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
マルチモーダル AI による画像認識と分析。ユーザーが画像の分析や説明、画像 URL からの情報抽出を希望する場合、または image recognition、image analysis、image description、image content understanding、OCR text recognition、visual Q&A について尋ねる場合に、このスキルを起動します。画像認識、画像分析、画像の説明、画像内容の特定、商品画像の分析、画像内テキストの読み取り、画像の説明、視覚情報の抽出、写真内容の理解に言及した場合にも起動します。画像 URL が提示され、その視覚的内容について質問された場合は、「画像認識」と明示されていなくても起動します。
Brand Registry所有者向けにAmazon Brand Analyticsを解釈し、戦略的な洞察を提供します。Search Frequency Rank（SFR）データの解読、Market Basketパターンの分析、Item Comparisonレポートの解釈、人口統計的な洞察の抽出を通じて、商品戦略と広告費を最適化します。すべてのAmazonマーケットプレイスのBrand Analyticsデータに対応します。Brand Registryへのアクセスが必要です。次の場合に使用します：(1) Search Frequency Rankデータを分析してキーワード機会を探す、(2) Market Basketデータを解釈してクロスセルやバンドル販売を行う、(3) Item Comparisonの競争上の位置付けを把握する、(4) 顧客の人口統計的な洞察を抽出する、(5) 顧客行動に基づいて商品ポートフォリオを最適化する、(6) データに基づく広告戦略を構築する。
データベースの整合性を検証し、マイグレーションの順方向・逆方向テスト、スキーマ制約の確認、シードデータの管理、マイグレーションのずれの検出、クエリ性能の問題の特定を行います。Prisma、TypeORM、Drizzle、SQLAlchemy を使用する PostgreSQL、MySQL、MongoDB と、Testcontainers のテストデータベースに対応します。使用するケース：「database test」「migration test」「migration rollback」「rollback test」「data integrity」「SQL test」「schema validation」「seed data」「query performance」「Testcontainers」。対象外：大規模な合成データの生成・マスキングには test-data-management、Docker/IaC のテスト環境構築には test-environments、SQL インジェクションには security-testing を使用してください。関連：test-data-management、test-environments、security-testing、ci-cd-integration。
物体検出、画像セグメンテーション、ビジュアルAIシステム向けのコンピュータービジョンエンジニアリングスキルです。CNNとVision Transformerのアーキテクチャ、YOLO/Faster R-CNN/DETRによる検出、Mask R-CNN/SAMによるセグメンテーション、ONNX/TensorRTを使った本番デプロイを扱います。PyTorch、torchvision、Ultralytics、Detectron2、MMDetectionのフレームワークを含みます。検出パイプラインの構築、カスタムモデルの学習、推論の最適化、ビジョンシステムのデプロイに使用します。
Davisアナライザーを使用してダッシュボードやノートブックを分析し、異常検知、新規性スコアリング、相関分析を行います。ユーザーが特定のDynatraceダッシュボードまたはノートブック（URL、UUID、名前で指定）に言及し、表示内容、実行されるDQLクエリ、タイルの異常の有無について尋ねる場合や、異常の検出、新規性の評価、メトリクスの相関分析を求める場合に使用します。一般的なDQLの質問ではなく、ダッシュボードまたはノートブックがデータソースであることが起動条件です。このスキルはドキュメント全体の生JSONを読み込まずに時系列クエリを効率よく抽出し、必要に応じて抽出したメトリクスにDavisアナライザーを実行します。トリガーフレーズ：「このダッシュボードの問題点は？」「このノートブックを分析」「異常を検出」「新規性スコア」「メトリクスを相関」「ダッシュボードからDQLを抽出」「ダッシュボードURL」「タイル」「run-analyzer」「時系列抽出」「Davisアナライザー」。
Funda AI の金融データを 2 つのインターフェースから検索します。アナリスト水準の調査統合（DCF、類似企業比較、決算のプレビュー／レビュー、セクターの詳細分析、SEC 提出書類、書き起こし、サプライチェーンのマッピング、所有権の動向、マクロ分析）には、agent_chat ツール経由で https://funda.ai/api/mcp の MCP サーバーを使用します。または、FUNDA_API_KEY を使って https://api.funda.ai/v1 の REST API から生データ（リアルタイム相場、日中足、終値、財務諸表、オプションチェーン／グリークス／GEX、サプライチェーン KG、ソーシャルセンチメント、ニュース、カレンダー、FRED、ESG、議会議員の取引、AI 採用シグナル）を取得します。トリガー：「funda」「funda.ai」、リアルタイム相場、株価、日中、貸借対照表、損益計算書、オプションチェーン、DCF、類似企業比較、決算プレビュー／レビュー、アナリスト予想、10-K/10-Q/8-K、書き起こし、所有権の動向、ガンマエクスポージャー、サプライチェーン、セクターの詳細分析、議会議員の取引、FRED。統合・分析の質問には MCP を優先し、MCP が対応しない生の構造化データには REST を使用します。
opencli を通じて、ユーザーのローカルな TradingView デスクトップアプリから、価格、グリークスと行使価格ごとの IV を含むオプションチェーン、オプションの満期、株式・暗号資産・外国為替・先物・債券のスクリーナー結果、値上がり銘柄と値下がり銘柄、ニュースの見出しと全文、アラート（有効、発火済み、オフライン発火）、色付きフラグリストを含むウォッチリスト、銘柄検索、チャート状態、チャートのスクリーンショットを読み取ります。TradingView（「TV」）のこれらの情報をユーザーが求めたときに使用します。たとえば、銘柄のオプションチェーン、プット、IV スキュー、売られ過ぎ銘柄のスクリーナー、赤いフラグのリスト、発火したアラート、チャートのスクリーンショットなどです。デスクトップアプリを使わない通常の価格照会、TA の読み取り、スキャン、先物には tradingview-mcp を優先します。読み取り専用で、取引の発注やウォッチリスト、アラート、レイアウトの編集は行いません。
pandas を使って、複数の CSV、TSV、Excel ファイル（複数シートのブックを含む）を結合、追加、連結、重複排除します。不一致の列名を単一のスキーマに対応付け、キーを正規化し、値の競合を解決し、各行の出典ファイルを追跡して、行数の計算を検証します。スプレッドシートやエクスポートファイルの結合、月別ファイルの積み重ね、連絡先や見込み顧客リストの統合、ID またはメールアドレスで 2 つのシートを VLOOKUP のように結合、または複数のソース間でレコードを重複排除したい場合に使用します。「これらをまとめて」や「これらのリストを 1 つに整理して」とだけ言われた場合も対象です。
ユーザーが G6 v5 のグラフ／ネットワーク可視化の作成、カスタマイズ、トラブルシューティングを希望する場合は、このスキルを使用します。「G6」、「antv g6」、「@antv/g6」、「G6 graph」、「G6 图」、「网络图」、「关系图」、「拓扑图」、「树形图」、「流程图」、「思维导图」、「鱼骨图」、「力导向图」、「force graph」、「network visualization」、「node-edge diagram」、「graph layout」、「tree layout」、「dagre layout」、「mindmap」、「social network」への言及や、G6 のノードスタイル、エッジタイプ、振る舞い、プラグイン、レイアウト、コンボ、データ構造に関する依頼が対象です。G6 の描画エラー、v4 から v5 への移行、グラフ操作の問題のデバッグにも使用します。G2 の統計チャート、X6 エディターの図、S2 のピボットテーブルには使用しないでください。
A株および関連市場の実データを取得するコードを書く必要があるタスクで使用します。対象は、相場・K線・ティック（Tencentの日次・週次・月次の前後調整、分足、当日ティック、通達信公式サイトの全市場引け後パッケージ、百度）、調査レポート（東財・新浪・同花順・iwencai）、シグナル（注目テーマ・北向資金・龍虎榜・ロックアップ解除・業種・セクター資金流）、資金関連（信用取引・大口取引・株主数・配当・資金流・ETF口数）、ニュース（財聯社・東財・華爾街見聞・新聞聯播）、財務三表/F10/過去のバリュエーション/ST銘柄一覧、公告（巨潮）、値幅制限取引（ストップ高銘柄一覧・連続ストップ高・急落率・監視リスト・異常変動）、ETFオプション、世論・交流（互動易・上証e互動・人気ランキング）、チップ分布、調整係数、申万業種の変遷、マクロ・金利（社会融資総量/PMI/中債利回り曲線/レポ基準金利/LPR/世界マクロカレンダー）、指数の構成銘柄・比率・評価・取引カレンダー、先物・コモディティ（5つの先物取引所の日次相場/商品・株価指数オプション/保有ポジション順位/大商所を含む先物日足/リアルタイム先物/A50/上海金）、イベント関連（業績予告・機関投資家調査・持ち株の増減・自社株買い・株式質権設定・新規株式申込）、転換社債などです。15層・87エンドポイント（予備5件を含む）・34ソース。実行可能なコードをすべて内蔵し、外部ファイル不要の自己完結型です。Tencentや取引所公式など、IPをブロックしないソースを優先します。東財インターフェースにはブロック防止のレート制限が組み込まれており、主要ソースがブロックされた場合は「备用源速查」で代替ソースを確認できます。データ取得のためにデータインターフェースを呼び出す必要がある場合にのみ使用してください。A株の概念説明、投資見解の議論、戦略に関する質問など、データ取得不要の話題ではこのスキルを読み込まないでください。
想定したアクセスパターンに基づいて Elasticsearch のインデックスマッピングを設計・レビューする。適切なフィールド型、text+keyword のマルチフィールド、doc_values のチューニング、マッピング爆発の回避、明示的なシャード設定を対象とする。新しいインデックスを作成するとき、ストレージやクエリ性能のためにマッピングをレビューするとき、誤ったフィールド型を直すとき、または検索・フィルター・ソート・集計に使う型についてユーザーから質問されたときに使う。
1000 Genomes Project データセット（全ゲノムシーケンス済みの個体 3,202 人、GRCh38）を個体単位で検索します。1000 Genomes Project コホートの個体や変異に関する質問に使用します。特定の遺伝子または領域で条件に合う変異を持つ個体、ある位置でホモ接合参照型の個体、データセットに存在する変異または指定個体が遺伝子・領域内に持つ変異、指定された 2 個体間の血縁関係を調べられます。変異には 1000 Genomes の対立遺伝子頻度（AF）、gnomAD v4.1 のエクソームおよびゲノム AF、AlphaMissense スコア、HGVSp アノテーションが付属します
DuneSQL を使ったブロックチェーンおよびオンチェーンデータのクエリ、デコード済みコントラクトテーブルの検索、保存済みクエリ・可視化・ダッシュボードの管理、Dune のクレジット使用量の監視を行う Dune CLI です。ブロックチェーンデータ、オンチェーン分析、トークン送金、DEX 取引、スマートコントラクトイベント、ウォレット残高、Ethereum/EVM チェーンのクエリ、DuneSQL、可視化、チャート、ダッシュボードについて質問された場合、または "query Dune"、"search Dune datasets"、"run a Dune query"、"create a dashboard"、"manage dashboard" と言われた場合に使用します。
スケーラブルなデータパイプライン、ETL／ELT システム、データインフラを構築するためのデータエンジニアリングスキルです。Python、SQL、Spark、Airflow、dbt、Kafka、モダンデータスタックに精通しています。データモデリング、パイプラインオーケストレーション、データ品質、DataOps を含みます。データアーキテクチャの設計、データパイプラインの構築、データワークフローの最適化、データガバナンスの実装、データ問題のトラブルシューティングに使用します。
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。