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
ユーザーが「ナラティブの浸透度を測りたい」「エコー率を自社の基準語彙と照合して追跡したい」「AI回答エンジンが自社ブランドをどう表現するか確認したい」と依頼した場合に使用します。共鳴レポートを作成します。内容は、エコー率（市場の言葉とnarrative-registryの基準語彙の重複度。手法を明記）、tavily.py --answerによるAI回答の認知（代理指標と明記）、固定した競合パネルでの声のシェア（share-of-voice-trackerを再利用）、bluesky.py / gdelt.py / pageviews.pyからの共鳴シグナルです。すべての数値に「実測／代理指標／ユーザー提供」のラベルを付け、TALEのE次元およびE1の証拠完全性による拒否判断の上流に提供します。声のシェアの仕組みの再構築には使用せず、share-of-voice-trackerを使用してください。自社サイトのGA4/GSC分析には使用せず、performance-monitorを使用してください。TALEプロフィール結果の採点には使用せず、narrative-quality-auditorを使用してください。主張の裁定には使用せず、offer-claims-registryを使用してください。エコー率／AI回答の認知／声のシェア／共鳴シグナル
出品者向けのAmazon競合モニタリングと競合インテリジェンス。競合ASINの価格変更、在庫レベル、新製品の発売、レビュー増加ペース、広告パターンを追跡します。値下げ、在庫切れ、市場の変化に関するモニタリングアラートを設定できます。12のAmazonマーケットプレイスに対応。APIキーは不要です。次の場合に使用します：（1）競合他社の価格戦略の監視、（2）競合他社の在庫や在庫パターンの追跡、（3）カテゴリー内の新製品発売の検出、（4）競合他社のレビュー増加ペースと評価の分析、（5）競合他社の不足点から市場機会を特定、（6）競合アラートとベンチマークの設定。
適用されるフレームワーク（ICH Q2(R2) と Q14、USP <1220>/<1225>/<1226>、ICH M10 バイオアナリティカル、CLSI EP、ISO/IEC 17025）のもとで、分析手順のバリデーション、検証および移転を計画・実施・記録する。HPLC、LC-MS/MS、GC、CE、ICP-MS、溶出試験、qNMR、qPCR、NIR、リガンド結合アッセイまたは細胞ベースアッセイで、その手順が意図した目的に適合しているかが問題になるときに使う。トリガーには「method validation」「analytical method validation」「AMV」「validation protocol」「acceptance criteria」「linearity」「reportable range」「accuracy and precision」「repeatability」「intermediate precision」「recovery」「LOD」「LOQ」「detection limit」「quantitation limit」「specificity」「robustness」「method transfer」「method comparison」「Deming」「Passing-Bablok」「Bland-Altman」「equivalence testing」「OOS investigation」「ICH Q2」「Q2(R2)」「Q14」「USP 1225」「ICH M10」「incurred sample reanalysis」「ISR」「CLSI EP」、およびアッセイが機能することを示すためのあらゆるリクエストが含まれる。
Provisioned（Python DAG）および Serverless（YAML ワークフロー）環境における Amazon MWAA ワークフローの障害を診断し、根本原因を特定します。Provisioned では aws mwaa invoke-rest-api、CloudWatch ロググループ、get-environment を使用し、Serverless では aws mwaa-serverless API（GetWorkflowRun、ListWorkflowRuns、GetTaskInstance）と CloudWatch ログを使用します。実行やタスクの失敗、DAG が表示されない問題、インポートエラー、ワーカーの OOM、IAM による拒否、依存関係のずれに対応します。次の場合に起動します：DAG failed、task failed、workflow run failed、MWAA error、debug my DAG、why did my workflow fail、DAG not showing up、MWAA import error、requirements failing、worker crashed、serverless run failed。ワークフローの作成（authoring-mwaa-workflow が対応）、実行またはスモークテスト（testing-mwaa-workflow が対応）、CI-CD のデプロイ失敗には適用されません。
ESPN の公開エンドポイント、NBA のライブ CDN、NBA Stats（stats.nba.com）を通じた NBA データ。スコア、順位、ロスター、日程、試合概要、プレーごとの記録、負傷情報、先物、デプスチャート、ランキング、ニュースに加え、高度なレーティング、シュートごとのコート座標、キャリア別データ、1946 年までさかのぼる履歴を扱う分析バックエンドを提供します。設定不要で、API キーも必要ありません。NBA のスコア、順位、チームのロスター、日程、試合データ、ボックススコア、プレーごとの記録、負傷情報、移籍、ベッティング先物、デプスチャート、チーム／選手の統計、NBA ニュース、ショットチャート、高度なレーティング／ペース、キャリア統計、NBA の過去シーズンについて質問された場合に使用します。WNBA（wnba-data を使用）、大学バスケットボール（cbb-data を使用）、その他のスポーツについて尋ねられた場合は使用しないでください。
接続→準備→調和→セグメント化→実行のワークフロー向け Salesforce Data Cloud 製品オーケストレーター。次の場合に起動します：複数ステップの Data Cloud パイプラインが必要、各フェーズにまたがる Data Cloud の設定やトラブルシューティングを依頼、データスペースやデータキットを管理、またはフェーズ横断の `sf data360` ワークフローを希望する場合。次の場合は起動しません：単一フェーズのみの作業（対応する sf-datacloud-* スキルを使用）、STDM/セッショントレーシング/parquet テレメトリーのタスク（sf-ai-agentforce-observability を使用）、標準 CRM SOQL（sf-soql を使用）、または Apex の実装（sf-apex を使用）。
MWAA ワークフロー成果物を作成・デプロイします。プロビジョニング済み環境向けの Python Airflow DAG、または Serverless 向けの YAML ワークフローファイルを作成します。オペレーターの選択、タイムアウト設計、再試行戦略、スケジューリング、失敗通知、冪等性、MWAA Serverless スキーマへの準拠を扱います。成果物をデプロイし（S3 への DAG アップロード、または Serverless の CreateWorkflow/UpdateWorkflow）、承認された場合は環境をインラインで作成し、修正を再デプロイします。その後、必要に応じて testing-mwaa-workflow に引き継ぎます。次の場合に起動します：DAG の作成、パイプラインの作成、ワークフローの構築、タスクのオーケストレーション、Airflow DAG、データパイプライン、ジョブのスケジュール、DAG のデプロイ、ワークフローのデプロイ、YAML ワークフロー。プロビジョニング済み環境と Serverless 間での既存 DAG の変換や移行（対象外）、デプロイ済みワークフローの実行やスモークテスト（testing-mwaa-workflow が担当）、失敗した実行の診断（debugging-mwaa-workflow が担当）には適用されません。
Amazon MWAA ワークフローの実行をエンドツーエンドでテストします。Provisioned（Airflow REST API 経由の Python DAG）および Serverless（StartWorkflowRun 経由の YAML ワークフロー）で実行を開始し、完了まで監視します。アーティファクトがデプロイ済みで解析可能であることを確認し、確認後に実行を開始して終端状態までポーリングします。失敗時は、診断を debugging-mwaa-workflow に、アーティファクトの修正や再デプロイを authoring-mwaa-workflow に委任し、上限回数まで再テストします。次の場合にトリガーされます：test my DAG、test my workflow、run my DAG、trigger a test run、does my DAG work、smoke-test the pipeline、verify my workflow runs、execute my DAG to check it。新しいワークフローの作成やデプロイ（authoring-mwaa-workflow が担当）、実行失敗の理由の診断やエラーの根本原因の特定（debugging-mwaa-workflow が担当）には適用されません。
MWAA 環境を新しい Airflow バージョンにアップグレードします。2.x 内、3.x 内、または 2.x から 3.x へのアップグレードに対応します。バージョン移行経路を算出し、必要に応じて 2.11.x の中継段階と Python 移行ステップを挿入します。実行履歴と同一環境（URL/ARN）を維持する必要があるかに応じて、新環境へのアップグレード（ブルーグリーン）、テストコピーで検証したリハーサル済みインプレースアップグレード、または直接のインプレースアップグレードを選択します。3.x への移行では Ruff スキャンと非推奨警告ログのスキャンを実行し、Docker 検証、段階的デプロイ、切り替えも行います。複数セッションで作業を再開できるアップグレード計画を保存します。トリガー：MWAA のアップグレード、Airflow のアップグレード、Airflow 3 への移行、MWAA Airflow 3、Airflow 2 から 3 への移行、Airflow 履歴の保持、同一 MWAA 環境の維持、ブルーグリーン切り替え、切り替え前の検証環境。新しい DAG の作成（authoring-mwaa-workflow）、無関係な DAG の障害のデバッグ（debugging-mwaa-workflow）、MWAA Serverless YAML ワークフローには使用しません（プロビジョニング済みの Python DAG のみ）。
ゲノム区間がフォーマット、ツール、アセンブリの境界をまたぐ前に、座標系間の変換、バリアント表現の正規化と比較、アセンブリや contig 命名の不一致の検出を行い、分析を汚染するのを防ぎます。BED、GFF/GTF、VCF、SAM/BAM、WIG、PSL、genePred、Picard interval_list、地域文字列間の変換、0 起点の半開区間と 1 起点の閉区間の整合、indel の左揃えやトリミング、2 つのバリアントレコードが同じ変化を表しているかの確認、ゲノム座標からトランスクリプト・CDS・タンパク質座標へのマッピング、BED/GTF/VCF の座標系規約違反の監査、GRCh37 と hg19、GRCh38 と T2T、chr プレフィックス、liftover の問題の診断HX中被使用。トリガー語には "off by one"、"0-based"、"1-based"、"half-open"、"coordinate system"、"left-align"、"normalize variant"、"bcftools norm"、"chr prefix"、"wrong genome build"、"liftover"、"REF mismatch"、"HGVS" があります。
Genomic Intelligence のホスティング型 Transformer DNA 言語モデルを用いて、DNA 配列から直接、調節.features、遺伝子構造、発現を予測。ローカル GPU やモデルの重みは不要です。REST API とホスティング MCP サーバー（キー不要の公開デモ）で 6 つのタスクを提供します：プロモーター領域、スプライシングドナー／アクセプタサイト、增强子活性、クロマチン状態、配列から発現への変換（log TPM）、de novo 遺伝子アノテーション。加えて、遺伝子探索から発現予測までを行う複合ワークフローも提供します。ユーザーが遺伝子記号、ゲノム領域、DNA/FASTA 配列を持ち、これらの予測のいずれかを希望する場合や、Genomic Intelligence、genomicintelligence.ai、api.genomicintelligence.ai、mcp.genomicintelligence.ai に言及する場合に使用します。
自由テキストの科学ラベルをオントロジー用語 ID に解決し、既存の CURIE を EBI Ontology Lookup Service（OLS4）に対して検証します。Bioregistry でプレフィックスを検索し、Identifiers.org でコンパクト識別子を解決し、ZOOMA でラボの略称をマッピングし、Ontobee の用語ページを構築します。以下の場合に使用します：組織、細胞タイプ、疾患、形質、アッセイ、化学物質、生物種、性別、発達段階のフィールドに注釈を付ける；GEO、ENA、BioSamples、CELLxGENE、HCA、ISA-Tab 提出のためにメタデータを準備する；用語 ID のメタデータ表を監査する；用語が廃止されているか、その代替語が何かを調べる；HPO と HP のどちらを選ぶか判断する。トリガーには「ontology term」「ontology ID」「CURIE」「controlled vocabulary」「UBERON」「CL:」「MONDO」「HPO」「EFO」「ChEBI」「NCBITaxon」「GO term」「PATO」「Zooma」「Bioregistry」「Identifiers.org」「Ontobee」「annotate this tissue/cell type/disease」、および PREFIX:0001234 形式の識別子を出力または検証を求めるリクエストが含まれます。
OmniStudio Data Mapper（旧称 DataRaptor）の作成と検証を、100 点満点で評価します。Extract、Transform、Load、Turbo Extract Data Mapper の構築、Salesforce オブジェクトフィールドのマッピング、既存の Data Mapper 設定のレビューに使用します。ユーザーが Data Mapper を作成する、フィールドマッピングを設定する、OmniDataTransform メタデータを扱う、または DataRaptor/Data Mapper のパターンについて尋ねる場合に起動します。Integration Procedures の構築（sf-industry-commoncore-integration-procedure を使用）、OmniScripts の作成（sf-industry-commoncore-omniscript を使用）、コンポーネント間の依存関係の分析（sf-industry-commoncore-omnistudio-analyze を使用）では起動しないでください。
スプレッドシートファイルが主な入力または出力であるタスクでは、必ずこのスキルを使ってください。既存の .xlsx、.xlsm、.xltx、.csv、.tsv ファイルを開いたり、 읽んだり、編集したり、直したりすること（列の追加、数式の計算、書式設定、グラフ作成、汚いデータの整理など）、ゼロからまたは他のデータソースから新しいスプレッドシートを作成すること、表形式ファイルどうしを変換することが対象です。ユーザーがスプレッドシートファイルを名前やパスで言及した場合（たとえば「ダウンロードの xlsx」のようなosionな言い方）に、それに対して作業或多Connorの生成を求めるときは必ず発動してください。汚い表形式データファイル（不正な行、ずれたヘッダー、ゴミデータ）をきれいなスプレッドシートに整理・再構成するときも発動します。成果物は必ずスプレッドシートファイルでなければなりません。主な成果物が Word 文書、HTML レポート、単体で動く Python スクリプト、データベースパイプライン、Google Sheets API 連携である場合は発動しないでください。表形式のデータが関わっていても同様です。
Salesforce Data Cloud の Retrieve フェーズ。次の場合に使用：ユーザーが Data Cloud SQL、describe、非同期クエリ、ベクトル検索、検索インデックスのワークフローを実行する場合、または Data Cloud オブジェクトのメタデータをイントロスペクションする場合。次の場合は使用しない：標準 CRM SOQL（sf-soql を使用）、セグメント作成または計算インサイトの設計（sf-datacloud-segment を使用）、STDM／セッショントレース／Parquet 分析（sf-ai-agentforce-observability を使用）。
現実的なサンプルデータを含むデータベースシードスクリプトを生成します。Drizzle スキーマまたは SQL マイグレーションを読み取り、外部キーの順序を考慮し、冪等性のある TypeScript または SQL のシードファイルを作成します。D1 のバッチ制限、一意制約、ドメインに適したデータに対応します。開発・デモ・テスト用データベースへのデータ投入時に使用します。トリガー語句：'seed database'、'seed data'、'sample data'、'populate database'、'db seed'、'test data'、'demo data'、'generate fixtures'
Salesforce Data Cloud Connectフェーズ。次の場合にトリガーします：ユーザーがData Cloud接続、コネクター、コネクターメタデータを管理する、接続をテストする、ソースオブジェクトやデータベースを参照する、新しいソースシステムを設定する。次の場合はトリガーしません：タスクがデータストリームまたはDLO（sf-datacloud-prepareを使用）、DMOまたはID解決（sf-datacloud-harmonizeを使用）、検索（sf-datacloud-retrieveを使用）、STDMテレメトリ（sf-ai-agentforce-observabilityを使用）に関する場合。
Salesforce Data Cloud の準備フェーズ。次の場合に起動：ユーザーが Data Cloud のデータストリーム、DLO、変換、Document AI の設定を作成または管理する場合、または Data Cloud への取り込みについて尋ねる場合。次の場合は起動しない：タスクが接続設定のみの場合（sf-datacloud-connect を使用）、DMO と ID 解決の場合（sf-datacloud-harmonize を使用）、またはクエリ／検索の場合（sf-datacloud-retrieve を使用）。
複数の情報源を統合し、規制遵守状況を追跡して、検証済みの市場分析を行うエンタープライズ向け金融調査です。10件以上の情報源、検証済みの主張、市場比較、投資調査を必要とする包括的な金融分析に使用します。トリガー語は「financial research」「market analysis」「investment analysis」「due diligence」「financial deep dive」「compare stocks/funds」「analyze [company/sector]」です。単純な株価照会、基本的な企業情報の検索、1～2回の検索で回答できる質問には使用しないでください。
GenSpectrum LAPIS の公開データをクエリし、病原体のゲノムサーベイランス、現行の系統命名規則、週別のシークエンス比率、報告遅延、記述的変異頻度を調べます。変異サーベイランス、Pango 系統の検証、投稿されている系統の主流、Nextclade 割り当ての由来、SARS-CoV-2、インフルエンザ/H5N1 のクレード、RSV、mpox、麻疹、デング熱、LAPIS クエリの際に使用します。シークエンスの有病率と感染有病率、クレードと遺伝子型、欠損判定と参照一致、サンプリングの変化と生物学的な優位性を区別します。
薬動学・薬力学のモデリングとシミュレーション — 非区画解析、区画モデルおよび母集団 PK、PK/PD と曝露-反応、TMDD、PBPK の基礎、生学的同等性、アレ Edmonton スケーリングと初回人体投与用量、薬物相互作用の予測、ベイズ的治療药物 monitoring。曝露-時間データの解析、曝露指標の導出、PK または PD モデルのフィット、投与用量方案的評価に使用します。トリガーには "pharmacokinetics"、"pharmacodynamics"、"PK/PD"、"NCA"、"non-compartmental"、"AUC"、"Cmax"、"lambda z"、"half-life"、"clearance"、"volume of distribution"、"compartmental model"、"population PK"、"popPK"、"NONMEM"、"nlmixr2"、"Pharmpy"、"Monolix"、"exposure-response"、"Emax"、"EC50"、"indirect response"、"effect compartment"、"TMDD"、"PBPK"、"bioequivalence"、"RSABE"、"ABEL"、"allometric scaling"、"first-in-human"、"MABEL"、"drug-drug interaction"、"DDI"、"ICH M12"、"concentration-QTc"、"therapeutic drug monitoring"、"MIPD"、"dosing regimen" などが含まれます。
Salesforce Data Cloud の Segment フェーズです。ユーザーがセグメントを作成または公開する、計算済みインサイトを管理する、セグメント数やメンバーシップを確認する、または Data Cloud のオーディエンス SQL をトラブルシューティングする場合にトリガーします。DMO／マッピング／ID 解決作業（sf-datacloud-harmonize を使用）、アクティベーション作業（sf-datacloud-act を使用）、クエリ／検索インデックス作業（sf-datacloud-retrieve を使用）、または STDM／セッション追跡（sf-ai-agentforce-observability を使用）ではトリガーしません
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。