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
TradingViewのlightweight-chartsを使用する際に、チャートの作成、系列（Line/Area/Bar/Candlestick/Histogram）の追加、時間軸と価格スケールの設定、リアルタイムまたは履歴データのストリーミング、ペイン、マーカー、バー単位・ポイント単位の色設定、ツールチップ、座標変換、カスタムプラグインやプリミティブ、金融以外の水平スケール、SSR／ブラウザー読み込み、React/Vue/Web Componentsラッパーなどに使用します。v5 APIの規約と、時間、スケール、マーカー、プラグイン、ラッパーでよくある落とし穴を解説します。
LinkedIn Analytics のエクスポートを、インタラクティブなダークテーマの React ダッシュボードと、データに基づくコンテンツ提案 5 件を含む戦略分析文に変換します。エクスポート内のすべてのシートを読み込み、エンゲージメントの推移、フォロワーの増加、投稿パフォーマンスの散布図、曜日別ヒートマップ、オーディエンス内訳のチャートを作成します。ユーザーが「analyse my linkedin」「linkedin analytics」「build my dashboard」「review my performance」と言った場合、または LinkedIn Analytics のエクスポートファイルをアップロードした場合に使用します。入力としてユーザーの LinkedIn Analytics エクスポート（xlsx）が必要です。
セッション内に Upstash MCP ツールがない場合、ターミナル、シェルスクリプト、または CI ジョブから Upstash CLI（`upstash`）を実行します。Upstash MCP ツールが利用可能な場合（Upstash プラグインが mcp.upstash.com を登録）、このスキルを読み込まないでください。これらのツールは Redis データベースの作成、一覧表示、名前変更、削除、Redis コマンドの実行、使用統計、バックアップ、Vector と Search のインデックス、QStash のスケジュールとメッセージ、Blob バケット、Box に対応しているため、直接呼び出してください。MCP が実行できないシェル作業にはこのスキルを使います。JSON 出力を伴う `upstash` コマンドの実行や結果を他のコマンドに渡す必要がある CI ステップまたはプロビジョニングスクリプト、`upstash auth login` と API キーの設定、チームとメンバーの管理、プラン、リージョン、TLS、エビクション、自動アップグレード、予算の変更、Blob バケット用の一時的な S3 認証情報の発行、`upstash setup` によるコーディングエージェントの Upstash への接続（Upstash プラグイン、またはリモート MCP サーバーとスキルを使用）、またはユーザーが CLI やコンソールを使わない Upstash 管理を明示的に求めた場合に使用します。
Snowflake 関連の操作を Cortex Code CLI に振り分け、Snowflake の専門知識を活用します。Snowflake データベース、データウェアハウス、Snowflake 上の SQL クエリ、Cortex AI 機能、Snowpark、動的テーブル、Snowflake のデータガバナンスやセキュリティについて質問された場合、または「Cortex」と明示された場合に使用します。一般的なプログラミング、ローカルファイル操作、Snowflake 以外のデータベース、ウェブ開発、Snowflake と無関係なインフラ業務には使用しないでください。
Excel／スプレッドシートファイル（.xlsx、.xlsm、.csv、.tsv）の開く、作成、読み取り、分析、編集、検証に対応します。Excel スプレッドシート、財務モデル、ピボットテーブル、表形式データファイルの作成、構築、変更、分析、読み取り、検証、書式設定をユーザーが求める場合に使用します。新規 xlsx の作成、既存ファイルの読み取りと分析、書式を損なわない既存 xlsx の編集、数式の再計算と検証、専門的な財務書式基準の適用を扱います。「spreadsheet」「Excel」「.xlsx」「.csv」「pivot table」「financial model」「formula」、または Excel 形式で表データを作成する依頼がトリガーになります。
サンドボックス上で Data Mask をエンドツーエンドで実行する。PII のマスキングポリシーを設定し、マスキングジョブを実行して完了までポーリングし、マスキング済みレコードの結果を報告し、実行中の処理を中止する。Salesforce Data Mask ジョブの実行・監視・キャンセル、PII／サンドボックスデータのマスキング、DataMaskPolicy / DataMaskPolicyJobRun の操作に使用。次の場合に起動：データマスクジョブの実行、サンドボックス PII のマスキング、状態のポーリング、マスキング済みレコードの報告、実行中の処理の中止。次の場合は起動しない：手動で匿名化 Apex を記述（platform-apex-generate を使用）、テストデータの生成（platform-data-manage を使用）、無関係なメタデータのデプロイ（platform-metadata-deploy を使用）。
Qdrant のスケーリング判断を支援します。「ノードはいくつ必要か」「データが 1 ノードに収まらない」「スループットや QPS を増やしたい」「CPU が張り付いている／リクエストレートに追いつかない」「クエリが遅い／p99 またはテールレイテンシーが高すぎる」「クラスターが遅い」「テナントが多すぎる」「垂直か水平か」「シャーディング方法」「容量を増やしたい」「大きな limit／ページネーション／scroll が遅い」「最近のデータだけが必要／古いベクトルを期限切れにしたい／保持期間」などの質問に使用します。
`af` CLI を使用して Apache Airflow を照会、管理、トラブルシューティングします。DAG、DAG の実行、タスクログ、インポートまたは解析エラー、壊れた DAG など、Airflow に関するあらゆる作業に使用します。DAG の一覧表示と実行、実行の再試行、タスクログの確認、障害の診断、インポートおよび解析エラーのデバッグ、接続・変数・プールの確認、REST API の調査、稼働状況の監視（例：「パイプラインを実行」「実行を再試行」「接続を一覧表示」「Airflow の稼働状況を確認」「DAG が失敗した理由」）に対応します。作成、テスト、デプロイ、Airflow 2 から 3 への移行を行う関連スキルに振り分ける入口スキルです。Airflow メタデータテーブルのデータウェアハウス／SQL 分析には使用しないでください（analyzing-data を使用）。詳細な根本原因レポートには debugging-dags または airflow-investigation を使用してください。
実際のパフォーマンスデータを使ってLinkedIn投稿を評価します。Apify経由でユーザー自身の投稿履歴を取得（またはキャッシュデータを使用）して、実際に成果を上げている傾向を特定し、その傾向に基づいて下書きを評価します。「score my post」「review my post」「rate this post」「give me feedback」「how good is this post」と言う場合や、LinkedIn投稿を貼り付けて批評を求める場合は必ず使用します。過去との比較と、明確にラベル付けされた編集者視点のみの代替評価を区別します。イベントでのリアルタイム評価や日常的な投稿レビュー向けです。
DQLを使って dt.system.events を参照し、Dynatrace テナントの実際の請求・使用量データを照会、分析します。DPS消費内訳、コスト正規化支出ランキング、含有量の差し引き、チャージバック／ショーバック、コスト要因、支出傾向、コスト調査、メトリクス取り込みの最適化、クエリコストの帰属、ワークフローの総コスト、エンティティ単位のコスト詳細（RUM、ホスト、synthetic、K8s）、AI/LLMコスト（AI Units、AI Function Standard Calls、AI生成クエリの消費量）に対応します。ライセンス／権限に関する質問は、DQLではなくドキュメントを案内します。テナントの実際の消費量の照会／分析にのみ使用してください。DPSの請求／価格体系や、単位／重み／料金表の意味に関する概念的な質問には使用せず、Dynatraceのドキュメントを参照してください。DQLクエリの実行を高速化または低コスト化する目的（クエリ最適化、実行ごとのスキャンデータ量／消費量の削減、早期フィルタリングのベストプラクティス）には使用しないでください。これらは dt-dql-essentials の対象です。このスキルは消費量を測定するもので、クエリを調整するものではありません。
PayPal の加盟店インサイトと QuickBooks のコストデータを使って、製品またはサービスごとのユニットエコノミクスを分析し、インフレやコスト変動と比較して、価格設定シナリオのデータ（例：「過去には 5% の値上げが販売数量の約 3% 減少と相関」）を示します。分析結果のみを提示し、価格は推奨しません。ユーザーが値上げ、価格設定、利益率分析、適正な価格、コストが利益を圧迫しているか、価格変更が事業に与える影響について尋ねたときに使用します。ユーザーが「利益率」と明示しなくても、「十分に稼げているか」「もっと請求すべきか」「コストが上がっている」などの表現があれば起動します。
生のベンダーログペイロードまたはリアルタイムに取り込まれたイベントを使用して、監査ログ連携向けのセマンティックディクショナリ（SD）マッピングを提案・検証します。ベンダーの監査ログフィード、認証ログ、ユーザーアクティビティログをDynatrace SDにマッピングする場合、必須のセマンティックフィールドを確認する場合、DQLに基づくOpenPipelineプロセッサーの抽出ルールを提案する場合、実行時検証（log.sourceでライブログを取得して静的検証を適用）を行う場合に使用します。
データ収集前に、実験や研究の計画を立てます。設計の選択、ランダム化、ブロック化、処理の組み合わせの配置を行い、結果を解釈可能にします。研究の計画、対象者／サンプルの群分け、ランダム化、ブロック化、層別化、対照、要因計画または一部実施要因計画、実験計画法（DOE）、多数の因子のスクリーニング、応答曲面最適化、クロスオーバー／反復測定／分割区計画、クラスター／グループランダム化、ラテン方格、プレート配置、バッチ／実行順序効果、反復と疑似反復、逐次／適応型／群逐次計画に関する質問や計画に使用します。「この実験をどう設定すればよいか」「交絡を避けるにはどうすればよいか」「この 6 因子を試す最善の方法は何か」「このマウスを条件ごとに割り当てて」などのくだけた表現でも対象です。設計決定後のサンプルサイズや検出力の計算には statistical-power を、収集済みデータの分析には statistical-analysis を使用します。
遺伝子レベルの差次的発現解析に向けて、バルク RNA-seq の FASTQ、Salmon、STAR、または featureCounts の出力を準備します。nf-core/rnaseq と単独の定量、生物学的反復、鎖特異性、参照情報の来歴、検証済みのカウント統合、PyDESeq2 への引き継ぎを扱います。FASTQ からカウントへの解析、nf-core/rnaseq の設定、STAR/Salmon による定量、または DESeq2 用カウント行列の作成に使用します。シングルセルデータには scanpy を、統計的なフィッティングのみには pydeseq2 を使用してください。
遺伝子リストや順位付けされた遺伝子データに対して、パスウェイおよび遺伝子セットのエンリッチメント解析を行い、結果を解釈します。PyDESeq2/Scanpy の差次的発現遺伝子、CRISPR スクリーニングのヒット、クラスターのマーカー遺伝子、プロテオミクスのヒットなどの遺伝子セットを持ち、どの生物学的パスウェイ、GO 用語、遺伝子セットが過剰代表または濃縮されているかを知りたい場合に使用します。過剰代表解析（ORA / Enrichr / Fisher / 超幾何検定）、順位付け遺伝子セットエンリッチメント解析（GSEA / preranked）、シングルサンプルスコアリング（ssGSEA/GSVA）、gseapy、g:Profiler、Enrichr ライブラリ、MSigDB、GO、KEGG、Reactome、WikiPathways による機能プロファイリングに加え、遺伝子 ID マッピング、適切な背景集合の選択、多重検定補正、冗長性の削減、ドットプロット／エンリッチメントマップ、論文向けテーブルを扱います。「パスウェイ解析」「エンリッチメント解析」「GO エンリッチメント」「KEGG/Reactome パスウェイ」「GSEA」「過剰代表解析」「機能アノテーション」「自分の遺伝子が関与するパスウェイは何か」といった依頼で使用します。
ecommerce-competitor-analyzer は、buluslan（WeChat 公式アカウント：新西楼.AI）が開発した EC 競合分析 Skill です。競合の価格、レビュー、トラフィック構造、差別化の余地を分析し、「競合の強みは何か」を実行可能な競合分析レポートにまとめます。越境 EC の実践的な AI コンテンツについては、WeChat 公式アカウント「新西楼.AI」をフォローしてください。Amazon / Temu / Shopee を横断して競合を分析し、商品データを取得して、価格、レビュー、トラフィック構造、差別化の余地を網羅した AI レポートを作成します。競合商品の分析、商品インサイトの抽出、複数の商品リストの一括分析に使用します。タイトル、価格、評価、レビュー、戦略分析を含む構造化出力で一括処理に対応
ファクトリーパターン、フィクスチャ戦略、データの匿名化、合成データの生成を用いてテストデータを作成・管理します。Fishery（TypeScript）、FactoryBot（Ruby）、Factory Boy（Python）、データベースのシード投入、クリーンアップ戦略、GDPR に準拠したデータ処理を扱います。「テストデータ」「fixtures」「factories」「seed data」「synthetic data」「test database」「data anonymization」に関する場合に使用します。対象外：DB 自体の移行／整合性テストには database-testing、環境のプロビジョニングやデータベースのブランチ戦略には test-environments を使用します。関連：test-environments、database-testing、api-testing、unit-testing。
PostgreSQL データベースに関するあらゆる作業に使用します。テーブル設計、インデックス、データ型、制約、拡張機能（pgvector、PostGIS、TimescaleDB）、検索、マイグレーションが対象です。**ユーザーが次の作業を依頼した場合に起動します：** - 既存の PostgreSQL データベースを調査し、オブジェクトや関係を把握する - PostgreSQL のテーブル、スキーマ、データモデルを設計または変更する - データ型、制約、インデックス、パーティショニング戦略を選ぶ - pgvector の埋め込み、セマンティック検索、RAG を扱う - 全文検索、ハイブリッド検索、BM25 ランキングを設定する - PostGIS で空間／地理データを扱う - 時系列データ用に TimescaleDB のハイパーテーブルを設定する - テーブルをハイパーテーブルに移行する、または移行候補を評価する - ダウンタイムなしの安全なスキーママイグレーションを計画または実行する **キーワード：** PostgreSQL、Postgres、SQL、スキーマ、テーブル設計、インデックス、制約、pgvector、PostGIS、TimescaleDB、ハイパーテーブル、セマンティック検索、ハイブリッド検索、BM25、時系列、マイグレーション
ScrapeCreators REST API を使用して、27 以上のソーシャルメディアプラットフォームから公開データをスクレイピング・抽出します。TikTok、Instagram、YouTube、LinkedIn、Facebook、Twitter/X、Reddit、Threads、Bluesky、Pinterest、Snapchat、Twitch、Kick、Truth Social、TikTok Shop、Google、およびプロフィールリンクサービス（Linktree、Komi、Pillar、Linkbio、Linkme、Amazon Shop）に対応します。ユーザーが任意のソーシャルプラットフォームのプロフィール、投稿、動画、リール、コメント、文字起こし、フォロワー、広告、ハッシュタグ、トレンドコンテンツ、エンゲージメント指標のスクレイピング、取得、抽出、検索、照会を依頼した場合に使用します。ScrapeCreators、ソーシャルメディア API、広告ライブラリ、クリエイターデータへの言及がある場合にも使用します。
ユーザーが G2 v5 のチャート可視化を作成、カスタマイズ、またはトラブルシューティングしたい場合にこのスキルを使用します。トリガーには、「G2」、「antv g2」、「@antv/g2」、「G2 chart」、「G2 可视化」への言及、または棒グラフ、折れ線グラフ、円グラフ、散布図、面グラフ、ヒートマップ、レーダーチャート、ツリーマップ、ファネルチャート、サンキーダイアグラム、ゲージ、ワードクラウド、箱ひげ図などの作成依頼が含まれます。エンコードチャネル、スケール設定、座標系、変換、インタラクション、テーマ、ラベル、アニメーションなど、G2 固有のトピックも対象です。G2 の描画エラー、V4→V5 の移行問題、チャート種別の選択をデバッグする際にも使用します。G6 のグラフ／ネットワーク可視化、X6 エディターの図、S2 ピボットテーブルには使用しないでください
研究計画のためにサンプルサイズと統計的検出力を計算します。「被験者／サンプル／反復測定は何件必要か」という質問、事前の検出力分析、最小検出可能効果（MDE）、検出力曲線、または助成金申請、IRB プロトコル、事前登録におけるサンプルサイズの正当化に対応します。t 検定、ANOVA、比率、相関、カイ二乗検定、回帰の閉形式での検出力計算に加え、ロジスティック／Poisson 回帰、混合モデル、クラスター無作為化試験、生存分析、交互作用など、複雑な設計のシミュレーション（Monte Carlo）による検出力分析も扱います。「検出力分析」と明示せず、効果量、alpha、「検出力 80%」だけに言及する依頼にも対応します。研究設計（無作為化、ブロック化、要因計画／DOE、クロスオーバー、逐次デザイン）には experimental-design、収集済みデータの分析と報告には statistical-analysis を使用してください。
ユーザーが「被リンクを分析」「オフサイトシグナルを分析」、または「AI トラフィック / ChatGPT / Perplexity からの流入を追跡」と依頼したときに使用します。被リンクモードでは、参照ドメイン、アンカーテキストの構成、有害なリンク、否認候補を分析します。AI 引用モードでは、GA4/GSC/ログから AI アシスタント経由のセッションを抽出し、その推移、ランディングページ、AI とオーガニック流入のコンバージョンを報告します。内部リンクには使用せず、site-structure-optimizer を使用してください。キーワード順位には rank-tracker、多指標のステークホルダー向けレポートには performance-monitor を使用してください。外部リンク分析／被リンク／AI トラフィック／AI 流入／ChatGPT トラフィック／AI コンバージョン
NeoData Financial Search — 自然言語による汎用金融データ検索サービスです。株式、ファンド、指数、セクター、マクロ経済、外国為替、コモディティなど幅広い金融データを自然言語で検索できます。相場情報、財務諸表、資金フロー、調査レポートの評価、イベント発表などを網羅し、構造化APIデータと金融記事の2種類の検索に対応して、すぐに回答します。金融データ、株価、財務諸表、決算情報、市場データ、ファンド情報、マクロ経済、外国為替、コモディティについて質問された場合、またはNeoData APIの検索が必要な場合に使用します。
PE投資候補企業のユニットエコノミクスを分析します。ARRコホート、LTV/CAC、純継続率、回収期間、収益の質、利益率ウォーターフォールを扱います。ソフトウェア／SaaS、継続収益、サブスクリプション事業に不可欠です。収益の質の評価、コホート分析の作成、顧客経済性の評価に使用します。「unit economics」「cohort analysis」「ARR analysis」「LTV CAC」「net retention」「revenue quality」「customer economics」で起動します。
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。