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
ARK 風の個別株向け破壊的イノベーション診断。4 つの観点（プラットフォーム適合性／イノベーション収益／研究開発強度／経営陣のビジョン）で適格性を判定し、通過した場合は TAM（低位／ベース／高位）、出典付き学習率を用いたライトの法則のコスト曲線、3 シナリオの 5 年目標株価（強気／ベース／弱気、割引率 15%）、リスク、条件付きアクション枠組みを作成します。データ：まず Longbridge CLI を使用し、MCP をフォールバックとします。WebSearch は TAM／学習率／業界の成長余地に限って使用します。分析前に財務諸表間の整合性を照合します。最後にデータソースの付録を付け、最終行に照合結果の要約を記載します。独立した実装であり、ARK Invest とは無関係です。トリガー：“木头姐”、“ARK”、“ARKK”、“颠覆式创新”、“莱特定律”、“TAM”、“5年目标价”、“情景分析”、“AI 与大数据”、“自动化与机器人”、“能源存储”、“基因革命”、“区块链与金融科技”、“木頭姐”、“顛覆式創新”、“萊特定律”、“5年目標價”、“Cathie Wood”、“ARK Invest”、“disruptive innovation”、“Wright's Law”、“learning rate”、“bull base bear”、“scenario analysis”。
Monitorar e manter a documentação completa da persistência em .specsfy/DATABASE.md, com inventário tabular de bancos, schemas, tabelas, campos, relações e migrations. Use quando o monitor de contexto apontar persistência pendente, sempre que banco, tabela, coleção, model persistente, coluna, índice, relação, schema ou migration for criado ou alterado, e ao auditar se o mapa de dados corresponde ao código. Preserva notas e decisões humanas fora do inventário detectado.
posthog-js が取得した $autocapture イベントを調べ、ユーザーインタラクションの理解、CSS セレクター（特に data-attr 属性）の特定、セレクターの一意性の評価、一致するクリックのアドホックなクエリ、アクションの作成を支援します。autocapture データについての質問、ユーザーがクリックしているものの特定、クリックイベントからのアクション構築、elements_chain に関する質問、クリックやその他の autocapture インタラクションで絞り込んだトレンドやファネルの作成、autocapture が送信するプロパティの確認、$autocapture イベントの絞り込み方に関する質問に使用します。posthog-js autocapture を使用するプロジェクトにのみ適用されます。
Python SDK を使用した SurrealDB の利用方法を扱い、クライアント/サーバーモード（WebSocket）と組み込みモード（メモリ内またはファイルベース）の両方をカバーします。Python から SurrealDB に接続する場合、surrealdb Python パッケージを使用する場合、サーバーなしで SurrealDB を組み込み実行する場合、または Python コードで CRUD 操作を行う場合に使用します。トリガー：surrealdb Python、Surreal()、AsyncSurreal()、Python SDK、embedded SurrealDB、mem://、file://。
Alibaba Cloud RDS Copilot のインテリジェント運用アシスタントスキルです。RDS に関するインテリジェントな質疑応答、SQL の最適化、インスタンス運用、トラブルシューティングに使用します。Alibaba Cloud CLI 経由で RdsAi OpenAPI を呼び出し、リアルタイムの RDS Copilot 応答を取得します。トリガー：「RDS Copilot」「RDS Assistant」「SQL optimization」「RDS troubleshooting」「RDS operations」「database diagnosis」
1688 の商品選定、出品、商機トレンドの専門家です。用途：(1) 1688 で商品を検索し、仕入れ先を探す。(2) 紐付け済みの下流店舗を確認する。(3) 商品を Douyin、Pinduoduo、Xiaohongshu、Taobao などのプラットフォームに出品する。(4) 1688 AK キーを設定する。(5) リアルタイムの商機ランキングを確認する。(6) カテゴリ・業界のトレンドや価格分布を確認する。(7) 店舗運営の日報を作成し、主力商品の選定案を出す。トリガー語：商品を探して、1688 で検索、商品選定、出品、商品登録、店舗確認、AK 設定、商機、注目ランキング、ランキング、トレンド、価格分布、運営日報、店舗日報、販売分析、運営分析、商品選定の提案、1688 で商品を探す。
Representation Format YAMLファイル群に対してMetabaseセマンティックチェッカーを実行し、すべての参照が解決されることを確認します。エンティティ間参照（collection_id、dashboard_id、parent_id、パラメーターソースカード、スニペット参照、変換タグなど）と、MBQLおよびネイティブクエリ内の列参照が対象です。実行には時間がかかります（1回あたり1分以上）。ユーザーがエンティティ参照またはMBQL/SQLクエリ内の列参照の検証を明示的に求めた場合にのみ使用してください。通常はローカルではなくCIのステップとして実行します。ディスク上のデータベースメタデータが必要です（既定値は `.metadata/table_metadata.json`）
卖家精灵のデータを使って Amazon 商品を検索・絞り込みます。価格、月間販売数、BSR ランク、粗利益率、評価、配送方法、タグ、出品者の出所など、多角的な条件に対応し、複数の Amazon マーケットプレイスを網羅します。Amazon の商品リサーチや商品選定、商品フィルタリング、販売数による絞り込み、商品発掘、BSR 分析、ニッチ商品の発見、競合分析、市場機会の評価、商品単位の市場規模推定、粗利益率による絞り込み、SellerSprite product selection、Amazon product selection、sales filtering、BSR analysis、profit screening、market analysis、product selection tool に言及した場合にこのスキルを起動します。「卖家精灵」と明示されていなくても、Amazon の商品単位データを絞り込んで分析し、商品を選定するニーズがあれば起動します。
ユーザーが NetSuite に基づく財務分析、財務分析ディレクターの支援、期間締めのガイダンス、差異レビュー、照合レビュー、キャッシュレポート、経営幹部向けの財務説明文の作成を必要とする場合に使用します。損益計算書、貸借対照表、キャッシュフロー、予算と実績の比較、売掛金・買掛金の滞留期間、月次締め、SOX 関連の財務チェック、仕訳レビュー、取締役会や CFO 向けレポートに関する依頼に適用します。NetSuite の財務データ解釈や財務業務が明確に関係する場合に優先しますが、一般的な NetSuite 開発や財務以外の管理業務には使用しません。
Redis Query Engine（RQE）のガイド。FT.CREATE のスキーマ設計、フィールド型の選択（TEXT、TAG、NUMERIC、GEO、GEOSHAPE、VECTOR）、DIALECT 2 のクエリ構文、効率的な FT.SEARCH と FT.AGGREGATE クエリ、エイリアスによるダウンタイムなしのインデックス更新、SKIPINITIALSCAN オプションを扱います。Hash または JSON ドキュメントに検索インデックスを定義する場合、フィルタリングに TEXT と TAG のどちらを使うか選ぶ場合、フィルターと SORTBY を含む FT.SEARCH クエリを書く場合、本番環境でインデックスを管理または切り替える場合、FT.PROFILE で検索の遅さを調査する場合に使用します。
レコード ID とキーの設計、インデックス戦略、計算・派生フィールドを通じて SurrealDB のパフォーマンスを最適化します。クエリが遅い場合、局所性や範囲スキャンを考慮したレコード ID の設計、標準・ユニーク・全文・ベクトルインデックスの選択、EXPLAIN によるインデックス使用状況の確認、計算フィールド・ビュー・イベントによる値の事前計算の判断に使用します。トリガー：slow query、performance、record id design、range scan、DEFINE INDEX、EXPLAIN、computed field、FUTURE、DEFINE TABLE AS SELECT。
RCSB PDB、PDBe、AlphaFold、SWISS-MODEL、3D-Beacons（複数プロバイダーの構造アグリゲーター）、PDB-REDO（再精密化された X 線構造）からタンパク質構造を取得し、曖昧さの解消、品質評価（分解能、R-factor、pLDDT、カバレッジ）、メタデータ処理を行います。高品質な実験構造（X 線で 2 Angstrom 未満）と、予測構造、ホモロジーモデル、中品質の構造を区別します。タンパク質構造の取得、構造品質の比較、遺伝子リスト全体のモデル利用可能性の一括確認、すべての構造プロバイダーの一括確認、創薬やモデリングに使用する構造の選択に利用します。
既存の Prisma プロジェクトを ZenStack V3 に移行します。Prisma/@prisma/client を ZenStack に置き換える場合、schema.prisma を ZModel に変換する場合、PrismaClient を ZenStackClient に置き換える場合、generate/migrate スクリプトを更新する場合、Prisma のカスタムジェネレーターやクライアント拡張を対応付ける場合、または Prisma migrate ツールを引き続き動作させる場合に使用します。
Salesforce と Grid MCP、または Grid REST の直接呼び出しを使って Agentforce Grid（AI Workbench）のワークフローを構築、確認、デバッグ、自動化、公開したい場合は、この skill を使用します。Grid ワークブックの作成、ワークシートの設定、Object/Reference/AI/Agent/AgentTest/Evaluation/PromptTemplate/InvocableAction 列の設計、Grid 内でのプロンプト作成、ワークシート実行のトラブルシューティング、Grid YAML `apply_grid` 仕様、Windows 固有の Grid 設定問題に対応します。AI Workbench、Grid Studio、ワークブック ID、ワークシート ID、Grid Connect への言及や、「AI メール下書き付きの有望商談」「Grid のエージェントテストスイート」「YAML からこのワークシートを作成」などのレシピの依頼にも使用します。Agentforce Grid に関係しない一般的な Salesforce 作業には使用しません。
ユーザーが商談結果の分析、勝敗レビュー、パイプラインの健全性監査、または商談検査プロセスの改善を希望する場合に使用します。「win/loss analysis」「deal review」「pipeline audit」「why we lost」「deal inspection」「sales review」「forecast review」「deal post-mortem」に言及した場合にも使用します。継続的な商談記録についてはdeal-documentationを、営業分析についてはsales-analyticsを参照してください。
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。