全なメタデータ操作、廃止手順、AI対応に関するガイダンスを扱います
Go のデータベースアクセスに関する総合ガイド。パラメーター化クエリ、構造体へのスキャン、NULL 許容列、トランザクション、分離レベル、SELECT FOR UPDATE、コネクションプール、バッチ処理、コンテキスト伝播、マイグレーションツールを扱います。PostgreSQL、MariaDB、MySQL、SQLite と連携する Golang コードの作成、レビュー、デバッグ、データベーステスト、database/sql、sqlx、pgx に関する質問に使用します。データベーススキーマやマイグレーション SQL は生成しません。
どのマーケティング施策が実際にコンバージョンや収益につながるかの把握、アトリビューションモデルの選択や解釈、ツール間で食い違う数値の照合をユーザーが求める場合に使用します。「アトリビューション」「アトリビューションモデル」「ファーストタッチ対ラストタッチ」「マルチタッチ」「収益を生むチャネル」「実際の CAC」「ダッシュボードの数値が一致しない」「Google/Meta は X と表示するが GA は Y と表示する」「メディアミックスモデル」「MMM」「インクリメンタリティ」「地域別リフト」「ホールドアウトテスト」「当社をどのように知りましたか」「自己申告アトリビューション」「ダークソーシャル」などに言及した場合や、アトリビューションを自ら計測したい場合（「予約を流入元に紐づける」「SavvyCal/Calendly のアトリビューション」「識別ギャップを解消する」「サードパーティドメインでコンバージョンを追跡する」「ファーストパーティ／セルフホスト型アトリビューション」）も使用します。イベントトラッキングの設定と UTM については analytics を参照してください。広告プラットフォームのピクセル/CAPI とコンバージョントラッキングについては conversion-tracking を参照してください。パイプラインと CRM の収益レポートについては revops を参照してください。AI 検索のアトリビューションの盲点については ai-seo を参照してください。
GTM リード、データ補完、アウトリーチ、Plays、開発者シグナル/Reo.dev。プロバイダー：adyntel,affinity,ai_ark,akta,allegrow,amplemarket,apify,attention,attio,aviato,bettercontact,bigquery,bluesky,bounceban,brave,browserbase,builtwith,buyercaddy,cbinsights,clay,clickhouse,cloudflare,contactout,contextdev,crunchbase,crustdata-v3,customer_db,databricks,dataforseo,datagma,dealroom,deepline_ip_to_company,deepline_native,deeplineagent,deepseek,discolike,dnb,edges,emailbison,emailguard,enformion,enigma,exa,findymail,firecrawl,fireflies,firmable,forager,fullenrich,fundable,generic_http,getleads,gong,google_ads_audiences,google_workspace,govfiles,grain,hackernews,harvestapi,heyreach,hubspot,hunter,icypeas,instantly,intercom,ipqs,kaspr,kernel,kickbox,leadmagic,lemlist,limadata,linkedin_ads_audiences,luma,lusha,meta_audiences,millionverifier,nooks,notion,openmart,opensosdata,openwebninja,outreach,parallel,particle,peopledatalabs,pitchbook,podscan,polymarket,postgres,predictleads,prospeo,quickenrich,rapidapi,redshift,…
テストと開発に適した Neon ブランチタイプを選択して作成します。Neon のブランチ、実データを使ったマイグレーションテスト、分離されたテスト環境、機密データ向けのスキーマのみのブランチワークフロー、親ブランチからのリセット、ブランチの有効期限や CI/CD ブランチのライフサイクル、Neon CLI または Neon MCP によるブランチ作成についてユーザーが尋ねた場合に使用します。トリガーには「Neon branch」「test migrations safely」「branch production data」「schema-only branch」「reset branch」「branch per PR」「sensitive data testing」が含まれます。
Firecrawl browser を使って、ドキュメントポータル、ヘルプセンター、API リファレンスサイトをローカルの markdown または JSON にエクスポートします。JavaScript で描画されるページ、折りたたみ式ナビゲーションの背後にコンテンツが隠れているページ、ページ分割されたサイトも対象です。ドキュメントサイト、ヘルプセンター、サポートのナレッジベースをファイルとして保存したい場合に使用します。スクレイピングの明示的な依頼がなくても利用できます
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。
コードベースで Postgres の過剰なエグレス（ネットワークデータ転送）を診断して修正します。データベース料金の高騰、予期しないデータ転送コスト、ネットワーク転送料金、エグレスの急増、「Neon の請求額が高い理由」、「データベースコストの上昇」、SELECT * の最適化、クエリによる過剰取得、Neon コストの削減、データベース使用の最適化、またはデータベースからアプリケーションに送るデータの削減についてユーザーが言及した場合に使用します。エグレスやデータ転送が明示されていなくても、コスト効率のためにクエリパターンを確認する際に使用します。
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。