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 97,222 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
Blazorアプリでコンパクトなインライン傾向表示を実現するSyncfusion Blazor Sparkline Chartsを実装します。ミニチャート、KPI指標、ダッシュボードのスパークライン、ワードサイズのデータ可視化に使用します。折れ線、面、縦棒、WinLoss、円のスパークラインに加え、データラベル、マーカー、特殊な点（高値／低値／負値）、範囲帯、ツールチップ、外観のカスタマイズを扱います。ダッシュボード、インライン傾向付きデータテーブル、メールレポート、コンパクトな傾向指標が必要なモバイルデータ可視化に適しています。
ページのヒートマップが示す内容を評価し、具体的な変更を提案します。URL のクリック、レイジクリック、スクロール深度のデータを取得し、同じページの自動キャプチャイベントと照合して注目要素を特定します。また、ユーザーが PostHog で開ける保存済みヒートマップを作成し、行動を要約して改善案を提示できます。 起動条件：ヒートマップの内容、クリックされない理由、レイジクリックの場所、スクロール距離、ヒートマップ／クリックデータに基づくページの変更点を尋ねる場合、または URL のヒートマップの分析／評価／レビューを依頼する場合。 起動しない条件：分析なしで保存用のヒートマップ画像だけを作成したい場合（heatmaps-saved-create を直接使用）、またはセッションリプレイ全般について尋ねている場合（investigating-replay を使用）。
Blazorアプリケーションでフローを可視化するために、Syncfusion Blazor Sankey Diagram（SfSankey）コンポーネントを実装するための包括的なガイドです。Sankey図、フローの可視化、プロセスフローを扱う際に使用します。このスキルでは、ノードとリンクの設定、データバインディング、フロー量の表現、図のカスタマイズを扱います。エネルギーフロー、サプライチェーンの関係、ユーザージャーニーマップ、トラフィック分析など、カテゴリや段階間のフローを扱うあらゆるシナリオの可視化に適しています
ユーザーが「CAP 定理」「PACELC」「整合性モデル」「結果整合性と強整合性」「read-your-writes」「因果整合性」「quorum」または「R+W>N」「コンセンサス」「Raft / Paxos」「リーダー選出」「コンシステントハッシュ」「分散トランザクション」「2PC」「saga」について尋ねた場合に使用します。データの複製やノード間の調整を含む設計で、レプリケーション遅延、ネットワーク分断、ノード障害時に読み取り側が何を参照できるかが判断の鍵となる場合は、ユーザーが「整合性」と明言していなくても使用します。
TikTok 商品に関連する販促動画の再生数、いいね、コメント、シェア、動画経由の販売数、GMV を取得し、商品動画のマーケティング実績とクリエイターコンテンツの効果を分析します。ユーザーが TikTok 商品動画、TikTok 販促動画、商品関連動画、動画マーケティング分析、クリエイター動画の実績、TikTok 動画の販売数、product video analysis、influencer video performance、TikTok promotional videos、product marketing videos について言及した場合にこのスキルを起動します。「EchoTik」や「商品動画」と明示されていなくても、TikTok 商品の販促動画や動画の再生数・コンバージョンデータの確認が依頼に含まれる場合は起動します。
ユーザーが「競合を分析」「価格を比較」「競争環境」「市場調査」「顧客の意見」「レビュー分析」「採用シグナル」「コンテンツ戦略」「SEO競争」「競合比較資料の作成」「競合分析」「プレイヤー一覧」「競合相手」「市場インテリジェンス」「競争上のポジショニング」「企業の詳細調査」「取締役会の準備」「SWOT分析」「[X]と[Y]の比較」などを依頼した場合や、競合分析、価格比較、顧客 sentiment、市場環境の調査に言及した場合に使用します。Apify CLI または Apify MCP サーバーが必要です。
BigQuery Migration Service（BQMS）MCPサーバーを使用して、旧式データベース方言（Teradata、Oracle、Redshift、Snowflake、SparkSQL、HiveQL）のSQLクエリ、DDLスキーマ、ストアドプロシージャをBigQuery GoogleSQLに変換します。旧式SQLクエリの変換、スキーマやメタデータのZIPアーカイブの移行、BigQuery Migration Service（BQMS）のYAML変換設定に使用します。BigQueryクエリの実行やデータセット・テーブルの管理（bigquery-basicsを使用）、実行時ジョブエラーの診断（bigquery-troubleshootingを使用）、スロット予約の調整（bigquery-optimizationを使用）には使用しないでください。
Databricks 組み込みの AI Functions（ai_classify、ai_extract、ai_summarize、ai_mask、ai_translate、ai_fix_grammar、ai_gen、ai_analyze_sentiment、ai_similarity、ai_parse_document、ai_prep_search、ai_query、ai_forecast）を使用して、モデルエンドポイントを管理せずに SQL と PySpark のパイプラインへ AI 機能を直接追加します。ドキュメント解析とカスタム RAG パイプラインの構築（parse → prep_search → index → query）も扱います。
カスタムコードの Databricks Apps（AppKit/React）のデータ画面（KPI／概要ページ、レポート、チャート、テーブル、Genie／チャットのデータアシスタント）の UX を設計し、具体的な AppKit コンポーネントに対応付けます。データを表示したりデータに関する質問に回答したりする AppKit/React アプリの UI を構築またはレビューする際に使用します。画面の種類、レイアウト、チャート、KPI、セマンティックカラー、必須状態（読み込み／空／エラー）、IBCS 表記、AI の結果への信頼性（Genie／チャットで生成 SQL／ソースを表示）の選定が対象です。単に「ダッシュボードを作成」と依頼された場合は、マネージド AI/BI（Lakeview）ダッシュボードを意味するため、databricks-aibi-dashboards を使用し、このスキルは使用しません。データ以外のフロントエンド（フォーム、設定、認証、マーケティング）や、スキャフォールディング／ビルド／デプロイ（databricks-apps を使用）も対象外です。databricks-apps を補完するもので、カスタムアプリにチャート、テーブル、KPI、レポート、Genie／チャット／AI の画面がある場合は併用します。
Gemini File SearchでドキュメントのQ&Aを構築します。自動チャンク分割、埋め込み、引用に対応したフルマネージドRAGシステムです。100種類以上のファイル形式をアップロードし、自然言語で検索できます。ドキュメントQ&A、検索可能なナレッジベース、セマンティック検索に使用します。ドキュメントの不変性、ストレージ容量（3倍）、チャンク設定、メタデータ上限（最大20件）、ポーリングのタイムアウト、displayNameの消失（Blobアップロード）、グラウンディングの喪失（JSONモード）、ツールの競合（googleSearch + fileSearch）をトラブルシューティングします。
Catalyst QuickML — ノーコード/ローコード ML、生成 AI、すぐに使える AI プラットフォーム。（1）Prediction：ML パイプライン、分類/回帰、テキスト分析、レコメンデーション、予測、クラスタリング、異常検知、AutoML、予測エンドポイント；（2）生成 AI：LLM Serving（チャット、VLM）、RAG、ナレッジベース、GenAI エンドポイント；（3）Zia Model Library：トレーニング不要の構築済みモデル；（4）QuickML の価格 — サブスクリプションプランと従量課金の料金。'QuickML'、'AutoML'、'ML pipeline'、'train a model'、'model endpoint'、'LLM Serving'、'RAG'、'Knowledge Base'、'no-code ML'、'MLOps'、または QuickML の価格/コスト/請求/プランに関する質問でトリガー。DC の可用性：Prediction モデルはすべての DC；生成 AI（LLM Serving、RAG、ナレッジベース）は AU、SA、CA では利用不可；Zia Model Library は IN のみ。
「分散ログ」「ログ集約」「集中ログ」「ELK」または「EFK」スタック、「ログ転送」「構造化ログ」、ログ内の「相関 ID」や「トレース ID」、「ログ保持」「大量ログ取り込み」の設計時に使用します。収集 → バッファリング → 転送 → インデックス化 → 保存 → 保持のパイプライン、サンプリング、順序制御、コールドストレージの階層化を扱います。多数のサービスが出力するログを、高負荷時にも一か所で検索できる必要がある場合は、「ログパイプライン」という言葉がなくても使用してください。
ユーザーが「検索システム」を設計する場合、「全文検索」が必要な場合、「転置インデックス」「Elasticsearch / OpenSearch」「関連度ランキング」（TF-IDF/BM25）、「検索オートコンプリート / サジェスト」「インデックスパイプライン」「ファセット検索」について尋ねた場合に使用します。クロール、インデックス、検索のアーキテクチャ、インデックスのシャーディングとレプリケーション、ランキング、ニアリアルタイムインデックスを扱います。キーで行を取得するのではなく、関連度でテキストを検索する必要がある場合は、「検索エンジン」と明言されていなくても使用します。
Datos de mercado de TradingView via APIs publicas internas sin auth: Scanner (~300 columnas con quote/indicadores tecnicos/financials/earnings/ratings/targets), Symbol Search v3 (ISIN/CUSIP/CIK), News Headlines, scraping HTML de subpages (technicals/financials/forecast/options/ideas). Cobertura GLOBAL: 100k+ stocks, 50k+ cryptos, indices, forex, bonos. 24 modos CLI.
Cloudflare Vectorize V2 でセマンティック検索を構築します。非同期変更、インデックスあたり 500 万ベクトル、31ms のレイテンシ、returnMetadata の列挙型変更、V1 の非推奨化を扱います。次元の不一致、TypeScript 型、テスト設定など 14 件のエラーを防ぎます。RAG やセマンティック検索の構築、returnMetadata、V2 のタイミング、メタデータインデックス、次元エラー、vitest の設定、wrangler --json の出力のトラブルシューティングに使用します。
snow CLI、Cortex AI（COMPLETE、SUMMARIZE、AI_FILTER）、Native Apps、Snowpark を使用して Snowflake の AI Data Cloud 上に構築します。JWT 認証、アカウント識別子、Marketplace への公開を扱います。記録されている 11 件のエラーを防ぎます。Snowflake アプリ、Cortex AI SQL、Native App の公開に使用します。JWT 認証の失敗、アカウントロケーターの混乱、メモリリーク、AI のスロットリングをトラブルシューティングします。
ユーザーが「blob store」や「object storage」を求める、「S3」や S3 互換ストアに言及する、「画像／動画／ファイルの保存」が必要、または「multipart upload」「resumable upload」「signed / presigned URLs」「media storage」「unstructured data at scale」「versioning」「tiering」（hot/cold/archive）、耐久性を高める「erasure coding」とレプリケーションの比較について質問する場合に、このスキルを使用します。写真、動画、バックアップ、ログ、ML データセットなどの大規模な非構造化オブジェクトを低コストかつ耐久性をもって保存・提供する設計には、ユーザーが単に「ファイルはどこに置けばいい？」と尋ねた場合でも使用します。
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。