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
PostHog の Django マイグレーションパターンと安全なワークフローです。Django/Postgres のマイグレーションの作成、調整、レビューに使用します。ノンブロッキングのインデックス／制約変更、複数段階のスキーマ変更、データのバックフィル、マイグレーション競合のリベース、SeparateDatabaseAndState が必要な製品モデルの移行を含みます。マイグレーションを作成しない場合でも、モデル、テーブル、カラム、製品、アプリの削除や廃止（マイグレーションファイルの削除や機能の終了を含む）に使用します。
実験結果を誤解せずに読み解く方法を扱います。信頼区間、p 値、多重検定、逐次検定、CUPED、異質な処置効果、比率指標、ネットワーク効果、ダッシュボードとの照合、誤ったリリース判断につながる解釈上の失敗を取り上げます。ユーザーが完了済み実験の結果画面を読み、リリース、中止、反復の判断をしようとしている場合や、実験の数値がダッシュボードの数値と一致しない場合に使用します。実験結果を読む、結果画面、リリースまたは中止の判断、p 値、信頼区間、統計的有意性、多重検定、途中経過の確認、逐次検定、CUPED、分散削減、異質な処置効果、比率指標、ネットワーク効果、結論が出ないテスト、実験とダッシュボードの不一致などで起動します。テストがまだ実施されておらず、仮説、サンプルサイズ、期間、テスト内容についての質問であれば、代わりに `experiment-design` を使用します。
Power Pages Web API をサイトのフロントエンドコードに統合し、適切な権限設定とデプロイを行います。コード統合、テーブル権限の設定、Dataverse CRUD 操作のデプロイまで、統合ライフサイクル全体を調整します。PAC でダウンロードした非 SPA サイトにも対応し、カスタム Web API JavaScript より先にネイティブの Forms、Lists、Liquid を優先します。Web API 呼び出しの追加、Dataverse への接続、フロントエンドへのデータ取得機能の追加、または非 SPA ページと Dataverse の統合を希望する場合に使用します
Amazonの逆引き商品選定：過去のビジネス洞察レポートをもとに蓄積した指標データプールを使用し、市場規模と成長、価格帯と価格帯別シェア、競争密度と上位企業への集中度、年齢・性別・収入などの顧客層プロフィール、レビューでの訴求点や課題など、30以上のビジネス指標からAmazonの市場分野やキーワードを絞り込みます。逆引き商品選定、指標による絞り込み、ニッチ市場の逆引き、ブルーオーシャンニッチの発掘、低競争ニッチ、初心者向けニッチ、ブランドが分散した市場、課題を切り口にした選定、訴求点の逆引き、価格帯の機会、顧客層プロフィールに基づく商品選定、Amazon niche reverse search、niche metrics filter、low-competition niche、blue ocean niche、demographic-based selection、pain-point niche、price tier opportunity、sweet spot pricing、brand fragmentationに言及した場合に起動します。「逆引き商品選定」と明言していなくても、ビジネス指標に基づいて条件に合うAmazonの市場分野を絞り込みたい場合は起動します。
上流の市場調査手法に使用します。TAM/SAM/SOM による市場規模をトップダウンとボトムアップの両方で算出する（根拠のない単一の数値は不可）、有限母集団補正とセグメントごとの最低数を考慮して調査サンプル数を計画する、または Kotler の測定可能性・実質性・到達可能性・差別化可能性・実行可能性の基準で候補市場セグメントを評価する場合が対象です。出力では常に手法と前提条件を示します。市場規模算定、調査、セグメンテーションの段階にある市場調査アナリストやプロダクトマーケティング担当者向けです。marketing-skill（キャンペーン分析、アトリビューション、需要創出）とは異なり、これは実施中のキャンペーン最適化ではなく、証拠を構築するための手法です。
ColabFold MSA-Search NIM を使用して、タンパク質配列の多重配列アラインメント（MSA）を生成します。ホモログ検索、UniRef30／ColabFold 環境検索、A3M または FASTA アラインメント、複合体のペア MSA 検索、PDB70 構造テンプレート、ホスト型 NVIDIA API 呼び出し、ローカル Docker デプロイに使用します。ローカルにデプロイする場合は、aria2c でデータベースを並列ダウンロードし、NIM_MODEL_NAME 経由で起動します（推奨の高速手順で約 14 分。組み込みダウンローダーでは 80 分以上）。単純な docker run では、低速な組み込みダウンローダーが使われます。
PyMC でベイズモデルを構築、修正、デバッグします。尤度と事前分布の選択、モデルやデータの次元指定、階層モデル、GP、時系列、混合モデル、BART、スプラインの適合、pymc-extras の分布、周辺化、状態空間モデルやモデル構築ツールの利用、推論手法の選択、初期評価の失敗やモデル・データの形状エラーの解決、予測の生成、シミュレーションデータとシミュレーションベース校正（SBC）によるモデルコードのテストに使用します。PyMC 6+、PyTensor 3+、ArviZ 1.0 DataTree のワークフローに対応します。
[inference.sh](https://inference.sh) を介して、安全なサンドボックス環境で Python コードを実行します。NumPy、Pandas、Matplotlib、requests、BeautifulSoup、Selenium、Playwright、MoviePy、Pillow、OpenCV、trimesh など、100 以上のライブラリがプリインストールされています。用途：データ処理、ウェブスクレイピング、画像加工、動画作成、3D モデル処理、PDF 生成、API 呼び出し、自動化スクリプト。トリガー：python、execute code、run script、web scraping、data analysis、image processing、video editing、3D models、automation、pandas、matplotlib
JASPAR（モチーフ）、UniBind、ENCODE（cCRE、ChIP-seq）、RegulomeDB（調節変異のスコアリング）、UCSC、Ensembl Regulatory Build（モチーフのインスタンス、進化的に制約されたエレメント、TF結合マトリックス）を用いて、転写因子結合、シス調節エレメント（cCRE）、クロマチンアクセシビリティ、調節アノテーションを扱います。さらに、配列ベースの深層学習による調節活性および非コード変異の影響予測（AlphaGenome、Enformer、Borzoi、ChromBPNet、Evo 2）にも対応します。調節エレメントのアノテーション、TF結合部位の予測、調節領域の機能的影響の評価、非コード変異または生のDNA配列が発現・クロマチン・アクセシビリティに与える影響の予測に使用します。遺伝子を調節する要因、SNPが調節エレメントに該当するか、配列から非コード変異の機能的影響を予測する方法について質問された場合にも使用します。
Power Apps Studioを使ってCanvas Appにデータソース、接続、APIコネクタを追加するようユーザーを案内し、検証して次に進みます。データソース、接続、API、コネクタの追加、SharePoint / Dataverse / SQL / Excel / OneDrive / Teams / Office 365への接続など、アプリで新しいデータを利用可能にする依頼に使用します。既存のデータソースの一覧表示や説明を求められた場合は使用せず、list_data_sourcesまたはlist_apisを直接呼び出してください。
Azure Data Factoryの開発に関する専門知識を提供します。トラブルシューティング、ベストプラクティス、意思決定、アーキテクチャと設計パターン、制限とクォータ、セキュリティ、構成、統合とコーディングパターン、デプロイを扱います。IR/SSIS/SHIR、マッピングデータフロー、SAP/SaaSコネクタ、CI/CDデプロイ、セキュアなVNet/Key Vaultの構成や、その他のAzure Data Factory関連の開発タスクに使用します。Azure Data Explorerには対応しません（azure-data-explorerを使用）。Azure Synapse Analyticsには対応しません（azure-synapse-analyticsを使用）。Azure Stream Analyticsには対応しません（azure-stream-analyticsを使用）。Azure Databricksには対応しません（azure-databricksを使用）
SurrealDB 3 のエキスパート向けアーキテクト・開発スキル（v3.1.4+ に対応）。SurrealQL、マルチモデルデータモデリング（ドキュメント、グラフ、ベクトル、時系列、地理空間）、スキーマ設計、セキュリティ、デプロイ、パフォーマンスチューニング、SDK 統合（JS、Python、Go、Rust、Java、.NET、C、PHP、Swift、Kotlin、Ruby）、Surrealism WASM 拡張、SurrealML の対応範囲（プレビュー）、組み込み MCP（v3.1+）とスタンドアロン SurrealMCP、LangChain Python 統合、エディターツール（LSP v0.1.6、tree-sitter、CodeMirror v1.0.6、VS Code/JetBrains/Neovim/Zed）、エコシステム統合（Surrealist v3.9、Surreal-Sync、SurrealFS、SurrealKit v0.7、n8n、Agent Skills、setup-surreal）を扱います。30 以上の AI エージェント向けの汎用スキルです。
Databricks Genie Agents（旧称 Genie Spaces）を作成、管理、照会します。データごとにキュレーションされた自然言語エージェントを構築、エクスポート／インポート、ワークスペース間で移行し、Conversation API 経由で特定の Agent に質問できます。一般的なデータの質問やワークスペース全体でのデータ検索には、代わりに databricks-data-discovery（Genie One）を使用してください
@datocms/cda-clientを使ってDatoCMS Content Delivery API（CDA）—読み取り専用のGraphQL API—にクエリします。投稿／ページ／プロジェクトの取得、日付／テキスト／フィールドによる絞り込み、並べ替え、ページネーション／追加読み込み、正規表現フィルターによるテキストパターン照合、ローカライズとフォールバックロケール、モジュール式コンテンツフラグメント、ブロック／インラインレコードを含むStructured Text（DAST）、レスポンシブ画像（srcset/blur-up/imgix）、SEOメタデータ（_seoMetaTags、favicons、global SEO）、動画／Muxフィールド、下書きまたはプレビューの読み取り、環境を指定した読み取り、rawExecuteQueryによるキャッシュタグ、レスポンスがCDNキャッシュにヒットしない理由やレート制限に達する理由、ビジュアル編集用Content Linkメタデータなど、GraphQLによるコンテンツ読み取りの依頼に使用します。gql.tadaまたはGraphQL Code Generatorを使ったCDAクエリ型の生成にも使用します。
調査資料を実行可能な PM の洞察に変換します。顧客インタビュー、ユーザーリサーチのメモ、サポートチケットのレビュー、営業通話の文字起こし、アンケートデータ、アプリ内フィードバックを統合し、それらが支えるべき意思決定に結び付けます。統合の過程で重要なシグナルを失ったり、実際には存在しない洞察を捏造したりせず、生の探索データから明確なプロダクトの方向性へと導く手法です。調査の統合、顧客インタビューの統合、ユーザーリサーチ分析、ディスカバリー報告、調査インサイト、営業通話分析、サポートチケット分析、定性データ分析で起動します。チームが調査を行ったものの意思決定に結び付けられない場合、統合によって見栄えのよい資料はできてもロードマップが動かない場合、または今後の PM の意思決定を既存の調査に基づかせる必要がある場合にも起動します。
自然言語の質問を安全に実行できるSQLに変換し、Ascend PyTorch Profiler / msprofデータベースから演算子の処理時間、通信、ディスパッチ、その他の性能データをクエリします。公式ドキュメントからテーブルスキーマを抽出できます。ユーザーが（1）Ascend profilingデータベースの分析、（2）演算子性能データのクエリ、（3）通信やディスパッチのボトルネック分析、（4）profilingデータのテーブルスキーマ確認を希望する場合に使用します。トリガー：「profiler db」「sqlite」「sql」「table」「schema」「ascend-pytorch-profiler」「msprof」「operator time」「communication time」「dispatch analysis」「性能分析」「算子耗时」「数据库查询」「性能数据」「性能瓶颈」。
公開済みの Python SDK v0.3.4（パッケージ `helix-db`、インポート `helixdb`、Python 3.10+）を使って HelixDB クエリを作成・修正します。`read_batch`、`write_batch`、`to_query_request`/`to_query_json` の直接ペイロード、行バインディング、トラバーサルビルダー、プロジェクション、パラメーター、トラバーサル範囲内の事前フィルタリングを伴うベクトル検索と BM25 検索、同期 `Client`、`AsyncClient` による非同期サーバー実行または組み込み実行に使用します。保存済みルートとクエリバンドルは v3 SDK API ではありません。対象が Helix Cloud の場合は、必ず最初に helix-mcp を使用してください。
SellerSprite のデータを使って Amazon の競合を検索・分析する。12 のマーケットプレイスを対象とし、販売数、BSR、価格、評価、成長傾向などの商品指標を扱う。ユーザーが競合検索・分析、ASIN 逆引き、競合商品の調査、類似商品の検索、市場競合の発見、商品ベンチマーク、競合販売数の推定、競合 Listing の分析、competitor analysis、ASIN reverse lookup、competitor sales、competitor research、SellerSprite、market competitor discovery、competitor trends に言及した場合に起動。ユーザーが「SellerSprite」や「競合検索」と明示していなくても、ASIN、キーワード、販売者名、ブランド、カテゴリーを使った Amazon 競合の発見・分析に関する依頼であれば起動する。
Neon 上でマルチテナント AI エージェントプラットフォームを構築・運用します。ユーザーがエージェント／アプリビルダーを設計する場合、ユーザー／アプリ／エージェントの実行ごとに Neon プロジェクトまたはデータベースをプロビジョニングする場合、数千のテナントプロジェクトを管理する場合、スポンサー付き無料ユーザーと有料顧客を分ける場合、組織間でプロジェクトを移動する場合、`@neon/sdk` と `@neon/tools` のどちらかを選ぶ場合、個人／組織／プロジェクトスコープの API キーを選ぶ場合、フリートの使用量や Agent Plan のコストを追跡する場合、データベースのスナップショットとソースのリビジョン／シークレット／デプロイメタデータを組み合わせた複合チェックポイントを作成する場合、または生成アプリのスナップショット／復元フローをオーケストレーションする場合に、このスキルを使用します。Neon Agent Program、Agent Plan、組織／プロジェクトの上限、HIPAA、共同マーケティング、サポート、neondatabase/neon-for-agent-platforms の例にも使用します。
本番環境向けの Python 非同期処理パターンを扱います。asyncio TaskGroup、FastAPI の依存性注入とミドルウェア、SQLAlchemy 2.0 の非同期セッション、データベース接続プールの調整などが含まれます。ExceptionGroup、キャンセルのセマンティクス、セッションのロールバックなど、Python 3.11+ のランタイム関連の課題にも対応します。非同期サービスの構築、FastAPI の依存関係の接続、データベース接続プールの調整に使用します。API ワイヤーコントラクトではなく、ランタイム実装レイヤーです。
Spree 6 プロジェクトに新しいモデル、データベーステーブル、または REST API エンドポイントを追加する場合に使用します。`spree:api_resource`（モデル + マイグレーション + Store/Admin API コントローラー + シリアライザー + ファクトリー + コントローラースペック + ルート + 権限スコープ）と `spree:model`（モデル + マイグレーションのみ）に対応します。よくある依頼例：「Brand モデルを追加」「新しいリソースを作成」「X を API エンドポイントとして公開」「Y 用の Admin API を追加」「Spree リソースのスキャフォールドを作成」「API なしで Spree モデルを作成」「内部モデル」「モデルをストア単位にする」。
ToolUniverse のツールがデータソースに対応していない場合、メタデータしか返さない場合、または大量のレコードが必要な場合に、科学データをダウンロードして解析するための汎用データアクセスパターンです。VCF/h5ad/BAM/SDF/GCT の解析、複数段階の API ワークフロー（検索、絞り込み、ダウンロード、解析）、一度に数千件のレコードを扱う場合、専用ツールのないデータソースに使用します。すべての手順で Bash 経由で Python コードを記述します
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。