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
プロフェッショナルな図表生成スキル：要件に応じて適切な図表タイプを自動選択し、デザイン仕様に準拠した PNG 図表を生成する。29 種類の図表をカバー：構造図（フローチャート、スイムレーン図、シーケンス図、アーキテクチャ図、状態図、ER 図、クラス図、マインドマップ、ガントチャート、Kanban、Git Graph など）と統計図（棒グラフ、折れ線グラフ、円グラフ、レーダーチャート、ヒートマップ、散布図、サンキー図、ファネル図、ウォーターフォール図、ツリーマップ、棒線複合グラフなど）。統一ツール：HTML/SVG + インライン JS によるレイアウト計算。ER/クラス図は ELKjs レイアウトエンジンを使用。すべての図表は統一されたデザイン仕様（配色／フォント／コンポーネント／余白）に従い、モダンでシンプルなスタイル。3 種類の出力に対応：PNG（既定）、HTML（リッチ文書への埋め込み）、DSL（Mermaid テキスト、MD 文書への埋め込み）。トリガーワード：画图、画一个、生成图表、流程图、架构图、时序图、柱状图、对比图、关系图。ユーザーが「画图」と言わなくても、要件に可視化（フロー、アーキテクチャ、データ比較、関係）が含まれる場合はこのスキルをトリガーする。deep-research などの他のスキルから呼び出された場合も、同様に本仕様に従って図表を生成する。
PDF 解析、OCR、請求書/領収書の抽出、テーブル抽出、ビジョンモデルによるマルチモーダル RAG、構造化データ出力を含む、AI によるドキュメント理解の包括的なパターン。「document parsing、PDF extraction、OCR、invoice processing、receipt extraction、document understanding、LlamaParse、Unstructured、vision document、table extraction、structured output from PDF」に言及されたときに使用する。
AWS、GCP、Azure における FinOps 分析をガイドする — コストの可視化と配賦、タグ付けと showback/chargeback モデル、ライトサイジングと無駄の削減、RI/Savings Plan/CUD の推奨、予算と予測、異常検知、ユニットエコノミクス（サービス/顧客あたりのコスト）、エンジニアリングの責任を伴う FinOps の運用サイクル。クラウド支出の最適化、CUR/請求エクスポートの分析、コストダッシュボードの構築、請求額の急増の説明、配賦の改善に使用する — GL マッピング、設備投資、減価償却、月末の総勘定元帳締め（compute-accounting-manager）、エンタープライズ EA 交渉（enterprise-cloud-architect）、手を動かしたリソースのプロビジョニング（cloud-engineer）、ハードウェア供給効率（data-center-compute-supply-efficiency）には使用しない。
shapefile、GeoJSON、GeoPackage ファイルなどの地理空間ベクターデータを扱う Python ライブラリです。空間分析、幾何演算、座標変換、空間結合、オーバーレイ処理、コロプレスマップの作成や、ベクター地理データの読み書き・分析を伴うタスクに使用します。PostGIS データベース、インタラクティブマップ、matplotlib/folium/cartopy との連携に対応します。バッファー分析、データセット間の空間結合、境界の統合、データの切り抜き、面積や距離の計算、座標系の再投影、地図の作成、空間ファイル形式の変換などに利用できます。
RAG、セマンティック検索、文書クラスタリング、類似度マッチングのための Google Gemini 埋め込み API（gemini-embedding-001）を扱う：@google/genai SDK の使用法、Cloudflare Workers からの fetch ベースの呼び出し、バッチ埋め込み、8 つのタスクタイプ（RETRIEVAL_QUERY、RETRIEVAL_DOCUMENT、SEMANTIC_SIMILARITY など）、128 から 3072 までの次元選択、コサイン類似度、チャンク化、キャッシュ、Cloudflare Vectorize 連携。次元の不一致、誤ったタスクタイプ、無料枠のレート制限（100 RPM）、ベクトル正規化のミス、2,048 トークンのテキスト切り捨て、モデルバージョンの混同を含む 8 以上の埋め込みエラーを防ぐ。Gemini でテキスト埋め込みを生成するとき、RAG やベクトル検索パイプラインを構築するとき、ベクトルを Vectorize に保存するとき、または埋め込みの次元、レート制限、正規化の問題をデバッグするときに使用。
model_route.json、データ計画、クリーン済みデータに基づき、数学モデリング論文向けの結果エビデンス契約と q1/q2/q3 のモデリングコードスキャフォールドを生成する。モデル出力、評価指標、構造化された結論、論文の表、現在の課題専用のモデリングコードを paper_output/results/、paper_output/tables/、paper_output/code/modeling/ に蓄積し、QA と本文生成が参照できるようにする必要があるときに Invoke する。
CuPy、Numba CUDA、Warp、cuDF、cuML、cuGraph、KvikIO、cuCIM、cuxfilter、cuVS、cuSpatial、RAFT を使用して Python コードを GPU 高速化する。ユーザーが GPU/CUDA/NVIDIA アクセラレーションに言及した場合、または NumPy、pandas、scikit-learn、scikit-image、NetworkX、GeoPandas、Faiss のワークロードを高速化したい場合に使用する。物理シミュレーション、微分可能レンダリング、メッシュレイキャスティング、粒子システム（DEM/SPH/流体）、ベクトル/類似度検索、GPUDirect Storage ファイル IO、インタラクティブダッシュボード、地理空間分析、医用画像、スパース固有値ソルバーを扱う。CPU バウンドの Python コード（ループ、大規模配列、ML パイプライン、グラフ分析、画像処理）が GPU 高速化の恩恵を受ける可能性がある場合にも、明示的に要求されていなくても使用する。
PostgreSQL の手続き型言語（PL/pgSQL）。ストアドプロシージャ、関数、トリガー、例外処理、制御構造を扱う。PostgreSQL のサーバーサイドプログラミングに使用する。使用する場合：ユーザーが "plpgsql"、"PostgreSQL functions"、"PostgreSQL procedures"、"PostgreSQL triggers"、"RETURNS TABLE"、"RETURNS SETOF"、"RAISE NOTICE" に言及したとき。使用しない場合：基本的な PostgreSQL SQL——代わりに `postgresql` を使用。PL/SQL（Oracle）——代わりに `plsql` を使用。T-SQL——代わりに `tsql` を使用。
PyHealth で臨床/ヘルスケアのディープラーニングパイプラインを構築する——EHR/信号/画像データセット（MIMIC-III/IV、eICU、OMOP、SleepEDF、ChestXray14、EHRShot）の読み込み、タスク（死亡率、再入院、在院日数、薬剤推薦、睡眠段階判定、ICD コーディング、EEG イベント）の定義、モデル（Transformer、RETAIN、GAMENet、SafeDrug、MICRON、StageNet、AdaCare、CNN/RNN/MLP）のインスタンス化、PyHealth Trainer による学習、臨床指標の計算、医療コードユーティリティ（ICD/ATC/NDC/RxNorm の検索とクロスマッピング）の使用。ユーザーが PyHealth、MIMIC、eICU、OMOP、EHR モデリング、臨床予測、薬剤推薦、睡眠段階判定、医療コードマッピング、ICD/ATC コード、またはデータセット → タスク → モデル → トレーナー → 指標のパターンに当てはまるあらゆるヘルスケア ML パイプラインに言及した場合にこのスキルを使用する。"PyHealth" が明示的に挙げられていない場合でも同様。
ユーザーが Qlik MCP サーバー経由で Qlik Sense アプリまたは Qlik Cloud の分析コンテンツ（マスターアイテム、ビジネス用語集、データ製品）を探索、分析、クエリ、チャート化、ダッシュボード化、または管理するよう求めた場合、このスキルを呼び出します。「この Qlik アプリには何がある？」「[アプリ] で X を Y 別にチャート化」「…用のシートを作成」「再利用可能なメジャーを作成」「[用語集の用語] の意味は？」「このデータセットは信頼できる／最新？」などの依頼や、qlik_* MCP ツールの呼び出しが必要な質問が対象です。SQL データウェアハウスに関する質問、DW／BI ツールに依存しないデータモデリング、Qlik MCP ツールを使わない依頼では呼び出さないでください。
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。