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
.NET ソリューションで Oracle を対象とする xUnit 統合テストプロジェクトをひな形から作成します。テストプロジェクト、トランザクションロールバック用の基底クラス、シードデータマネージャーを作成します。Oracle のベースライン統合テストを書く前のフェーズ 3 でのみ使用してください。フェーズ 6 では実行しないでください。PostgreSQL テストプロジェクトは、このプロジェクトを移行して作成するものであり、このスキルを再実行して作成するものではありません。
Kensho LLM-ready API MCP サーバー経由で S&P Capital IQ のデータを使用し、専門的な企業ティアシートを作成します。ティアシート、企業概要の1ページ資料、企業プロフィール、ファクトシート、企業スナップショット、企業概要文書を依頼された場合に使用します。特定の企業名やティッカーが挙げられた場合は特に有効です。株式調査サマリー、M&A 企業プロフィール、事業開発向けターゲット企業プロフィール、営業 / BD の面談準備資料、または簡潔な単一企業の財務サマリーを求められた場合も対象です。対象読者は株式調査、投資銀行 / M&A、事業開発、営業 / ビジネス開発の4種類です。対象読者が指定されていない場合は確認してください。上場企業と非公開企業の両方に対応します。
本番またはサンドボックス組織でService Cloud ITSMのCMDB（Configuration Management Database）を一貫して有効化するためのオーケストレーションスキルです。ユーザーがCMDBのセットアップ、Configuration Management Databaseの有効化、ITSM CMDBの設定、CMDBの新規導入、CMDB有効化の手順ガイド、または利用可能なCMDB設定手順について尋ねた場合に使用します。トリガー：CMDBのセットアップ、有効化、設定、CMDBのオンボーディング、Configuration Management Databaseのセットアップ、ITSM CMDBの手順説明。次の場合は使用しません。特定のCMDBサブステップ（バンドルのインストールのみ、権限セットの割り当てのみなど）、CMDBレコードのCRUD（CIや関係の作成）、Discovery/Service Graph Connectorの設定、またはCMDB設定の意図がない一般的なITSMの質問。
ユーザーが注目する業界や企業について、最近の資金調達ラウンドや注目すべき資本市場の動向をまとめた、洗練された1ページの PowerPoint スライドを生成します。ディールフローの要約、週間レビュー、資金調達ダイジェスト、取引のまとめ、資本市場ブリーフィングを求められたときに使用します。トリガー例：「deal flow digest」「weekly funding recap」「deal roundup」「transaction summary this week」「what happened in [sector] this week」「capital markets update」、または最近の資金調達動向をブリーフィングスライドにまとめる依頼。主なポイント、評価額データ、Capital IQ の取引リンクを含むプロ仕様の1枚スライド PPTX を作成します。
Cloudflare D1 データベース向けに、D1 固有のパターンに準拠した Drizzle ORM スキーマを生成します。スキーマファイル、マイグレーションコマンド、型のエクスポート、DATABASE_SCHEMA.md ドキュメントを作成します。外部キーは常に有効、ネイティブの BOOLEAN/DATETIME 型がない、バインドパラメーター上限が 100、JSON は TEXT として保存されるなど、D1 の特性に対応します。新しいデータベースの作成、テーブルの追加、D1 データレイヤーのひな型作成に使用します。
REST API、マイクロサービス、データベースアーキテクチャ、認証フロー、セキュリティ強化などのバックエンドシステムを設計・実装します。「REST API の設計」「データベースクエリの最適化」「認証の実装」「マイクロサービスの構築」「バックエンドコードのレビュー」「GraphQL のセットアップ」「データベース移行への対応」「API の負荷テスト」をユーザーが依頼した場合に使用します。Node.js/Express/Fastify の開発、PostgreSQL の最適化、API セキュリティ、バックエンドアーキテクチャのパターンを扱います。
CMDB 機能を有効化した後、Service Cloud ITSM の本番またはサンドボックス組織に CMDB Foundation の基本コンテンツバンドルをデプロイ（インストール）します。CMDB バンドルのインストール、CMDB Foundation のデプロイ、CMDB 基本コンテンツのセットアップ、CMDB の標準コンテンツのインストール、または基本バンドルによる CMDB セットアップの完了を依頼された場合に使用します。トリガー：CMDB バンドルのインストール、CMDB Foundation のデプロイ、CMDB 基本コンテンツ、CMDB コンテンツバンドル、bundleInstallation、CMDB セットアップの完了。次の場合は使用しないでください。組織で CMDB 機能を有効化する場合（CMDB 機能有効化スキルを使用）、ユーザーに CMDB 権限セットを割り当てる場合（CMDB access-assign スキルを使用）、オプションの非基本アドオンバンドルをインストールする場合、一般（CMDB 以外）のメタデータやパッケージをデプロイする場合、CMDB レコードを直接操作する場合。
会計元帳（MYOB、NetSuite、QuickBooks、Xero、Zoho Books）をPayPal、Shopify、Square、Stripeの入金記録と照合し、要確認の取引、不審な重複、領収書の不足を指摘します。その後、平易な英語で損益計算書の説明を作成し、決算パケット（xlsx + 1ページのPDF）を書き出します。これは /close-month コマンドの最初のステップです。月次決算または帳簿の締めを依頼するとここに振り分けられ、コマンドは予測の更新とパケットの配布に先立ってこのスキルを実行します。予測の更新も配布も行わず、所有者が照合だけを希望する場合に限り、このスキルを直接使用します。「照合だけ、パケットは不要」「帳簿に何が不足している？」「重複と領収書の不足を指摘して」「今月の損益計算書の説明を書いて」などが該当します。
MathModel LaTeX サンドボックスで、組み込みの科学可視化テンプレートの再現をユーザーが求めた場合にこのスキルを使用します。特に Improve タブで、$mathmodel-figure-templates、科研绘图模板、SHAP蜂群柱状图、配对云雨图、交叉验证ROC、泰勒图、相关矩阵组合图、预测真实值边缘分布图、TPE调参3D曲面、下三角相关矩阵半边小提琴图、分组环形热图、城市公园降温组合图、Nature和弦图に言及するプロンプトが対象です。スキルに同梱された、すぐに実行できる Python スクリプトを提供します。
専用のTAOモデルスキルが該当しない場合、NGC PyTorchコンテナ内でローカルのNVIDIA GPUを使い、任意のHuggingFace CV / VLM / LLMモデルをファインチューニングします。HuggingFaceモデルのファインチューニング（フルまたはLoRA）、ビジョン / VLM / LLMモデルのエンドツーエンド学習、再現可能なHF学習パイプラインの生成、規模を拡大する前のローカルでのHuggingFaceモデルのスモークテスト、ファインチューニング済みモデルとモデルカードのHF Hubへのプッシュ、既存のHuggingFaceファインチューニング用の自己完結型再実行スキルの生成に使用します。画像分類、物体検出、セマンティック/インスタンス/パノプティックセグメンテーション、深度推定、画像テキスト変換VLM（SFT / LoRA）、LLM SFT / DPO / GRPOに対応します。6段階のワークフロー：調査と適格性確認、ハードウェアとNGCイメージ、調査、生成とスモークテスト、学習 + 評価 + 推論、プッシュと再実行スキルの生成。専用の `skills/models/*` スキルが対象とするHugging FaceモデルIDには使用しないでください。モデルスキルと、そのスキルで宣言された実行環境が優先されます。
Iris は AI 向け製品を包括する Redis のブランドです。Redis Cloud 上の Iris Redis Agent Memory（RAM）データプレーンとの統合時にこのスキルを使用します。AI エージェントのセッションイベントの記録、長期メモリの作成や検索、メモリストアの設定、バックグラウンドでのメモリ昇格の調整などが対象です。コード例では公式の `redis-agent-memory`（Python）および `@redis-iris/agent-memory`（TypeScript）SDK を使用します。
コードベース全体に GDPR 準拠のエンジニアリング手法を適用します。API の設計、データモデルの作成、認証フローの構築、ログ記録の実装、ユーザーデータの処理、データ保持/削除ジョブの作成、クラウドインフラの設計、プライバシー準拠に関するプルリクエストのレビューに使用します。個人データ、ユーザーアカウント、Cookie、分析、メール、監査ログ、暗号化、仮名化、匿名化、データエクスポート、侵害対応、実データを処理する CI/CD パイプラインに関わるタスクや、「これは GDPR に準拠していますか？」という形式の質問で起動します。CNIL の開発者向けガイダンスと GDPR 第 5、25、32、33、35 条に着想を得ています。
FT.CREATE のスキーマ設計、フィールド型の選択（TEXT、TAG、NUMERIC、GEO、GEOSHAPE、VECTOR、JSON path）、DIALECT 2 のクエリ構文、FT.SEARCH / FT.AGGREGATE / FT.HYBRID コマンドの選択、HNSW または FLAT によるベクトル類似度検索、語彙とベクトルのランキングを組み合わせたハイブリッド検索、RAG パイプライン、エイリアスを使ったダウンタイムなしのインデックス更新、FT.PROFILE と FT.EXPLAIN によるデバッグなど、Redis Search のガイダンスを提供します。Hash または JSON ドキュメントの検索インデックス定義、フィルター・ソート・集計・ベクトル KNN を含む FT.SEARCH クエリの作成、HNSW パラメーターの調整、RAG 検索パイプラインの構築、検索結果が遅い、または空になる問題のトラブルシューティングに使用します。
Windows ワークブック自動化向けの Excel MCP Server スキルです。アシスタントが Excel ファイルの作成、確認、変更、書式設定、分析に豊富な MCP ツールを必要とする場合に使用します。Power Query (M)、Data Model/DAX、PivotTables、テーブル、範囲、グラフ、スライサー、書式設定、スクリーンショット、VBA マクロ、接続、計算モードに対応します。トリガー：Excel、スプレッドシート、ワークブック、xlsx、xlsm、Power Query、DAX、PivotTable、グラフ、ダッシュボード、VBA、MCP。
ユーザーがフォロワーの増加を追跡したい場合、新規フォロワーを獲得する要因を把握したい場合、またはオーディエンスの成長を分析したい場合に使用します。「フォロワーの増加」「フォロワー」「オーディエンスの成長」「フォロワーを増やす」「フォロワーを失う」「誰がフォローしているか」「オーディエンスを拡大する」などに言及した場合も使用します。利用可能な場合は BlackTwist のフォロワーデータを使用します。投稿単位の指標については performance-analyzer-sms を参照してください。コンテンツのパターンについては content-pattern-analyzer-sms を参照してください。
すべての TAO ワークフローまたはアクションに必須の起動前ゲートと、4 動詞の実行契約です。実行プラットフォームを問わず、副作用を伴う処理（AutoML、train、evaluate、inference、export、TensorRT エンジン生成、DEFT/アプリケーションのワークフロー）を開始する前に呼び出します。プラットフォーム選択、認証情報、イメージ確認、データセット受け入れ、事前チェック、起動レビュー、ジョブ記録、監視、失敗／再試行の分類を扱います。トリガーとなる表現には「このモデルをトレーニング」「AutoML を実行」「SLURM/docker/k8s/brev/virtualenv で起動」「チェックポイントを評価」「TAO ジョブを開始」などがあります。
Spring Data JPA と Hibernate 向けに、Kotlin の永続化コードを適切にモデル化します。エンティティ設計、識別子と等価性、一意性制約、リレーション、フェッチプラン、Kotlin 特有の一般的な ORM（オブジェクトリレーショナルマッピング）の落とし穴を扱います。JPA（Java Persistence API）エンティティの作成やレビュー、N+1 や LazyInitializationException の診断、インデックスや一意性ルールの設定、データクラスのエンティティや壊れた equals/hashCode など Kotlin 固有のバグの防止に使用します。
BigQuery の最適化（キャパシティ計画、エディション）、ストレージ資産（パーティショニング、クラスタリング、ストレージライフサイクル、課金モデル）、SQL クエリを最適化するワークフローを提供。コスト最適化、Edition 移行のモデル化、予約の適正化、論理ストレージと物理ストレージの評価、テーブルのパーティショニング・クラスタリングの設計、テーブル DDL の生成、パーティション未設定テーブルの移行、パーティション有効期限の管理、個別の SQL クエリ最適化、-accelerated 構造（検索インデックス、マテリアライズドビュー、BI Engine）の評価で使用。生の使用量レポート（bigquery-observability を使用）、クエリ実行計画の分析、エラー調査、特定のジョブが遅い原因の診断（bigquery-troubleshooting を使用）には使用しないでください。
HuggingFace のコンピュータービジョンモデルを NVIDIA TAO Toolkit エコシステム（tao-core 設定、tao-pytorch トレーナー、tao-deploy TensorRT パイプライン）に統合します。ユーザーが「HuggingFace モデルを TAO に統合」「HF モデルを TAO Toolkit に追加」「HuggingFace ViT/DETR/ SegFormer を tao-pytorch に接続」「HF CV モデル用の TAO トレーナーとデプロイパイプラインを構築」と依頼した場合や、HuggingFace モデルの URL/ID を提示して TAO モデル化を希望した場合に使用します。前提条件の確認、HuggingFace の調査と検証、コードベースの調査、tao-core の設定とネイティブトレーナーの実装、ONNX エクスポートと TensorRT デプロイの統合、パッケージ化と L0 テスト、コンテナベースのエンドツーエンド検証、（条件に応じた）精度・レイテンシの調整という全 7 フェーズを扱います。分類、物体検出、セマンティック／インスタンス／パノプティックセグメンテーション、ゼロショット検出、深度推定に対応します。
実際に壊れている、失敗している、または遅い BigQuery ジョブ、エグゼクショングラフやクエリプランの段階でのボトルネック、システムの問題、または異常にコストの高いワークロードに対して、診断ワークフローと段階的な根本原因分析手順を提供します。症状の解釈、ボトルネックの特定、コスト急増の診断（オンデマンドのクエリ実行費、処理能力スロットの自動スケーリング、ストレージ増加）、エグゼクショングラフの各段階やサブステップの変数の特定、根本原因の特定、是正手順の決定.STRUCTION_ROOTS_User_uses_document_healthchecks_for_context_building_about_mcp__validator_invalid_return_value_detected。SQL の記述や最適化、先行的なキャパシティ計画、ストレージレイアウト設計（bigquery-optimization を使用）、あるいはユーザーが必要なテレメトリを特定済みでクエリだけが必要な場合（bigquery-observability を使用）には使用しないでください。
生動画を VLM/LLM の蒸留によって思考連鎖の学習データに変換する、複数段階の動画アノテーションパイプラインです。複数レベルのキャプション、構造化された説明、推論トレース付きの QA ペア（MCQ、二択、自由回答）を生成します。ユーザーが「動画学習データを作成」「動画 QA データセットを生成」「動画から CoT 推論トレースを構築」「動画を自動ラベル付け」したい場合や、video_reasoning_annotation パイプラインを実行する場合に使用します。トリガーには「video annotation」「video CoT」「video QA」「chain-of-thought」「video captioning pipeline」「video distillation」などがあります。
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。