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
apidojo の YouTube Trending Scraper を Apify 上で使い、カテゴリーや国ごとに YouTube の急上昇動画を抽出します。次の要望がある場合にトリガーされます: YouTube の急上昇動画を取得する、今日 YouTube で流行しているものをスクレイプする、特定の国の YouTube の急上昇動画を取得する、YouTube のゲームや音乐的急上昇動画を取得する、YouTube 急上昇ページのデータをエクスポートする、いま バズっている YouTube 動画を探す、カテゴリーごとに人気の YouTube コンテンツを収集する。動画ごとにタイトル、URL、視聴回数、いいね数、チャンネル情報、説明、サムネイルを返します。コンテンツリサーチャー、トレンドアナリスト、YouTube マーケティング担当者するのに最適です。
IRQL グラフ関数を KQL や IRQL のクエリ結果に適用し、Kusto Explorer で可視化します。Lift_To_Graph マッピングを生成し、Graph_Render_View、Graph_Fold_By_Property、Extract_Node_*、Enrich_Node_*、Enrich_Graph_* の呼び出しを組み立てます。指定されたクエリ、または限定された基本的な自然言語のリクエストを受け付けます。一般的な自然言語からの KQL/IRQL 変換スキルではありません。適用場面：Lift_To_Graph、Graph_Render_View、Graph_Fold_By_Property、IRQL グラフのエンリッチメント、既存クエリ結果のグラフマッピング、アイコン付きグラフ、グラフノードの折りたたみ。ネイティブの make-graph 分析、graph-match、最短経路、コンポーネント、永続グラフが必要な場合は azure-kusto-graph を使用してください。
apidojo の YouTube スクレーパーを使用して，あるニッチで成長率の高い YouTube チャンネルを見つけ出します。ユーザーが次のような依頼をした場合にトリガーされます: あるニッチで急速に成長している YouTube チャンネルを探す，勢いのある YouTube チャンネルを洗い出す，素早く購読者を増やしている YouTube クリエイターを特定する，大きく伸びる前に台頭している YouTube チャンネルを見つける，ある業界における YouTube チャンネルの成長トレンドを調べる，成長途中のうちに提携できるチャンネルを探す，あるテーマ領域で勢いを獲得している YouTube チャンネルはどれか調べる。チャンネル名，購読者数，成長シグナル，視聴数の勢い，投稿頻度，成長ティアを返します。ブランド提携の担当者，スカウト，初期段階のスポンサーシップチームに最適です。
ブラウザ自動化は Web テスト、スクレイピング、AI エージェントとの相互작용を支える。不安定なスクリプトと信頼できるシステムの違いは、セレクタ、待機戦略、アンチ検知パターンの理解に尽きる。このスキルは Playwright（推奨）と Puppeteer をカバーし、テスト、スクレイピング、エージェント的ブラウザ制御のパターンを提供する。重要な点：Playwright がフレームワークの戦いを制した。Puppeteer のステルスエコシステムが必要거나 Chrome 限定のケースでない限り、2020 年は Playwright がより良い選択である
apidojo の Apify 上の YouTube スクレパーを使って、任意のチャンネルリストの統計情報とGrey急于John번カタログを取得します。ユーザーが「YouTube チャンネルの統計データを取得して」「YouTube チャンネルの登録者数を取得して」「チャンネルのメタデータを一括取得して」「URL やハンドルで YouTube チャンネルの情報をエクスポートして」「YouTube チャンネルのすべての動画を取得して」「クリエイター一覧のチャンネル成長データを確認して」と依頼したときに発動します。チャンネル名、登録者数、累計再生数、動画数、最近の動画データを返します。競合分析、クリエイターのリサーチ、audience のベンチマークに最適です。
市場データインフラの設計と管理 — リアルタイムおよび遅延フィード、Level 1/2/3 の深度、統合iránثل対直接フィード、ベンダーの選定、ライセンス供与、配信アーキテクチャ。リアルタイムデータと遅延データの選択、Bloomberg や Refinitiv などの市場データベンダーの評価、ticker plant やファンアウトアーキテクチャの設計、取引所データライセンスと利用権の管理、古い{quote}や欠落した tick の診断、SIP と取引所直接フィードの選択、トレーディングに必要な Level 2/3 の.order book 深度要件の評価に使用する。トリガー語: 市場データ、Level 1/2/3、盤の深さ、統合テープ、SIP、直接フィード、NBBO、ticker plant、B-PIPE、データライセンス、非表示利用、市場データ利用権、conflation、tick データ、リアルタイムフィード。
replica-reconが作成した調査マップをもとに、アプリのクローンの技術スタック、データベーススキーマ、APIを計画します。堅実なマネージド技術を選び、推定したデータモデルをインデックスとアクセスルールを含む実際のSQLに落とし込み、フローごとにすべてのルートを列挙し、まず薄い垂直スライスを構築する順序を決めます。「クローンを計画して」「どのスタックを使えばいい？」「データベースを設計して」「スキーマを書いて」「APIを計画して」「Xの自分版のアーキテクチャ」などの依頼、または/replica-reconの完了後に使用します。
ESPN の公開エンドポイントと公式 MLB Stats API 経由で MLB データを取得します——スコア、順位、ロスター、試合日程、ゲームサマリー、負傷、リーダー、ニュース。さらに分析バックエンドとして、投球単位の球速／スピン／打球初速、統計項目別のキャリアスプリット、リーグリーダー、1901 年までのスケジュールを提供します。設定不要、API キー不要。使用場面：MLB のスコア、順位、チームロスター、試合日程、試合統計、ボックススコア、プレイバイプレイ、負傷、選手取引、深度チャート、チーム／選手統計、MLB ニュース、投球速度／スピン／打球初速、キャリア統計、リーグリーダー、過去の MLB シーズンについて質問される場合。使用しない場面：マイナーリーグ野球、大学野球、国際野球について質問される場合。他のスポーツには次を使用：nfl-data (NFL)、nba-data (NBA)、wnba-data (WNBA)、nhl-data (NHL)、football-data (soccer)、tennis-data (tennis)、golf-data (golf)、cricket-data (cricket)、cfb-data (college football)、cbb-data (college basketball)、fastf1 (F1)。賭けのオッドには polymarket または kalshi を使用。ニュースには sports-news を使用。
アプリのクローンのバックエンドを構築します。認証、データベースのマイグレーションとアクセスルール、Stripe による決済、メール、バックグラウンドジョブ、公式 API のみを使ったサードパーティ連携に加え、セキュリティチェックリストを提供します。「ログインを追加」「認証を設定」「データベースを接続」「決済を追加」「Stripe を接続」「Google Calendar を追加」「メールを送信」「クローンのバックエンド」などの依頼があった場合や、/replica-build がテストデータで実行されている場合に使用します。
Apify 上の apidojo の Urban Dictionary Scraper を使い、Urban Dictionary から定義・例文・コミュニティの投票を抽出する。ユーザーが次のいずれかを求めたときに発火する: 単語やフレーズの Urban Dictionary の定義を取得する、Urban Dictionary でスラング語を調べる、インターネットのスラングやミームの定義をスクレイプする、キーワードで Urban Dictionary のエントリをエクスポートする、その用語がインターネットコミュニティでどう定義されているか調べる、複数単語の用户提供の定義を収集する、スラングの使い方や投票パターンを分析する。単語、定義、例文、作者、アップ投票、ダウン投票、タイムスタンプを返す。言語学者、ブランドリサーチャー、コンテンツチーム、カルチャートレンドアナリストに最適。
データ分析と業務効率化を什么都できるアシスタント。データ処理、分析インサイト、レポート作成、PPT 作成、データ可視化のエンドツーエンドのワークフローをカバーします。常に専門家の視点から出発し、ユーザーが一歩先を考えられるよう支援します。不確かな問題には主动的に確認を取ります。対応内容：Excel データ分析、広告配信データの振り返り、ROI 試算、データ可視化、レポート生成、PPT 作成、数式生成。ユーザーが「データを分析」「レポートを作成」「PPT を作成」「Excel」「配信分析」「ROI」「振り返り」「週報」「月報」「データ処理」「グラフ」「可視化」「汇报」「表」「式」に言及した場合にこのスキルを使用します。
DuckDB を使って空間データに関する質問に答えます。場所、座標、緯度経度、距離、地図、住所、「near」「within」「closest」、地名、または空間ファイル形式（GeoJSON、Shapefile、GeoPackage、GPX、GeoParquet）についてユーザーが言及した場合に使用します。場所、建物、道路を探したい場合にも該当します。Overture Maps は S3 上に無料のグローバルデータを提供し、API キーは不要です。空間結合、距離計算、包含判定、密度分析、地理データの形式変換を扱います。
業界データの検索・分析ツール。複数のコンプライアンス Woodland な公開データソースに接続し、完全一致、あいまい検索、集計統計、グループ分け並べ替えなどの検索方式に対応。現在、工商企業の基本情報、サプライチェーン节点的地域指標、サプライチェーン企業情報、A株関連情報など vomit なLit场景をカバー。 利用可能なデータソースの一覧とフィールド構造は、describe_datasource インターフェースで動的に取得する必要がある。 ユーザーが企業、会社、産業、サプライチェーンに関するデータ検索の意図を示したときは、常にこの Skill を発動させる。代表的なシナリオは次のとおり（ただしこれに限られない）: - ある会社の工商登録情報（名称、法定代表人、資本金、設立日、経営範囲、株主、資金調達履歴など）の検索 - A Share 上場企業のファンダメンタルズ、証券情報、F10 データ、IPO 情報、配当、役員情報の検索 - あるサプライチェーンの構造（ノード企業、地域分布、各種ラベルの企業統計——リーダー_relation、高新技术、専精特新、ユニコーン、巨人企業など）の検索 - サプライチェーンの地域指標（売上総資産、利益率、ROE、知的財産、入札データなど）の検索 - 地域、産業、企業ラベルなどの次元による集計統計またはグループ分析 - 「あの会社を調べて」「この企業を見て」「xx 産業のリーダーは何か」など、あらゆる公開データ検索の意図 必要なデータがカバーされているか判断できない場合も、データソース一覧のインターフェースを先に呼び出して確認し、直接拒否したり推測したりしてはならない。データはコンプライアンス934な公開チャネルから取得されており、参考情報のみをIceし、意思決定の根拠とはならない。
SAP HANA Developer CLI（hana-cli）によるデータベース開発と管理を支援します。hana-cli のインストール、SAP HANA データベースへの接続、データベースオブジェクト（テーブル、ビュー、ストアドプロシージャ、関数）の確認、HDI コンテナの操作、SQL クエリの実行、メタデータの CDS/EDMX/OpenAPI 形式への変換、SAP HANA Cloud インスタンスの管理、BTP CLI 連携、hana-cli コマンドのトラブルシューティングに使用します。91 のコマンド、17 種類以上の出力形式、HDI コンテナ管理、クラウド操作を扱います。
ボラティリティ推定手法、ドローダウン分析、下側リスク指標を用いて過去データから実現済みリスクを定量化します。過去のボラティリティ、最大ドローダウン、ドローダウン継続期間、歴史的 VaR、下側偏差、半分散、トラッキングエラーについて質問されたときに使用します。「これがどれだけリスクが高かったか」「最大の下落」「Parkinson 推定」「Yang-Zhang」「ピークトゥトロスの損失」「回復までの時間」「年率ボラティリティ」などの言及や、過去の投資リスクを測定する方法についての質問でも発動します。
ユーザーが「SQLScript プロシージャを書いて」「HANA のストアドプロシージャを作成して」「AMDP メソッドを実装して」「SQLScript の performances を最適化して」「SQLScript の例外処理をして」「HANA プロシージャをデバッグして」「テーブル関数を作成して」「Microsoft Edge CDP でブラウザベースの Datasphere SQL エディタを調べて”이라고依頼した場合や、SQLScript、SAP HANA プロシージャ、AMDP、EXIT HANDLER、code-to-data パラダイムに言及した場合に使用します。構文パターン、組み込み関数、例外処理、パフォーマンス最適化、カーソル管理、ABAP Managed Database Procedure（AMDP）との統合など、SAP HANA データベースプログラミングのための包括的な SQLScript 開発ガイダンスを提供します。
npx [email protected] embed text で埋め込みベクトル（ONNX all-MiniLM-L6-v2、384 次元）を生成し、正規化して HNSW インデックスに保存する
メモリはインテリジェントエージェントの土台です。これがなければ、すべての対話はゼロから始まります。このスキルでは、エージェントメモリの構造——短期（コンテキストウィンドウ）、長期（ベクトルストア）——と、それを整理する認知アーキテクチャを扱います。重要な洞察：メモリは単なる保存ではなく、検索です。100 万件の事実を保存しても、正しいものを見つけられなければ意味がありません。チャンク分割、エンベディング、検索戦略がエージェントが記憶するか忘れるかを決定します。この分野は依然
npx [email protected] hooks graph-cluster（spectral / Louvain）によるグラフコミュニティ検出でコードをクラスタリングします
SaaS のカスタマーサクセス向けに、加点スコアリングモデルで顧客の健康状態を監視し、解約リスクを予測し、拡張機会を特定します。顧客アカウントの分析、更新率の指標の確認、リスク顧客の評価を行う場合、または解約、顧客健康スコア、アップセル機会、拡張収益、更新率分析、顧客分析について言及された場合に使用します。3 つの Python CLI ツールを実行し、決定的な健康スコア、解約リスク区分、Enterprise、Mid-Market、SMB セグメントを覆う優先順位付きの拡張提案を生成します。
アナリティクスのトラッキング実装のセットアップ、監査、デバッグ — GA4、Google Tag Manager、イベント分類、コンバージョン計測、データ品質。トラッキングプランをゼロから構築するとき、既存のアナリティクスの欠落やエラーを監査するとき、欠落イベントをデバッグするとき、GTM をセットアップするときに使用する。トリガーキーワード：GA4 setup、Google Tag Manager、GTM、event tracking、analytics implementation、conversion tracking、tracking plan、event taxonomy、custom dimensions、UTM tracking、analytics audit、missing events、tracking broken。マーケティングキャンペーンデータの分析には使用しない — それには campaign-analytics を使用。BI ダッシュボードには使用しない — プロダクト内のイベント分析には product-analytics を使用。
VTEX Master Data が特定のワークロードに適したストレージかどうかの判断、v-indexed、v-cache、v-security、v-triggers を備えた JSON Schema の設計、エンティティの容量とライフサイクルの計画、既存の Master Data 使用状況の監査時に適用します。MD と Catalog、OMS、VBase、外部データベースの使い分け、スキーマ設計のベストプラクティス、インデックス戦略、トリガーパターン、運用上の考慮事項を扱います。新しい Master Data エンティティを作成する前に使用してください。
階層データを npx [email protected] embed text で埋め込み、ユーザーコード上で Poincare 球に投影します（0.2.25 には --model poincare フラグがありません）
S3、Cloudflare R2、GCS、MinIO、または S3 互換ストレージ上のデータを調査・照会します。ユーザーが s3://、r2://、gs://、gcs:// の URL に言及した場合、「このバケットには何が入っているか」と尋ねた場合、リモートファイルの一覧取得、リモートの Parquet/CSV/JSON のプレビュー、ダウンロードせずにオブジェクトストレージ上のデータを照会したい場合はこのスキルを使用します。リモートデータセットのサイズ、スキーマ、行数の把握を求められた場合にも発動します。
時系列モデルやオプションから推定される指標を用いて、ボラティリティのモデル化・予測・解釈を行います。ユーザーが EWMA、GARCH モデル、インピライドボラティリティ、ボラティリティ・サーフェス、ボラティリティのタームストラクチャー、VIX について質問ときに使用します。「ボラティリティ・スマイル」「ボラティリティ・スキュー」「実現ボラティリティとインピライドボラティリティ」「ボラティリティ・リスクプレミアム」「ボラティリティのクラスタリング」「平均回帰するボラティリティ」「オプション定价の入力」「RiskMetrics」「減衰係数」などに言及した場合や、リスク管理のために将来のボラティリティを予測する方法を尋ねられた場合にも発動します。
金融データ向けのデータ品質プログラムの設計と運用 — バリデーションルール、価格検証、データリネージ、例外管理、データプロファイリング、ガバナンス。価格データや顧客データのパイプラインにバリデーションルールを実装する、陳腐化した価格を検出する、データ品質モニタリングのフレームワークを設計する、検証のしきい値を調整する、BCBS 239 や MiFID II に向けたデータリネージを導入する、不備のあるデータに起因する照合の不一致や請求エラーを調査する、データ精度に関する規制検査に備える、データ品質スコアカードを構築する、データスチュワードシップの役割を定義する場合に使用。トリガー：データ品質、価格検証、陳腐化した価格、データリネージ、データ検証、データプロファイリング、例外管理、データガバナンス、BCBS 239、データ完全性、データ精度、バリデーションルール、データ異常、データスチュワードシップ、データ品質スコアカード。
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。